Google DeepMind、気象予測モデル WeatherNext を公開──解像度 28km でサイクロン予報を 1 日以上早期化
従来モデルより 100 倍粗い解像度ながら TPU 上で 15 日予報を 1 分未満で生成し、1,000 アンサンブルによる高精度化を実現した。
リリース: 2026-08-06 · 読了 3 分記事の要約
1. 核心（What）
- Google DeepMind が気象予測モデル WeatherNext シリーズ（WeatherNext Cyclones および WeatherNext 2, WeatherNext 2-mini）を公開した。
- コードとモデルウェイトがオープンソース化され、Google Earth AI の Weather Lab で可視化ツールが提供されている。
- Functional Generative Networks (FGNs) を用いて気象の不確実性を捉えるアンサンブル予測を効率的に生成する。
- サイクロン予測において従来比で 1 日以上のリードタイム向上を達成した。
2. 影響（Why）
- 高解像度の常識を覆す設計効率: 28x28km という粗い解像度で高精度な予測を維持できるため、計算リソースの制約が大きい環境でも高度なシミュレーションを自前で実行可能になる。
- 国内防災気象インフラへの展開可能性: [国内 気象・防災解析システム開発ベンダー] 規模の組織は、商用気象スパコンに依存せず TPU インフラ上で高精度なアンサンブル予報を自社パイプラインに組み込める。
3. 根拠・詳細（How）
- Functional Generative Networks (FGNs) の採用: 多様な予測のアンサンブルを効率的に生成し、ハリケーン・メリッサなどの急激な発達イベントを含む過酷なシナリオを 1,000 メンバー規模で捉える。
- 動作環境とオープンソース化: 軽量版の WeatherNext 2-mini は無償の Google Colab ノートブック上の単一 TPU で動作し、Nature 論文と同時にコードとウェイトが公開されている。
4. 展望・課題（Next）
- 粗い解像度における高精度化のメカニズム解明: 低解像度データからなぜ正確な予測が出力されるかについては未解明であり、研究コミュニティとの共同検証が予定されている。
- Weather Lab によるグローバル展開: Google Earth AI の Weather Lab インターフェースを通じて、気温・降水量・風速などのグローバル気象予測の可視化が順次拡張されている。