3 min de lecturaDatos e IA

MITRE Weather 1K: el conjunto de datos de 1 km para entrenamiento de IA y el papel de AceCAST

En abril de 2026, MITRE y The Weather Company anunciaron Weather 1K, un conjunto de datos de 1 km para entrenamiento de IA. El anuncio nombra a AceCAST entre las herramientas de modelado utilizadas para desarrollarlo.

Ilustración: Norteamérica de noche vista desde la órbita, con las luces de las ciudades y sistemas nubosos trazados por líneas luminosas de flujo de aire.

Publicado por primera vez el 7 de mayo de 2026 · Actualizado el 16 de noviembre de 2026

Los equipos que entrenan modelos meteorológicos de IA se topan pronto con el mismo muro: un modelo solo puede aprender el detalle que hay en sus datos de entrenamiento. Muchos archivos públicos tienen una malla más gruesa que una sola tormenta y se guardan una vez por hora. El 23 de abril de 2026, MITRE y The Weather Company anunciaron una colaboración construida en torno a un conjunto de datos creado para cerrar esa brecha, llamado Weather 1K. El anuncio nombra a AceCAST, de TempoQuest, entre las herramientas de modelado utilizadas para desarrollarlo. Este artículo expone qué se anunció, dónde encaja AceCAST y qué hacer si su equipo necesita sus propios datos de entrenamiento de alta resolución.

Qué anunciaron MITRE y The Weather Company

Las dos organizaciones anunciaron la colaboración el 23 de abril de 2026. Weather 1K es un conjunto de datos de alta resolución para entrenamiento de IA. The Weather Company obtuvo una licencia para usarlo en la investigación y el desarrollo de su sistema de pronóstico GRAF.

El anuncio describe el conjunto de datos con cuatro cifras:

  • Resolución: resolución espacial de 1 km.
  • Cobertura: el territorio continental de Estados Unidos, desde el nivel del mar hasta 62 000 ft.
  • Cadencia: incrementos de 10 minutos.
  • Tamaño: aproximadamente 7 PB.

Las cifras se explican unas a otras. Una malla de 1 km sobre el territorio continental de Estados Unidos tiene millones de columnas. Cada columna es una pila de niveles que llega hasta 62 000 ft, muy por encima de las alturas a las que vuelan en crucero los aviones de línea. Cada 10 minutos se vuelve a guardar la pila entera. Así es como un conjunto de datos meteorológicos llega a los petabytes.

Dónde encaja AceCAST

El anuncio nombra a AceCAST, de TempoQuest, entre las herramientas de modelado utilizadas para desarrollar Weather 1K. Weather 1K es el conjunto de datos de MITRE, y el anuncio no detalla cómo se usó cada herramienta.

AceCAST ejecuta WRF, el modelo Weather Research and Forecasting que mantiene el NCAR, en GPU de NVIDIA. Conserva el flujo de trabajo de WRF, con entradas, namelists y salidas compatibles con WRF, y se ejecuta en sistemas Linux con GPU de NVIDIA, en instalaciones propias o en la nube. Los detalles están en la documentación de AceCAST.

Un modelo basado en la física, como WRF, resuelve las ecuaciones de la atmósfera sobre una malla. Su salida es completa: todas las variables, en todos los puntos de la malla, en todos los instantes guardados. Esa completitud es lo que hace que la salida de un modelo sirva como datos de entrenamiento en lugares y a alturas donde las observaciones escasean.

TempoQuest publicó su propio comunicado de prensa sobre el anuncio el 6 de mayo de 2026.

Por qué los modelos meteorológicos de IA necesitan datos así

Un modelo meteorológico de IA aprende los patrones de su conjunto de entrenamiento y nada más. Tres propiedades de ese conjunto determinan lo que puede hacer el modelo entrenado.

  • Espaciado de malla. Si los campos de entrenamiento tienen una malla demasiado gruesa para contener una tormenta, el modelo nunca ha visto una en detalle y no puede dibujarla.
  • Cadencia. Las tormentas crecen y se disipan en decenas de minutos. Las instantáneas horarias se pierden la mayor parte de ese ciclo de vida. Los campos guardados cada 10 minutos lo captan.
  • Coherencia. En la salida de un modelo físico, el viento, la temperatura, la humedad y la presión obedecen a las mismas relaciones físicas en todas partes. El modelo de IA aprende esas relaciones a partir de los datos.

Una advertencia vale para todo conjunto de datos de este tipo. La salida de un modelo no es una observación. Un conjunto de datos hereda los sesgos del modelo y de la configuración que lo generaron, así que un equipo cuidadoso lo evalúa frente a estaciones, radar u otras mediciones antes de entrenar con él.

Si su equipo necesita un conjunto de datos propio

TempoQuest no revende Weather 1K. Lo que TempoQuest ofrece es otra cosa: Datos meteorológicos a medida, con un alcance definido para cada cliente.

En un proyecto a medida, TempoQuest define el alcance, genera, empaqueta y entrega salidas de modelo de alta resolución específicas para el proyecto y conjuntos de datos derivados para el entrenamiento de IA, el análisis de riesgos, la planificación y las operaciones. El alcance abarca:

  • región y variables
  • resolución (las solicitudes típicas rondan 1 km o 3 km)
  • cadencia (de 15 minutos, de 30 minutos, horaria o diaria)
  • histórico y horizonte de pronóstico, incluidos conjuntos de datos históricos
  • formato y entrega (NetCDF, GRIB, Zarr, CSV, JSON o una API)

El precio depende del trabajo: tamaño del dominio, cómputo, histórico, cadencia, validación e integración.

Antes de pedir un presupuesto, resuelva cuatro preguntas. Fijan la mayor parte del alcance y la mayor parte del costo.

  1. ¿Qué decisión o qué modelo alimentarán los datos, y sobre qué área?
  2. ¿Con qué finura y con qué frecuencia necesita los datos? Tanto las mallas más finas como los intervalos más cortos multiplican el cómputo y el almacenamiento.
  3. ¿Cuántos años de histórico necesita para captar un número suficiente de los fenómenos poco frecuentes que le interesan?
  4. ¿Frente a qué observaciones va a evaluar los datos?

Un equipo que llega con esas respuestas obtiene un alcance, y un precio, mucho antes. Si ya ejecuta WRF y quiere generar los datos por su cuenta, AceCAST lo ejecuta en GPU de NVIDIA, y una prueba es la forma de comprobarlo en su propio dominio.

Qué hacer ahora

Defina su conjunto de datos o vea los datos meteorológicos a medida.

Su conjunto de datos de entrenamiento

Traiga sus requisitos de datos.

Indique la región, el archivo histórico, los campos y los derechos que necesita su modelo. Revisamos todas las solicitudes.