گوگل مدل هوش مصنوعی جدیدی به نام NeuralGCM برای پیش‌بینی آب‌وهوا و اقلیم معرفی کرده است که ترکیبی از یادگیری ماشین و شبیه‌سازهای فیزیکی سنتی را به کار می‌برد تا پیش‌بینی‌های دقیقی ارائه دهد. این مدل در مقاله‌ای که در مجله Nature منتشر شده، توضیح داده شده است و می‌تواند پیش‌بینی‌های کوتاه‌مدت و بلندمدت دقیقی انجام دهد. NeuralGCM با استفاده از مدل‌های چرخشی عمومی (GCMs)، که شبیه‌سازهای فیزیکی برای پیش‌بینی آب‌وهوا و اقلیم هستند، آموزش داده شده است. این رویکرد ترکیبی دقت و پایداری پیش‌بینی‌ها را برای هر دو نوع پیش‌بینی کوتاه‌مدت و بلندمدت افزایش می‌دهد. این مدل همچنین هزینه‌های اجرایی کاهش‌یافته‌ای را برای پیش‌بینی‌کنندگان آب‌وهوا ارائه می‌دهد زیرا شبیه‌سازی‌ها را در عرض چند ساعت با استفاده از واحدهای پردازش تنسور (TPUs) سفارشی گوگل پردازش می‌کند. 

محققان گوگل نشان داده‌اند که NeuralGCM می‌تواند شرایط آب‌وهوا را برای 70,000 روز در عرض 24 ساعت با استفاده از یک TPU شبیه‌سازی کند، در حالی که 19 روز شبیه‌سازی با استفاده از 13,824 هسته CPU انجام می‌شود. این کارایی محاسباتی می‌تواند برای وظایف بزرگی مانند پیش‌بینی‌های انبوه استفاده شود. این مدل شامل یک هسته دینامیکی قابل تفکیک برای حل معادلات دینامیکی بزرگ مقیاس جو و یک ماژول فیزیکی یادگیرنده مبتنی بر شبکه عصبی است که فرآیندهای مرتبط با تشکیل ابر و بارش را مدیریت می‌کند.

 محققان گوگل مدعی شده‌اند که NeuralGCM می‌تواند پیش‌بینی‌هایی در سطح سیستم‌های مورد استفاده توسط مرکز اروپایی پیش‌بینی آب‌وهوای میان‌مدت ارائه دهد. گوگل کد این مدل را به صورت منبع باز در GitHub با مجوز آپاچی منتشر کرده است تا افراد بتوانند از آن برای ایجاد نرم‌افزارهای اختصاصی خود استفاده کنند. با این کار، گوگل امیدوار است نوآوری و همکاری بیشتری در جامعه علمی هواشناسی و علوم اقلیمی ایجاد شود. تیم توسعه‌دهنده اذعان کرده‌اند که اصلاح و بهینه‌سازی مدل‌های مرتبط چالش‌برانگیز است و برنامه‌هایی برای بازسازی کد مدل به منظور بهبود قابلیت استفاده دارند.