FourCastNet 3
#12 in Wissenschafts- & Bio-KIAccelerated Understanding · v3 · seit Juli 2025 (arXiv-Paper veröffentlicht 16. Juli 2025; NGC-Modellversion 0.1.0 vom 29. Juli 2025) · 2× · zuletzt 27. Aug. 2026
FourCastNet 3 (FCN3) ist ein von NVIDIA (in Zusammenarbeit mit Lawrence Berkeley National Laboratory, UC Berkeley und Caltech) entwickeltes probabilistisches KI-Modell für die globale Wetter- und Klimavorhersage. Es nutzt eine rein konvolutionale, für sphärische Geometrie ausgelegte Architektur, um Ensemble-Vorhersagen mit stabiler Spektraltreue über Zeiträume von bis zu 60 Tagen zu erzeugen. Das Modell übertrifft laut NVIDIA klassische Ensemble-Wettermodelle (z.B. IFS-ENS) in der Genauigkeit und ist deutlich schneller als vergleichbare Diffusionsmodelle wie GenCast. Es wird über Trainings-Frameworks wie Makani sowie über Hugging Face, NGC und NVIDIA NIM bereitgestellt und richtet sich an Forschung, Industrie und Behörden im Bereich Wetter- und Klimamodellierung.
Features
| Deployment-Modell | Self-hosted via Docker/NIM-Container (nvcr.io/nim/nvidia/fourcastnet), lokal auf GPU-Workstations, Rechenzentren oder Cloud; Einzel-GPU-Inferenz möglich |
| Einsatzbereich | Mittelfristige und subsaisonale Wettervorhersage sowie Klimamodellierung für Industrie, Wissenschaft und Behörden |
| Integrationen | Trainings-Framework Makani, Signalverarbeitungs-Bibliothek torch-harmonics, Deployment-Toolkit Earth2Studio, ERA5-Trainingsdaten (Copernicus/ECMWF) |
| Lizenz | Apache 2.0 License (Modellgewichte, Hugging Face); Trainingscode Makani ebenfalls Apache 2.0 |
| Plattform | NVIDIA Earth-2 Plattform; verfügbar über Hugging Face, NGC Catalog, Earth2Studio (Python) und NVIDIA NIM-Container |
| Preis | Modellgewichte kostenlos über Hugging Face/NGC verfügbar (kommerzielle & nicht-kommerzielle Nutzung); NIM-Hosting ggf. über NVIDIA AI Enterprise-Lizenz kostenpflichtig |
| Release-Datum | 16. Juli 2025 (arXiv-Preprint); NGC-Checkpoint v0.1.0 veröffentlicht 29. Juli 2025 |