FourCastNet
#4 in Wissenschafts- & Bio-KICaltech · 5× · zuletzt 27. Aug. 2026
FourCastNet ist ein datengetriebenes KI-Wettermodell, das von Forschern der NVIDIA Corporation zusammen mit Anima Anandkumar (Caltech) entwickelt wurde. Es nutzt Adaptive Fourier Neural Operators (bzw. in Version 2/3 Spherical Fourier Neural Operators) zur Vorhersage globaler atmosphärischer Variablen wie Windgeschwindigkeit, Temperatur, Niederschlag und Wasserdampf auf Basis des ERA5-Datensatzes. Das Modell erreicht eine Genauigkeit, die mit physikbasierten Modellen wie dem ECMWF IFS vergleichbar ist, liefert Vorhersagen jedoch um Größenordnungen schneller. FourCastNet wird über NVIDIA als Open-Source-Code (NVlabs/GitHub), als Modell-Checkpoint auf NGC/Hugging Face sowie als hostbare NIM-Microservice (Earth-2) bereitgestellt.
Features
| Deployment-Modell | Self-hosted via NIM-Container (Cloud, Rechenzentrum, Workstation) oder NVIDIA-gehostete API auf build.nvidia.com |
| Einsatzbereich | Kurz- bis mittelfristige globale Wettervorhersage, Extremwetter-Erkennung (Zyklone, atmosphärische Flüsse), saisonale Klimamodellierung |
| Integrationen | Integrierbar über NVIDIA Earth2Studio, Earth2MIP, PhysicsNeMo-Framework sowie als ai-models-Plugin für ECMWF |
| Lizenz | FourCastNet 3 (Hugging Face) für kommerzielle/nicht-kommerzielle Nutzung freigegeben; Trainingscode Makani unter Apache License 2.0; torch-harmonics unter BSD-3-Clause |
| Plattform | NVIDIA Earth-2 Plattform, verfügbar über NGC, Hugging Face, GitHub und als NIM-Microservice auf build.nvidia.com |
| Preis | Modellgewichte/Code kostenlos (Open Source); NIM-API-Nutzung über build.nvidia.com mit kostenlosen Testkrediten, Produktivbetrieb erfordert NVIDIA AI Enterprise Lizenz |
| Release-Datum | 22. Februar 2022 (Original-Preprint); FourCastNet 3 im Juli 2025 |