Brightbandによる独立したライブ評価によれば、WeatherNext 3は現時点で最も高度で正確な全球の天気モデルです。リアルタイムの観測から直接学習し、人々に最も影響する気象現象について、タイムリーでより局所的な予測を提供できます。予報の有用性は、しばしば詳細さに左右されます。時間と空間の両方をどれだけ細かく解像するかが重要です。

解像度の向上とモデルの構成

WeatherNext 3は、従来のモデルであるWeatherNext 2が25キロメートルの格子で6時間刻みの予報を出していたのに比べ、全球の天気(global weather)を約5倍鮮明に提供します。気温や水分などの主要な地表変数(surface variables)は5キロメートル解像度、その他の地表変数は10キロメートル解像度、風速などの大気変数(atmospheric variables)は25キロメートル解像度で可視化できます。

WeatherNext 3のシステム全体(end-to-end)の構成では、モデルが1時間ごとの静止気象衛星モザイクのライブデータを従来の過去の解析データとともに取り込み、単一で柔軟なFunctional Generative Network(FGN)のメッシュトランスフォーマーに入力します。出力は、密な格子状フィールド、離散的なサイクロン進路であり、観測地点レベルの疎な座標もネイティブに予測します。

従来の課題と5キロメートル解像度による改善

近年、AIは過去の記録を用いることで、従来の手法よりも速く正確な予測を行い、気象予報を一変させました。しかし、非常に局所的で急速に変化する天気の予測は課題として残っています。従来のモデルは、空間解像度が十分でないことが多く、衛星などのリアルタイムの気象データを取り込むことにも苦労していました。天気は毎日、何十億もの意思決定に影響します。傘を持つかどうかのような単純なものから、はるかに重大なものまであります。風、雨、熱波や干ばつなどの極端な気象現象は、農業、世界のサプライチェーン、クリーンエネルギー生産、各国経済に連鎖的な影響を及ぼします。

英国上空の2メートル気温(2-meter temperature)の予報の比較では、WeatherNext 2は25キロメートル(0.25°)解像度、WeatherNext 3はネイティブの5キロメートル(0.05°)解像度です。WeatherNext 3は複雑な地域の地形を解像し、旧モデルに見られたピクセル状で過度に平滑化された熱の表現を防ぎます。

WeatherNext 3の最大の進歩は、学習に使うデータにあります。数値予報モデルは、スーパーコンピュータで動かす複雑な物理シミュレーションで、6時間のデータ遅延があります。この遅延は、雨や地表温度のように変化の速い変数にバイアスを生じさせることがあります。

WeatherNext 2を含む多くのAI気象モデルは、数値予報(NWP)モデルのデータで学習していますが、NWPモデルには6時間のデータ遅延があります。WeatherNext 3は、ライブの全球静止気象衛星データのモザイクを取り込み、大気を継続的に更新される形で捉えます。利用可能な最新の衛星観測に基づく新しい予報を、最大5キロメートル解像度で1時間ごとに生成できます。嵐、前線、降水システムが突然現れる場合、WeatherNext 3の迅速な更新サイクルと高い解像度により、効果的な対応を後押しするために必要な、より早く詳細な情報が得られます。

WeatherNext 3は疎な気象観測所の観測データで直接学習し、地形などの地域的な細部を考慮した5キロメートル格子の全球予報を可能にします。この進歩は、従来の地域モデルの莫大なスーパーコンピューティングコストのために高解像度予報が十分に提供されてこなかったラテンアメリカ、アフリカ、アジア太平洋の地域で特に重要であり、そうした地域の数十億人の人々と地元企業に局所的で高精度な予報をもたらします。

