Google DeepMindは、気象予測の分野で新たなブレークスルーとなる「WeatherNext 3」を公開した。最大の特徴は、静止気象衛星の観測データをモデルに直接入力し、1時間ごとに初期化を実行しながら、約5kmという高解像度で予測を出力する点にある。これまでのAI気象モデルは、数値気象予報（NWP）の解析データに依存していたため、6時間程度のデータ遅延が不可避だった。WeatherNext 3はこの問題を根本的に解決し、観測所の実測データを学習に活用することで、地形影響をより正確に反映した予測を実現した。
独立した評価機関Brightbandのライブ検証によれば、本モデルは現時点で最も精度の高い全球気象モデルとしてランク付けされている。気象予測の世界で、AIモデルが物理ベースのモデルに肉薄してから約3年。WeatherNext 3は、解像度と初期化の2つの課題に同時に挑んだ結果、実運用レベルでの優位性を具体的な数字で示した形だ。
WeatherNext 3とは何か——アーキテクチャと入力データの革新
WeatherNext 3のベースとなっているのは、Functional Generative Network（FGN）メッシュトランスフォーマーである。これはWeatherNext 2で導入された確率論的モデルファミリーを継承しつつ、マルチ解像度出力に対応するよう拡張されたものだ。入力データとして、リアルタイムの全球静止気象衛星モザイク画像を直接利用する。これに加えて、ECMWF HRES解析データ、ERA5/HRES-fc0、NASAのIMERG、観測所データ、衛星モザイクを学習に用いている。
従来のAI気象モデルのほとんどは、NWP再解析データのみを学習していた。再解析データは、海岸線や谷、山岳が生み出す局所的な気象変動を平滑化してしまう。WeatherNext 3は、観測所の実測データを直接学習する専用の観測ヘッドを搭載。これにより、0.05°解像度の気温と露点温度の出力は、モデルが表現する大気の状態ではなく、実際の計測器が記録する値に較正される。この仕組みが、複雑な地形を持つ日本を含む地域での予測精度向上に大きく寄与する可能性がある。
5km解像度と1時間サイクル——実用性を高める2つの要素
WeatherNext 2は0.25°（約25km）の解像度で6時間ごとの予測を提供していた。WeatherNext 3は1回のフォワードパスで3段階の出力を生成する。0.05°（約5km）の観測所トレーニング済み2m気温・露点温度、0.1°（約10km）のグリッド地表風（10m・100m）、気圧、海面水温、雲層、日射量、1時間降水量、そして0.25°（約25km）の13気圧レベルの大気場——これらを同時に出力する。Googleは「約5倍の精細さ」と表現している。
更新頻度も大きく変わった。1日24回の初期化が可能で、00、06、12、18UTCの同期的サイクルは64メンバーのアンサンブルで15日間（360時間）まで予測を延ばす。一方、時間ごとの暫定ランは48時間をカバーする。急速に発達する対流現象に対して、6時間ごとの遅延解析に依存する従来方式と、現在の衛星観測に基づく1時間ごとの更新方式では、実質的な予測能力に決定的な差が生まれる。特に日本周辺の梅雨前線や台風の進路予測において、この差は顕著になる可能性が高い。
降水予測の精度向上——CRPS最大60%改善の意義
全球モデルにとって降水予測は長年の課題だった。粗い解像度では降水域がぼやけ、嵐の境界を捉えきれない。WeatherNext 3はECMWF再解析、NASAのIMERG衛星観測、Google独自の衛星レーダー降水再解析という3つの降水データソースを学習に活用。Googleの評価によれば、初期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（連続ランク確率スコア）改善を達成。NWPベースラインと比較しても、BrierスコアとCRPSで最大50%の改善を示した。
この精度向上は、単に数字上の改善にとどまらない。降水予測の信頼性が高まることで、災害対応、農業計画、水資源管理の現場で実質的な効果が期待できる。特に日本では、ゲリラ豪雨や線状降水帯の予測精度向上が社会的に強く求められており、本モデルが実用化された場合のインパクトは大きい。
再生可能エネルギー分野への応用——実運用を意識した出力設計
WeatherNext 3の出力項目には、再生可能エネルギー分野での活用を強く意識した設計が見られる。タービンハブ高さに相当する100m風速、低・中・高の全雲分布、そして日射量の2成分（SSRDおよびFDIR）を出力。これらは、電力系統運用者が需要予測と再生可能エネルギー出力のバランスを取るために必要とするデータセットそのものだ。
気象予測モデルがベンチマーク競争から実運用市場へと軸足を移しつつある流れの中で、WeatherNext 3は最初の本格的な実用化モデルと言える。電力取引市場、送電網運用、そして再生可能エネルギー発電事業者にとって、このモデルが提供する予測精度は、直接的な経済的価値を持つ。
アクセスとデプロイ状況——オープンウェイトではないが利用可能
予測データは、ホワイトリスト申請後、BigQuery、Earth Engine、Cloud Storageを通じて利用可能となっている。ただし、WeatherNext 3の重み付けパラメータ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は現時点ではWeatherNext 2が提供されている。完全なデプロイには至っていないものの、データアクセスのハードルは比較的低く設定されている。
Googleは本モデルを「実験的」と位置づけており、公式の警報としての利用は推奨していない。しかし、独立した評価機関による検証結果、そして具体的な精度改善率の提示は、気象予測業界に与える影響を無視できないものにしている。気象予測のAI化が、研究段階から実運用段階へと移行する転換点を、本モデルは明確に示していると言えるだろう。
