DeepMindのWeatherNextモデル、サイクロン予測で画期的な成果を達成
DeepMind's WeatherNext model achieves breakthrough forecasting cyclones (deepmind.google)
要約
DeepMindは、サイクロン(熱帯低気圧)の予測において画期的な進歩を遂げる新しいAIモデル「WeatherNext」を発表しました。このモデルは、従来の予測手法と比較して、ハリケーンの進路や強度をより正確かつ迅速に予測する能力を示しています。これにより、災害対策や早期警報システムの強化に貢献することが期待されます。
全文翻訳
WeatherNext: AIモデルがサイクロン予測で画期的な進歩を達成
2026年8月6日 科学
WeatherNextチーム
WeatherNextは、サイクロンの正確な予測を可能にし、警告のための追加の1日を提供します。この度、モデルをオープンソース化しました。
危険なサイクロンがどのように発達するかを予測することは、一刻を争う長年の課題です。熱帯低気圧(ハリケーンや台風とも呼ばれる)は、地球上で最も破壊的な気象現象の一つであり、過去50年間で世界中で70万人以上の死者と1.4兆ドルの経済的損失をもたらしました。予報官にとって、タイムリーで正確な警告を発することは、時間との絶え間ない戦いです。
本日、Natureに掲載された論文で、私たちのWeatherNext AIモデルが、サイクロンの進路、強度、風の構造の予測において最先端の精度を達成したことを示します。平均して、私たちのモデルは予報官に1日分の予測精度を追加で提供します。3日間の予測は、以前のモデルが2日間しか提供できなかった精度と同等です。この規模の改善は、気象学における約10年分の進歩に相当します。
この共同作業には、Google DeepMindとGoogle ResearchのAI研究者およびエンジニアが、国立ハリケーンセンター(NHC)、大気研究協力研究所(CIRA)、英国気象庁、および世界中の気象機関の専門予報官が参加しました。
私たちの研究はすでに実世界に影響を与えています。2025年のハリケーンシーズン中、私たちのモデルはNHCがハリケーン・メリッサの歴史的な上陸予測を行うのを支援し、嵐の急速な強大化とジャマイカへの上陸を予測しました。これによりNHCは早期警告を発することができ、現地チームは準備のための重要な時間を確保できました。今年、私たちは引き続き協力し、現在ではサイクロンごとに1,000の可能なシナリオを予測して、予報官の意思決定を支援しています。
天気はすべての人に影響を与えます。この広範な影響を考慮し、私たちはハリケーンシーズン中に使用されたWeatherNext 2およびWeatherNext Cyclonesモデルをオープンソース化しました。この技術をオープンに利用可能にすることで、研究コミュニティを支援し、よりレジリエントなコミュニティを構築するためのAIの影響を増幅できることを願っています。例えば、地方の予報官に自然災害に備えるためのツールを提供したり、再生可能エネルギーの成長を支援したり、異常気象を予測したりすることです。
WeatherNextはどのように天気とサイクロンを予測するか
ハリケーン・ミルトン(2024年10月)のグローバルな大気条件から開始し、WeatherNext Cyclonesは最大15日先までのグローバルな気象パターンと詳細なサイクロンの進路を反復的に予測します。1,000メンバーのアンサンブルを実行することで、熱帯低気圧からハリケーン級の風の局所的な確率マップが生成されます。
サイクロンの予測は、通常、2つの異なるモデリング技術を必要とするトレードオフを強いてきました。サイクロンの進路(どこへ向かうか)は、巨大なグローバルな大気循環によって誘導されますが、これまではより粗いグローバルモデルで最もよくモデル化されてきました。しかし、サイクロンの強度(どれだけ強くなるか)は、その中心付近の非常に局所的で詳細な熱力学的物理プロセスによって駆動され、これは専門的な、より高解像度のローカルモデルで最もよくモデル化されます。
私たちのWeatherNextモデルは、グローバルな気象全体とサイクロンの両方の予測を改善することで、このギャップを埋めます。これは、熱帯低気圧の進路、強度、風の構造を最先端の精度で予測する単一のAIモデルです。このブレークスルーは、そのトレーニング、アーキテクチャ、および低解像度入力へのアプローチのユニークな組み合わせによって達成されます。
[画像: 5日間の期間における進路、強度、風の範囲の予測誤差を比較する3本の折れ線グラフ。すべての3つの指標において、WeatherNext Cyclonesモデル(最も下の青い線で表される)は、他のモデルよりも約1日分の予測精度の優位性を強調する水平方向の矢印とともに、一貫して最も低い誤差率を維持しています。]
私たちは、WeatherNext Cyclonesを2023年から2024年の歴史的なサイクロンで評価し、他のトップ気象モデルと比較して決定論的および確率論的なパフォーマンスをベンチマークしました。平均して、WeatherNext Cyclonesは、サイクロンの進路、強度、および風の構造の予測において、1日(24時間)以上のリードタイムの優位性を獲得します。
このモデルは、グローバルな気象力学と専門家がキュレーションした歴史的なサイクロン観測という、2つの異なるデータモダリティで共同トレーニングされました。約20テラバイトのグローバル大気データと、約5,000の歴史的な嵐にまたがるIBTrACSデータベースでエンドツーエンドでトレーニングすることにより、モデルは複雑な大気パターンと異常気象のモデル化方法を学習します。
