はじめに
Google DeepMindとGoogle Researchが2025年11月17日、最新の天気予報AIモデル「WeatherNext 2」を発表しました。従来モデルの8倍高速で、最大1時間単位の高解像度予報を実現し、既にGoogle検索やGemini、Google Mapsなどで導入されています。本稿では、この発表内容をもとに、WeatherNext 2の技術的特徴と実用化の状況について解説します。
参考記事
メイン記事:
- タイトル: WeatherNext 2: Our most advanced weather forecasting model
- 著者: The WeatherNext team
- 発行元: Google DeepMind Blog
- 発行日: 2025年11月17日
- URL: https://blog.google/technology/google-deepmind/weathernext-2/
関連情報:
- タイトル: WeatherNext Models Overview
- 発行元: Google Developers
- URL: https://developers.google.com/weathernext/guides/models
・本稿中の画像に関しては特に明示がない場合、引用元記事より引用しております。
・記載されている情報は、投稿日までに確認された内容となります。正確な情報に関しては、各種公式HPを参照するようお願い致します。
・内容に関してはあくまで執筆者の認識であり、誤っている場合があります。引用元記事を確認するようお願い致します。
要点
- WeatherNext 2は、従来のWeatherNext Genと比較して8倍高速で、1時間単位までの高解像度予報が可能な天気予報AIモデルである
- 1つの初期状態から数百の可能な気象シナリオを予測でき、各予測は単一のTPUで1分未満で完了する
- 99.9%の変数(気温、風速、湿度など)とリードタイム(0-15日)でWeatherNext Genを上回る性能を記録した
- Functional Generative Network(FGN)という新しいAI手法を採用し、物理的に現実的な予報を生成する
- Earth Engine、BigQuery、Vertex AIで利用可能であり、Google検索、Gemini、Pixel Weather、Google Maps Platformなどで既に実装されている
詳細解説
WeatherNext 2の技術的進化
Google DeepMindによれば、WeatherNext 2は従来のWeatherNext Genモデルと比較して、処理速度が8倍向上し、最大1時間単位までの高解像度予報を実現しました。この性能向上により、単一のTPU(Tensor Processing Unit)で1分未満に数百の気象シナリオを生成できます。従来の物理ベースモデルでは、スーパーコンピューターを使用しても同様の予測に数時間を要していたことを考えると、大幅な効率化と言えます。
このモデルは、気温、風速、湿度といった複数の気象変数と0日から15日までのリードタイムにおいて、99.9%の項目でWeatherNext Genを上回る精度を達成しています。この高い予測精度は、より正確で実用的な天気予報を可能にするものと考えられます。
数百のシナリオを予測する新技術
WeatherNext 2の特徴的な機能は、1つの初期状態から数百の可能な気象シナリオを生成できる点です。この機能は、最悪のシナリオを含む幅広い可能性を捉えることを目指しており、防災計画や意思決定において重要と考えられます。
この能力を実現しているのが、Functional Generative Network(FGN)という新しいAIモデリング手法です。FGNは、モデルアーキテクチャに直接「ノイズ」を注入することで、生成される予報が物理的に現実的で相互に関連性を保つように設計されています。機械学習における「ノイズ注入」は、モデルの多様性と頑健性を高めるための一般的な技術ですが、WeatherNext 2ではこれを気象予報の文脈で応用していると言えます。
「マージナル」と「ジョイント」の予測
Google DeepMindの説明では、WeatherNext 2は気象学者が「マージナル(marginals)」と「ジョイント(joints)」と呼ぶ概念を効果的に予測できます。マージナルとは、特定地点の気温や風速といった個別の気象要素を指します。一方、ジョイントとは、これらの個別要素が組み合わさった大規模で複雑な相互接続システムを指します。
このアプローチの特徴は、モデルが個別の気象要素(マージナル)のみで訓練されているにもかかわらず、その訓練から複雑な相互接続システム(ジョイント)を予測する能力を獲得している点です。例えば、高温の影響を受ける地域全体の特定や、風力発電施設全体での予想発電量の算出といった応用が可能になります。このような「ジョイント予測」は、実用的な気象予報において必要不可欠な能力と考えられます。
実用化と利用可能な環境
WeatherNext 2の予報データは、既に複数のプラットフォームで利用可能になっています。Google DeepMindの発表によれば、Earth EngineとBigQueryでデータセットが公開されており、Google CloudのVertex AIプラットフォームでは、カスタムモデル推論のための早期アクセスプログラムが開始されています。
さらに、WeatherNext 2の技術は既に一般ユーザー向けサービスにも統合されています。Google検索、Gemini、Pixel Weather、Google Maps PlatformのWeather APIで天気予報機能がアップグレードされており、今後数週間でGoogle Mapsでも気象情報の提供に活用される予定です。研究段階の技術が短期間で実用サービスに統合されている点は、Google DeepMindの開発スピードを示していると思います。
WeatherNextモデルファミリーの全体像
技術文書によれば、WeatherNextは2つの世代で構成されています。WeatherNext 1には、Graph Neural Network(GNN)ベースのWeatherNext GraphとCondditional DiffusionモデルベースのWeatherNext Genが含まれます。これらのモデルは、欧州中期予報センター(ECMWF)のHRESおよびENSモデルよりも高い精度を示したとされています。
最新のWeatherNext 2は、これらの先行モデルを大幅に改善しています。空間解像度は0.25度(赤道付近で約30km)、時間解像度は6時間(Vertex AIでは実験的に1時間単位も利用可能)、予報期間は15日間です。訓練データにはERA5およびHRES-fc0が使用されており、64メンバーのアンサンブル予報を生成できます。アンサンブル予報とは、複数の予測を組み合わせて不確実性を評価する手法であり、信頼性の高い予報に不可欠な技術です。
モデルが予測できる変数には、大気変数(ジオポテンシャル、比湿、気温、風のU成分・V成分、鉛直速度)が13の気圧レベルで提供され、地表変数(2メートル気温、10メートル・100メートル風速、平均海面気圧、総降水量、海面温度)も含まれます。これらの包括的な変数セットにより、多様な用途での活用が可能になると考えられます。
まとめ
WeatherNext 2は、8倍の高速化と1時間単位の高解像度予報を実現し、天気予報AIの新たな水準を示しました。FGNという新技術により数百のシナリオ予測が可能になり、既に複数のGoogleサービスで実装されています。研究から実用化までの速度は、AI気象予報の実用性の高さを示していると言えます。今後、さらなるデータソースの統合やアクセス拡大が期待されます。
