WeatherNext 2-কে ইঞ্জিনে ওয়্যারিং করা

আমরা শুরু করেছি যা, যথেষ্ট দূরত্বে, আমাদের এ পর্যন্ত করা সবচেয়ে বড় ফোরকাস্ট-নির্ভুলতা আপগ্রেড: Google DeepMind-এর WeatherNext 2-কে StormBot সম্ভাব্যতা কোরে ভাঁজ করা. আমরা যদি এটি পরিষ্কারভাবে অবতরণ করাই, এটি ইঞ্জিন যে প্রতিটি এজ ফ্ল্যাগ করে তার অন্তর্নিহিত গুণমান পরিবর্তন করে — এবং সেইজন্য আমরা যে প্রতিটি অর্ডার রুট করি তার প্রত্যাশিত পরিশোধও।

এই নোটের বাকি অংশে আলোচনা করা হয়েছে WeatherNext 2 আসলে কী, কোথায় এটি আমরা আজ যে NOAA GFS মডেলের উপর নির্ভর করি তার চেয়ে এগিয়ে যায়, কেন ইন্টিগ্রেশনটি শোনার চেয়ে কঠিন, এবং আমরা শিপ করার পরে অ্যাক্সেস কীভাবে অন-প্ল্যাটফর্ম ট্রেডিং ভলিউম অনুযায়ী স্তরবিন্যাস হবে।

WeatherNext 2 কী?

WeatherNext 2 হলো এখন পর্যন্ত Google DeepMind কর্তৃক প্রকাশিত সবচেয়ে উন্নত পূর্বাভাস মডেল। ২০২৫-এর শেষে উন্মোচিত এবং ইতিমধ্যেই Google Search, Gemini, Pixel Weather এবং Google Maps চালাচ্ছে, এটি বৈশ্বিক স্কেলে আবহাওয়া পূর্বাভাসের একটি প্রজন্মগত অগ্রগতি উপস্থাপন করে।

বায়ুমণ্ডল নিয়ন্ত্রণকারী পদার্থবিজ্ঞানের সমীকরণ সমাধানের পরিবর্তে — NOAA GFS, ECMWF মডেল এবং প্রতিটি প্রচলিত সিস্টেম দশক ধরে যে পদ্ধতি ব্যবহার করেছে — WeatherNext 2 দশকের ঐতিহাসিক ডেটা থেকে সরাসরি বায়ুমণ্ডলীয় আচরণ শেখে। এটি একটি একদম নতুন আর্কিটেকচারের উপর তৈরি, যাকে বলা হয় ফাংশনাল জেনারেটিভ নেটওয়ার্ক (FGN), যা সরাসরি মডেলে নিয়ন্ত্রিত নয়েজ ইনজেক্ট করে যাতে এটি যে প্রতিটি পূর্বাভাস তৈরি করে তা শারীরিকভাবে সামঞ্জস্যপূর্ণ এবং ভেরিয়েবল জুড়ে অভ্যন্তরীণভাবে সুসংগত থাকে।

কেন এটি NOAA GFS-এর চেয়ে বেশি নির্ভুল

NOAA-এর Global Forecast System একটি অসাধারণ ইঞ্জিনিয়ারিং কাজ — কিন্তু এটি ডিপ লার্নিংয়ের আগের যুগে ডিজাইন করা হয়েছিল, এবং পদার্থবিজ্ঞান-ভিত্তিক মডেলিংয়ের সীমাবদ্ধতা বছরের পর বছর স্পষ্ট। ECMWF ঐতিহাসিকভাবে GFS-কে প্রায় এক পূর্ণ দিনের পূর্বাভাস দক্ষতায় অতিক্রম করে আসছে এবং প্রায় প্রতিটি প্রধান আবহাওয়া সরবরাহকারী চুপচাপ তাদের প্রচলিত স্ট্যাকের উপরে AI বসাতে শুরু করেছে — এর পেছনে কারণ আছে।

এখানে WeatherNext 2 GFS-কে বিশেষভাবে সেই ধরনের স্বল্প-থেকে-মধ্যম মেয়াদী তাপমাত্রার পূর্বাভাসগুলোর ক্ষেত্রে অতিক্রম করে যা Polymarket আবহাওয়া চুক্তিগুলো চালায়:

• শেখা বায়ুমণ্ডলীয় প্যাটার্ন বনাম সমাধানকৃত সমীকরণ — GFS বায়ুমণ্ডলকে একটি গ্রিডে ডিসক্রিটাইজ করে এবং প্রতিটি টাইমস্টেপে Navier-Stokes সমাধান করে এটিকে আনুমানিক করে। সেই আনুমানিকতা সময়ের সাথে জমা হয়। WeatherNext 2 ERA5 পুনর্বিশ্লেষণ ডেটা থেকে বায়ুমণ্ডলের সম্পূর্ণ অরৈখিক আচরণ শিখেছে, তাই এটি একই শ্রেণির সংখ্যাগত ত্রুটি জমা করে না।
• নেটিভ সম্ভাবনাময় আউটপুট — GFS প্রতি রানে একটি পূর্বাভাস দেয়। বণ্টন পেতে আপনাকে GEFS (এনসেম্বল) দরকার, যা খরচ এবং লেটেন্সি যোগ করে। WeatherNext 2 নেটিভভাবে সম্পূর্ণ বণ্টন আউটপুট করে, তাই আমরা একটি শহর ১৪°C-এ পৌঁছানোর প্রকৃত সম্ভাবনা দেখি, শুধু একটি পয়েন্ট অনুমান নয় যা আমাদের নিজেদেরই বেইসিয়ান মোড়াতে হবে।
• উচ্চতর কার্যকর রেজোলিউশন — WeatherNext 2 ঘন্টায়-ঘন্টায় বৈশ্বিক পূর্বাভাস তৈরি করে। GFS আমাদের ট্রেডিং রেঞ্জের জন্য 3-ঘন্টার আউটপুট সহ 13km অনুভূমিক রেজোলিউশনে অপারেশনালভাবে চলে। শহর-নির্দিষ্ট দৈনিক-সর্বাধিক এবং দৈনিক-সর্বনিম্ন কন্ট্র্যাক্টের জন্য, সেই অতিরিক্ত টেম্পোরাল গ্র্যানুলারিটি একটি প্রকৃত এজ।
• টেল-এ আরও ভালো — DeepMind-এর বেঞ্চমার্ক কম-সম্ভাবনা, উচ্চ-প্রভাব ইভেন্টগুলিতে সবচেয়ে বড় লাভ দেখায়: ঠান্ডা ঝাঁকুনি, তাপ গম্বুজ, ঝড়। এগুলি ঠিক সেই মার্কেট যেখানে ভুল-মূল্যের টেল বাস করে এবং যেখান থেকে আমাদের সবচেয়ে বড় ট্রেড আসে।
• ভৌতভাবে সামঞ্জস্যপূর্ণ এনসেম্বল — FGN আর্কিটেকচার মানে এনসেম্বলের প্রতিটি দৃশ্যকল্প অভ্যন্তরীণভাবে সামঞ্জস্যপূর্ণ (একটি ঝোড়ো দৃশ্যকল্পে মিলে যাওয়া চাপ গ্রেডিয়েন্টও থাকে)। এটিই সম্ভাব্যতাগুলিকে মূল্য নির্ধারণের জন্য ব্যবহারযোগ্য করে তোলে।

Polymarket-এর আবহাওয়া বাজারের অধিকাংশ গঠনকারী ০-৩ দিনের পরিসরে, স্বাধীন মূল্যায়ন আধুনিক AI মডেলগুলিকে ECMWF-এর ফ্ল্যাগশিপ IFS-এর সমপর্যায়ে — এবং প্রায়ই তার চেয়ে এগিয়ে — রাখে, যা নিজেই GFS-এর তুলনায় উল্লেখযোগ্যভাবে এগিয়ে। মোটামুটিভাবে: ৪৮ ঘণ্টায় দৈনিক সর্বোচ্চ তাপমাত্রার RMSE-তে কয়েক দশমাংশ ডিগ্রি এবং বিরল ঘটনাগুলিতে লক্ষণীয়ভাবে আঁটসাঁট ক্যালিব্রেশন।

