WeatherNext: AIモデルがサイクロン予測において画期的な進歩を達成

Google DeepMindは、熱帯低気圧の進路、強度、および風の構造を予測する上で、最先端の精度を実現するAIモデル「WeatherNext」を発表しました。このモデルは、予報士に対して平均で1日の予測精度の向上を提供します。つまり、3日間の予測が、従来のモデルによる2日間の予測と同等の精度を持つようになります。

最先端のサイクロン予測精度

WeatherNext Cyclonesは、サイクロンの進路、強度、および風の構造を予測する上で、24時間以上のリードタイムの優位性をもたらします。Nature誌に掲載された研究によると、この改善は、過去20年間の傾向に基づくと、気象学における約10年分の進歩に相当します。

主要なパフォーマンス・ベンチマークは以下の通りです：

Position Error: WeatherNext Cyclonesは、2023年から2025年の3日間の予測において、ENSモデルと比較して大幅に低い位置誤差（約100 km）を示しています。
Intensity Error: 同期間において、このモデルはHWRFモデルよりも低い強度誤差（約11 kt）を達成しています。

技術的アーキテクチャとトレーニング

WeatherNextは、サイクロンの進路を決定する全球的な大気循環と、強度を駆動する局所的な熱力学的プロセスとの間のギャップを埋めます。これは、2つの異なるモデリング手法を必要とすることなく、単一のAIモデルとして実現されています。

トレーニングデータとモダリティ

このモデルは、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ています：

Global Weather Dynamics: 約20テラバイトの全球的な大気データ。
Historical Observations: 約5,000件の過去の嵐のデータを網羅するIBTrACSデータベース。

アンサンブル予測と不確実性

WeatherNextは、Functional Generative Networks (FGNs) を利用して、予測のアンサンブルを生成し、天候の不確実性を捉えます。システムは、1回の実行あたりの予測数を50から1,000メンバーのアンサンブルへとスケールアップしました。これにより、モデルは、2025年のHurricane Melissaで見られたような、急速な発達（rapid intensification）といった、稀ではあるが重大な「テールリスク」を捉えることが可能になります。

計算効率と解像度

WeatherNextは、TPU上で15日間の単一予測を1分未満で生成できます。特筆すべきは、このモデルが、従来のモデルよりも100倍粗い28x28kmの解像度データを使用して、高い精度を達成している点です。コンパクト版のWeatherNext 2-miniは、さらに粗い111x111kmの解像度で動作しながら、強力なパフォーマンスを維持しています。

実社会への影響とオープンソース公開

WeatherNextは、すでに運用上の有用性を実証しています。2025年のハリケーン・シーズンにおいて、それはNational Hurricane Center (NHC) がジャマイカにおけるHurricane Melissaの急速な発達と上陸を予測するのを助け、重要な事前警告を可能にしました。

グローバルな研究とレジリエンス（回復力）を強化するため、Google DeepMindは以下をオープンソースとして公開します：

WeatherNext Cyclones: ハリケーン・シーズン中に使用されたモデル。
WeatherNext 2: 10月に運用化された更新版。
WeatherNext 2-mini: 公開Colabノートブックを介して単一のTPUで実行可能なコンパクト版。

Google Earth AIとの統合

WeatherNextモデルはGoogle Earth AIの一部であり、Weather Labに統合されています。このプラットフォームでは、現在、ユーザーがサイクロンの進路とともに、風速、気温、および降水量の予測を単一のビューで可視化できるようになっています。