気温や湿度などの変数は、わずか数キロメートルの間で大きく変動することがあり、これは海岸、谷、山脈の近くの地域社会に特に関係します。従来のモデルは、詳細に欠け局所的な極端な変動を捉えられない大気の表現で学習するため、こうした現象が苦手です。また、全球の天気モデルは降水の正確な予測が苦手なことで知られています。雨や雪のシステムは、微小なスケールで速く動く雲のプロセスに左右され、従来の物理ベースのシミュレーションでは正確にモデル化しにくいからです。その結果、AI予報はぼやけた推定を出したり、激しい嵐の境界を完全に外したりすることが多くあります。

Google DeepMindとGoogle Researchは、Brightbandによる独立したライブ評価によれば現時点で最も高度で正確な全球の天気モデルであるWeatherNext 3を発表しました。大気には常にある程度の予測不可能性が残ります。それでも、WeatherNext 3は実世界の観測データで訓練し、従来のモデリングの制約を回避することで、予報が地上で起きていることに真に一致する未来に近づけます。

再生可能エネルギーと降水予報の精度

WeatherNext 3は、解像度と予報頻度の向上に加えて、再生可能エネルギー生産向けに設計された予測を導入しています。このモデルは、風力発電の出力を正確に見積もるため、タービンの高さにほぼ相当する高度100メートルの風速を予測し、あわせて高解像度の雲量と日射量も予測します。これらのデータは全球のクリーンエネルギー計画に不可欠で、系統運用者や再生可能エネルギー開発事業者は、クリーンエネルギー資産の発電量を正確に予測し、消費者の需要と合わせることができます。

WeatherNext 3の降水予報の精度は、大幅な飛躍を遂げました。降水予報の精度向上のため、WeatherNext 3は2つの非常に高品質な降水データで訓練されています。そのデータは、NASAの衛星ベースのIntegrated Multi-satellite Retrievals for GPM(IMERG)と、衛星レーダーに基づく独自の全球降水再解析です。中期の全球予報をベースラインと比べて評価したところ、早いリードタイムにおけるContinuous Ranked Probability Score(CRPS)の改善は、IMERGに対して最大60%、MRMSについて30%、雨量計の測定値に対して10%となりました。Google DeepMindは、WeatherNext 3の開発の主な目標は、気象に関する知見(weather intelligence)を前進させ、あらゆる人に役立つものにすることだと説明しています。緊急対応要員が急な風向きの変化を追う場合、航空管制官が飛行経路を計画する場合、農家が作物を管理する場合などが、その例です。中期の降水確率(1mm超)予報を比べた例では、25キロメートル解像度のWeatherNext 2の降水域は大きく拡散してピクセル状になっています。一方、同じ例で11キロメートル解像度のWeatherNext 3は実際の衛星観測とよく一致し、気象システムの鋭い対流性の帯を正確に捉えています。

提供先・利用方法と降水予報の改善

Googleは、WeatherNext 3を研究室から実世界へ持ち出すために、Googleの中核エコシステムとその外部にわたって統合しています。高解像度の予報データとして、全球の気象予測が毎時更新で提供されます。このデータはモデルのセットアップなしでワークフローに組み込むことが可能です。研究者や開発者、企業は、BigQueryとEarth Engineでデータをクエリでき、Google Cloud Storageから一括ダウンロードもできます。

WeatherNext 3は9月3日から、Google Search、Gemini app、Google Maps、Google Maps Platform Weather API、およびGoogle Earth Engineでの気象体験を、全球で支え始めます。1日以上先を計画する場合、人々は従来より最大50%正確な降水予報を見ることができます。この改善は、従来予報の信頼性が低かった地域で最も大きくなります。このアップデートにより、より先の期間の予報が大きく改善します。

WeatherNext 3についてさらに知る手段として、論文やWeatherNext 3で構築する方法、WeatherNext 3をリアルタイムで可視化するWeather Lab、Brightbandの独立したライブリーダーボードでの順位が案内されています。Googleの地理空間プラットフォームとAIの取り組みについて詳しく知るには、Google Earth Engine、AlphaEarth Foundations、Earth AIを参照できます。公式の天気予報、悪天候警報、および公共の安全に関する勧告については、地元の気象機関または国の気象サービスを参照することが求められています。