Google DeepMind、気象予測モデル WeatherNext 3 を公開──物理シミュレーションを廃し解像度を 5km に向上
物理シミュレーションの代わりに衛星・観測所データから直接学習し、IMERG ベンチマーク対比で CRPS 60% 改善を達成した。
リリース: 2026-09-03 · 読了 3 分記事の要約
1. 核心（What）
- Google DeepMind が物理シミュレーションを廃しライブ衛星・観測所データから直接学習する気象予測モデル WeatherNext 3 を発表。
- 前世代の 25km/6時間グリッドから、5km 解像度で毎時更新のグローバル予測へとスペックを大幅に向上。
- NASA の IMERG ベンチマーク対比で連続ランク確率スコア (CRPS) が最大 60% 改善し、降水予測精度が最大 50% 向上。
- Search、Gemini、Google Maps、Maps Platform Weather API に順次統合され、BigQuery や Earth Engine から開発者アクセスが可能。
2. 影響（Why）
- 再解析データの遅延をゼロに: 従来の 6 時間のデータラグを持つ物理シミュレーション依存から脱却し、1 時間ごとの衛星モザイクを直接入力するため、急変する降水や気温の予測ズレを低減できる。
- 再生可能エネルギー事業者の運用効率化: [国内再生可能エネルギー・電力小売業] などの事業者は、100m 高度の風速や太陽光放射量といった新規出力を活用し、発電量予測の精度を上げられる。
3. 根拠・詳細（How）
- Functional Generative Network 採用: 単一の柔軟なバックボーンとして FGN メッシュトランスフォーマーを採用し、標準変数のグリッド、構造化予測としての台風進路、観測所レベルのスパース座標予測を同時に処理する。
- 解像度の階層化設計: 気温や湿度の表面変数を 5km、他の表面変数を 10km、風速などの大気変数を 25km と変数ごとに異なる解像度を物理的に一貫した出力として生成する。
4. 展望・課題（Next）
- 公式警告への補完と限界: 本モデルは公式の防災気象警報の代替ではなく、大気の本質的な予測不可能性は残るため、厳格な安全基準が求められる領域では慎重な併用が必要となる。