[画像: 3日間のサイクロン予測誤差の年次比較を示す2つのグラフ。グラフAは、2023年から2025年まで、WeatherNext Cyclones(青)がENS(黄色)よりも大幅に低い位置誤差(約100 km)を達成していることを示しています。グラフBは、同じ期間において、WeatherNext CyclonesがHWRF(赤)よりも低い強度誤差(約11 kt)を達成していることを示しています。]
サイクロン予測の精度は、過去数十年間で着実に進歩してきました。このプロットは、長年にわたるECMWF-ENSの進路予測(a)とHWRFの強度予測(b)の3日間の精度を示しており、WeatherNext Cyclonesが両方の進路と強度の精度に段階的な改善をもたらしている様子を示しています。この改善は、過去20年間のトレンドによると、10年分の進歩に相当します。
私たちのモデルは、Functional Generative Networks (FGNs)を使用して、さまざまな予測のアンサンブルを効率的に生成し、天気の固有の不確実性を捉えます。現在、TPU上で1分未満で単一の15日間の予測を生成でき、予報官は壊滅的なテールリスクの確率分布を迅速に評価できます。昨年、私たちのシステムは一度に50の予測を生成し、グローバルな物理モデルに匹敵しました。今年はアンサンブルサイズを1,000メンバーにスケールアップし、2025年のハリケーン・メリッサで発生したような、まれではあるが影響の大きいシナリオ(急速な強大化イベントなど)を捉えています。
これまで、非常に高い空間解像度での運用が、正確な強度予測の主な推進力と考えられてきました。しかし、WeatherNext Cyclonesは、従来のモデルの100倍粗い28x28kmの解像度のデータしか必要としません。より粗い111x111kmの解像度で動作するモデルの小型版であるWeatherNext 2-miniも、優れたパフォーマンスを示しています。これは科学者を驚かせており、私たちのモデルがこの解像度でどのようにしてそのような正確な予測を生成するのかを完全に理解することは、未解決の研究課題のままです。研究コミュニティと協力して、その答えを見つけたいと考えています。
WeatherNextを研究コミュニティに公開する
Nature論文と並行して、コードとモデルの重みをオープンソース化し、誰でも自由に構築できるようにしました。これには、学術研究、運用予測、またはより専門的でローカライズされたモデルの開発が含まれます。グローバルな気象コミュニティ全体の進歩を加速し、気象機関、研究者、非営利団体があらゆる種類の気象イベントをより良く予測し、人命とインフラストラクチャを保護するための重要な決定を下せるようにすることを願っています。
また、類似のモデルを2セットリリースしています。WeatherNext Cyclonesは、ハリケーンシーズン中に実行されたもので(結果は論文で見られます)、WeatherNext 2は、10月に運用化された後のアップデートです。さらに、無料の公開Colabノートブックで単一のTPUで実行できるコンパクトなバージョンであるWeatherNext 2-miniもリリースしています。
最近、新しいインターフェースで刷新され、サイクロンの進路に加えてグローバルな気象予測も含まれるように拡張されたWeather Labで、最新のサイクロン予測を探索できます。Weather Labでは、温度、降水量、風速などのWeatherNext予測をすべて単一のビューで視覚化できます。Weather LabとWeatherNextモデルは、Google Earth AIの一部です。
天気予報のためのAIのフロンティアを押し広げる
サイクロンの予測において1日以上のリードタイムを獲得するという歴史的なブレークスルーを達成し、気象学における10年分の進歩に相当する進歩をもたらしました。今後の嵐のシーズンに向けて、研究者、気象機関、専門家の皆様に、私たちと協力し、オープンソースモデルを基盤とし、Weather Labで私たちの予測を探索していただくことを奨励します。高度な機械学習と人間の予報官の不可欠な実世界の専門知識を組み合わせることで、人命を救い、コミュニティが変化する気候に適応するのを支援できる、協調的な天気予報エコシステムを作成することを目指しています。
注: 公式の天気予報や警報については、お住まいの地域の気象機関または国の気象サービスを参照してください。
謝辞
この研究は、Google DeepMindおよびGoogle Researchチームによって共同開発されました。
論文への協力と貢献に感謝し、NOAA/NWS/NCEP国立ハリケーンセンター、大気研究協力研究所(CIRA)、および英国気象庁の協力者に感謝いたします。
この研究は、論文の共著者であるFerran Alet、Tom Andersson、Ilan Price、Stratis Markou、Andrew El-Kadi、Dominic Masters、Amy Li、Samier Merchant、Natalie Williams、Gregory Thornton、Ken MacKay、Olivia Graham、Akib Uddin、Ben Gaiarin、Devaja Shah、Elinor Kruse、Wallace Hogsett、David Zelinsky、John Cangialosi、Jonathan Martinez、James Franklin、Mark DeMaria、Kate Musgrave、Caroline L. Bain、Helen Titley、Jacklynn Stott、Remi Lam、Aaron Bell、Paul Komarek、Matthew Willson、Alvaro Sanchez-Gonzalez、Peter Battagliaの貢献を反映しています。