কেন এটি ট্রেডের ফলাফল বদলে দেয়

StormBot-এর পুরো এজ আসে একটি যান্ত্রিক ধাপ থেকে: Polymarket মার্কেট যে দামে মূল্য নির্ধারণ করছে তার চেয়ে আরও নির্ভুলভাবে একটি তাপমাত্রা বাকেটের প্রকৃত সম্ভাবনা অনুমান করা। ডাউনস্ট্রিমের সবকিছু — Claude-এর YES/NO সিদ্ধান্ত, Kelly সাইজিং, এক্সিট লজিক, ট্রেইলিং স্টপ — সবই সেই সম্ভাবনা অনুমান থেকে চালিত হয়।

আজ আমরা GFS, ECMWF, UKMO এবং NWS-কে এনসেম্বল করি, NCEI ঐতিহাসিক ক্লাইমাটোলজির সাথে বেইসিয়ান-ব্লেন্ড করি, এবং একটি সম্ভাবনায় পৌঁছাতে পূর্বাভাস-ত্রুটি বণ্টনের উপর নরমাল CDF প্রয়োগ করি। এটি কাজ করে। কিন্তু এটি মৌলিকভাবে অন্তর্নিহিত মডেলগুলির নির্ভুলতা দ্বারা সীমাবদ্ধ।

সেই সম্ভাবনা অনুমানকে WeatherNext 2 দিয়ে প্রাথমিক সিগন্যাল হিসেবে প্রতিস্থাপন করার ফলে খুবই কংক্রিট প্রভাব রয়েছে:

• আরও তীক্ষ্ণ এজ শনাক্তকরণ। পূর্বাভাস RMSE-তে আধা ডিগ্রি উন্নতি সরাসরি বর্ডারলাইন মার্কেটে 1-3% বেশি সনাক্তযোগ্য এজে অনুবাদ করে যা বর্তমানে আমাদের 2% থ্রেশহোল্ড দ্বারা ফিল্টার আউট হয়। আরও সংকেত Claude-এ পৌঁছায়।
• উন্নত ক্যালিব্রেশন। যখন আমরা বলি "YES-এর ৭৮% সম্ভাবনা", বড় নমুনায় এটি প্রকৃতপক্ষে ৭৮%-এ মীমাংসা হতে হবে। WeatherNext 2-এর নেটিভ সম্ভাবনাময় আউটপুট নির্ধারক মডেল থেকে আমরা যা সংশ্লেষ করতে পারি তার চেয়ে উল্লেখযোগ্যভাবে ভাল-ক্যালিব্রেটেড।
• কম বিপর্যয়কর টেল ট্রেড। বিরল ঘটনাগুলিতে মডেলের শক্তিশালী পারফরম্যান্সের অর্থ হলো আমরা ফ্যাট টেইলের ভুল মূল্য কম দিই — যা ঐতিহাসিকভাবে আমাদের অপ্রত্যাশিত ক্ষতির সবচেয়ে বড় বিভাগ।
• মডেল টার্নঅ্যারাউন্ড দ্রুত। আমাদের বর্তমান পূর্বাভাস-ফেচ চক্র রেট-সীমিত বিনামূল্যের আবহাওয়া API-এর লেটেন্সি দ্বারা সীমাবদ্ধ। Google Cloud-এর Vertex AI-এর মাধ্যমে WeatherNext 2 চালানোর অর্থ আমরা আমাদের নিজস্ব সময়সূচিতে পূর্বাভাস রিফ্রেশ করতে পারব, তাদের নয়।

এটি কেন কঠিন সমস্যা

আমরা স্পষ্ট করে বলতে চাই: এটি v2-এর অবকাঠামো মাইগ্রেশনের পর থেকে আমাদের গ্রহণ করা সবচেয়ে কঠিন ইঞ্জিনিয়ারিং কাজ। "নতুন একটি মডেল প্লাগ-ইন করা" শোনার মতো কখনোই সহজ নয়, এবং WeatherNext 2-তে বিশেষভাবে অনেকগুলি ধারালো প্রান্ত রয়েছে।

প্রত্যাশিত নির্ভুলতা উন্নতি

DeepMind-এর প্রকাশিত বেঞ্চমার্ক এবং আমাদের এজ ক্যালকুলেটরের মধ্য দিয়ে পূর্বাভাস ত্রুটি কীভাবে প্রবাহিত হয় তার নিজস্ব অভ্যন্তরীণ মডেলিংয়ের উপর ভিত্তি করে, ইন্টিগ্রেশন আসার পর StormBot-এর পারফরম্যান্স কোথায় যাবে বলে আমরা আশা করি তা এখানে:

