AI気象予測の新たな境地—WeatherNext 3の画期的な進化
AIによる気象予測モデルは、過去3年間で物理ベースの数値気象予報（NWP）との差を縮めてきましたが、局地的な地形に対する解像度の不足と、NWP解析に依存する約6時間遅れの初期化という2つの大きな問題が残っていました（出典）。
今回Google DeepMindとGoogle Researchが発表した「WeatherNext 3」は、これらの課題に正面から挑んでいます。
WeatherNext 3は、生きた全球静止衛星モザイクを直接モデル入力として取り込み、毎時再初期化を行い、約5km（0.05°）までの予測を出力します。
これはかなり衝撃的なニュースです。特に、これまでのAIモデルがNWPの再解析データから学習していたのに対し、WeatherNext 3は生データである気象観測所の測定値を直接トレーニングに活用している点が画期的だと感じます。これにより、海岸線や谷、山岳地帯といった局地的なバリエーションがNWP再解析で平滑化されてしまう問題を克服し、より現実に即した予測が可能になるのではないでしょうか。
独立評価機関であるBrightbandによるライブ評価では、WeatherNext 3はこれまでのグローバル気象モデルの中で最も正確であると評価されています（出典）。
アーキテクチャと解像度・更新頻度の飛躍
WeatherNext 3は、WeatherNext 2で導入された確率的モデルファミリーである「Functional Generative Network (FGN) メッシュトランスフォーマー」をベースに、多解像度出力に対応するようスケールアップされています（出典）。
入力には、ライブ静止衛星モザイクとECMWF HRES解析が用いられ、トレーニングにはERA5/HRES-fc0、NASAのIMERG、観測所データ、衛星モザイクが活用されています。
解像度と更新頻度の比較
WeatherNext 3は、単一のフォワードパスで3つの異なる解像度階層の予測を出力します。これは以前のモデルと比較して、大幅な改善です。
| 項目 | WeatherNext 2 | WeatherNext 3 |
|---|---|---|
| 最低解像度 | 0.25° (~25 km) | 0.05° (~5 km) |
| 初期化頻度 | 6時間ごと | 毎時（一部15日間予測は6時間ごと） |
| 詳細 | 気象フィールド | 2m気温・露点、10m/100m地表風、気圧、海面水温、雲層、太陽放射、1時間降水量、13気圧レベルの気象フィールド |
特に、0.05°（約5km）解像度で提供される2m気温と露点のデータは、気象観測所のデータに直接キャリブレーションされているため、局地的な微気象現象を捉える能力が格段に向上していると感じます。また、モデルの初期化が1日24回、つまり毎時行われる点も重要です。これにより、急速に発達する対流性降水などの予測において、従来の6時間サイクルに比べてはるかに迅速かつ正確な情報を提供できる可能性があります（出典）。
降水予測とクリーンエネルギーへの影響
降水予測は、グローバルモデルが歴史的に苦手としてきた分野であり、ストームの境界を見逃すような曖昧なフィールドを生成しがちでした。WeatherNext 3は、ECMWF再解析、NASAのIMERG衛星データ、そしてGoogle独自の衛星レーダー降水再解析という3つの降水データ源を組み合わせてトレーニングすることで、この課題に取り組んでいます。
Googleの報告によると、初期のリードタイムにおいて、IMERGに対して最大60%、MRMSに対して30%、雨量計に対して10%のCRPS改善が見られ、NWPベースラインと比較してBrierスコアとCRPSが最大50%削減されたとされています（出典）。これは、私の個人プロダクトでも高精度な降水予測が必要な場面が多いため、非常に興味深いです。
クリーンエネルギー分野において、風力発電の出力予測や太陽光発電の出力変動予測は、天候に大きく左右されます。WeatherNext 3のような高解像度で頻繁に更新されるモデルは、これらの予測精度を向上させ、再生可能エネルギーの安定供給に大きく貢献する可能性を秘めていると感じます。特に、風速（10mおよび100m）や太陽放射の予測が強化されている点は、エネルギー分野のエンジニアにとって朗報ではないでしょうか。
開発者向け提供と今後の展望
WeatherNext 3の予測データは現在、BigQuery、Earth Engine、Cloud Storageを通じて利用可能です。ただし、利用には許可リストへのリクエストが必要となります（出典）。モデルの重み自体はオープンソース化されておらず、オンデマンドのカスタム推論にはまだWeatherNext 2が利用されているとのことです。
個人的には、Pythonバインディングなどが提供され、Google Cloudのサービスから手軽にAPI経由で利用できるようになると、自分のスクリプトや個人プロダクトに組み込むハードルが下がり、さらに活用が進むと感じます。
TechCrunchの記事によると、このモデルは将来的にGoogle検索、Googleマップ、そしてGeminiといったGoogleの様々な製品に統合され、ユーザーが目にする気象情報の基盤となる予定です（出典）。これは、高精度な気象情報がより身近になることを意味しており、日常生活やビジネスにおける意思決定にも良い影響をもたらすのではないでしょうか。Google Cloudを主軸に利用している私にとって、BigQueryやCloud Storageでデータが利用できるのは朗報です。