অ্যাক্সেস: অনুগত ইউজারদের জন্য ভলিউম-গেটেড

এখানে অর্থনীতি সম্পর্কে আমাদের সৎ থাকা দরকার। Vertex AI-এর মাধ্যমে WeatherNext 2 ইনফারেন্স বিনামূল্যে নয়, এবং অবকাঠামোগত কাজ উল্লেখযোগ্য ইঞ্জিনিয়ারিং বিনিয়োগের প্রতিনিধিত্ব করে। আমরা প্রথম দিনেই এটি সবাইকে দিতে পারি না — এবং সত্যি বলতে, আমরা চাইও না। যে ব্যবহারকারীরা আজকের StormBot-কে বাস্তবে যা গড়ে তুলেছে তাদেরই প্রথমে এটি পাওয়া উচিত।

WeatherNext 2 চালু হলে অ্যাক্সেস হবে প্ল্যাটফর্মে ট্রেডিং ভলিউম দ্বারা সীমিত. আপনার সঞ্চিত ট্রেডিং ভলিউম — StormBot-এর মাধ্যমে Polymarket মার্কেটে আপনি যে প্রতিটি ডলার pUSD নিয়োগ করেছেন — সেই মুদ্রা হয়ে ওঠে যা আপগ্রেড করা ইঞ্জিন আনলক করে। আপনি যত বেশি ট্রেড করেছেন, তত তাড়াতাড়ি এবং গভীরে আপনার অ্যাক্সেস।

ন্যায্যতা সম্পর্কে একটি দ্রুত নোট: ভলিউম টায়ার আপনার ওয়ালেটের আকার নয়, আপনার অন-প্ল্যাটফর্ম ট্রেডিং কার্যকলাপ থেকে গণনা করা হয়। একটি ছোট ব্যাংকরোল চালানো কিন্তু বটকে ধারাবাহিকভাবে ট্রেড করতে দেওয়া একজন ব্যবহারকারী একটি বড় ব্যালেন্স জমা করে নিষ্ক্রিয় রেখে দেওয়া কারো চেয়ে দ্রুত টায়ার উঠবে। এটি ইচ্ছাকৃত — আমরা সেইসব মানুষকে পুরস্কৃত করতে চাই যারা প্রকৃতপক্ষে StormBot-কে এর ডিজাইন অনুযায়ী ব্যবহার করছেন।

সময়সূচি

সঠিক তারিখের কোনও প্রতিশ্রুতি নেই — এটি গুরুতর প্রকৌশল, এবং আমরা এটি প্রোডাকশনে তাড়াহুড়ো করে নিতে যাচ্ছি না। কিন্তু এখানে সৎ রোডম্যাপ:

• এখন: Google Cloud অ্যাকাউন্ট প্রভিশন করা হয়েছে, Vertex AI প্রাথমিক অ্যাক্সেস অনুরোধ করা হয়েছে, ঐতিহাসিক ডেটার বিরুদ্ধে শ্যাডো-মোড প্রোটোটাইপ তৈরি করা হচ্ছে।
• আগামী কয়েক সপ্তাহ: প্রবাবিলিস্টিক এনসেম্বল গ্রহণের জন্য edge ইঞ্জিনের রিফ্যাক্টর। বর্তমান ইঞ্জিনের পাশাপাশি সমান্তরাল লগিং।
• পরবর্তী সপ্তাহগুলি: প্রোডাকশনে শ্যাডো রান — প্রতিটি মার্কেটের জন্য WeatherNext 2 ভবিষ্যদ্বাণী লগ করা, প্রকৃত রেজোলিউশনের সাথে তুলনা করা, এবং এখানে প্রকাশিত ক্যালিব্রেশন রিপোর্ট সহ।
• বেঞ্চমার্ক উত্তীর্ণ হলে: Tier 1 ব্যবহারকারীদের জন্য ক্লোজড আলফা। ইঞ্জিনিয়ারিং টিমের সাথে ফিডব্যাক লুপ। চূড়ান্ত টিউনিং।
• আলফার পরে: Tier 2-এর মাধ্যমে এবং তারপর Tier 3-এ পর্যায়ভিত্তিক রোলআউট।