ハクソク

世界を動かす技術を、日本語で。

DeepMindの「WeatherNext」モデルがサイクロン予測において画期的な成果を達成

2026年8月8日原文(deepmind.google)

概要

  • WeatherNext はサイクロン予測の精度を大幅に向上させるAIモデル
  • 予測リードタイムを従来より 1日早く 提供可能
  • モデルとコードを オープンソース として公開
  • Google DeepMind と世界中の気象機関が共同開発
  • 気象予報や災害対策の現場で実証済みの成果

WeatherNext：サイクロン予測AIの進化

  • WeatherNext はサイクロン（ハリケーン・台風）の進路・強度・風構造を高精度で予測するAIモデル
  • 2025年のハリケーンMelissaの急速な発達とジャマイカ上陸を正確に予測、現地への早期警報実現
  • 3日先の予測精度が、従来モデルの2日先の精度に相当する進歩
  • これは 過去10年分の気象予報技術の進化 に匹敵する成果

WeatherNextの技術的特徴

  • グローバルな大気データと専門家によるサイクロン観測データを組み合わせた エンドツーエンド学習
  • 5,000件以上の過去サイクロン事例（IBTrACSデータベース）を活用
  • Functional Generative Networks (FGNs) により、1,000通りのシナリオを高速生成
  • 1回の予測（15日先まで）をTPU上で1分未満で実行可能
  • 解像度28x28km（従来モデルの100分の1）でも高精度な予測を実現
    • 小型版WeatherNext 2-miniは111x111km解像度で動作、Colabノートブックで利用可能

WeatherNextがもたらす社会的インパクト

  • 予報官や自治体、現地の災害対策チームによる 迅速な意思決定支援
  • 極端気象や再生可能エネルギー分野への応用可能性
  • オープンソース公開により、研究者・気象機関・非営利団体が自由に活用・発展可能
  • Weather Labで 世界中の天気・サイクロン予測を可視化、Google Earth AIとも連携

モデルの評価と今後の課題

  • 2023～2024年の歴史的サイクロンを対象に、他の主要モデルと比較評価
  • 進路・強度・風構造の予測で、平均24時間以上のリードタイム向上を確認
  • 低解像度で高精度予測が可能な理由は、今後の研究課題
  • 気象予報の新たなフロンティアとして、 人間の専門知識とAIの協働 を推進

WeatherNextの公開と今後の展望

  • Nature論文と同時に、 コードとモデル重みをオープンソースで公開
  • WeatherNext Cyclones（ハリケーンシーズン用）、WeatherNext 2（最新バージョン）、WeatherNext 2-mini（軽量版）を提供
  • Weather Labで最新の予測結果を体験可能
  • 今後も研究者・気象機関・専門家との連携を強化し、気候変動時代の災害対策・社会基盤強化に貢献

公式情報・謝辞

  • 正式な気象警報・予報は 各国の気象庁・気象サービス を参照
  • 本研究は Google DeepMind と Google Research が主導、NHC・CIRA・UK Met Office等と共同開発
  • 多くの共同著者・協力機関の貢献による成果

Hackerたちの意見

記事のキャッチフレーズから: 「WeatherNextは、正確なサイクロン予測を可能にし、追加の1日警告を提供します。今、私たちはそのモデルをオープンソース化します。」

台風やサイクロンの予測を最近知ったんだけど、マジでヤバいね。自分はhttps://zoom.earthから取得してるんだけど、iPhoneアプリも素晴らしいよ。今、中国東海岸沖にいる台風ドルフィンの情報を少し紹介するね。ドルフィンは遅いトロコイド運動を続けていて、一般的には東シナ海の奥へ西に進んでる。過去12時間で、システムは別のサイクロンループを完了し、減速して、持続的な西向きの進路を確立する前に、引き続き迷走してる。ここ2日間の不規則な動きは、韓国の亜熱帯高気圧のブレイクによって生じた弱い操縦環境と、内核がはるかに大きな親循環の中に包まれているダイナミクスによるもの。一般的な操縦パターンは弱いけど、南日本の上にメソスケールの深層リッジが形成されているのが見えるよ。https://zoom.earth/storms/dolphin-2026/ それから、チャンホンもあって、これは北日本での誕生日を風の強い日になりそう。強度のガイダンスは全体的に良い一致があるけど、JTWCの予測は、Google DeepMindを除いて、次の36時間の間は全てのガイダンスよりも低く設定されてる。その後、予測の残りの部分で合意の範囲に入るよ（60時間で最大95 km/h（50ノット）になる）。https://zoom.earth/storms/chan-hom-2026/

└

もしこれから始めるなら、tropical tidbits[0]が生データを得るのにおすすめだよ。zoom earthより見た目は劣るけど、各モデルがどんな予測をしているかを見るのが面白いし、実際の予測ガイダンスと比較するのも興味深いよ。1: https://www.tropicaltidbits.com/

これがサンダーにとって最後の一押しだったのかもね。デミス:「新しい素晴らしいブレークスルーがある」サンダー:「いいね！ソルとフェイブルに対する答えが本当に必要だ」デミス:「彼らは台風予測では完全に圧倒してる」

└

皮肉なことに、今の台風予測はもっと価値があるね。この予測は命や死、そして数十億ドルの損害に関わることだから。

これめっちゃクールだね、AIの人たちにはもっとこういうのをお願いしたい！別のコーディングエージェントよりもずっと影響力があって面白いよ。

最近のAIは全部LLMに集中してる感じだけど、個人的にはこういう特定の問題に特化した強力なモデルの方がもっと面白いと思う。天気予測に使われているSOTA AIモデルは、すでに従来のNWPモデルを上回っていて、効率も桁違いに高い（推論）。ほとんどがマルチスケール（階層的）グラフニューラルネットワークに基づいていて、あまり話題にされないアーキテクチャだよ。これが面白いと思ったら、元のGraphcastの論文を読む価値があるよ: https://arxiv.org/abs/2212.12794

└

まるでAIモデルをトレーニングするのにMWPモデルが必要ないかのように言ってるけど？AIの予測の精度は、トレーニングデータセットの質に完全に依存してるからね…。

└

いい論文ですね、シェアしてくれてありがとう。二つのポイントが特に目に留まりました。まず、データが増えるほど良くなる方法が求められていることが強調されています。現在のアプローチは過去のデータに基づいて改善できないので、MLベースのアプローチがその機会を利用しているということです。次に、成熟したレガシーソリューションが厳しい競争相手であることが浮き彫りになっています。彼らは広範な調整と実世界からのフィードバックの恩恵を受けています。本当に優れたアプローチがあっても、現在の基準に達するにはかなりの時間と労力が必要です。こういう状況では、忍耐としっかりした長期戦略が必要です。自分のアプローチが長期的に勝つ自信を持ち、そのために十分なお金と時間を確保することが大事です。

└

最近のGDMの混乱の一部は、厳密にLLM研究に縛られたくない人たちが関与しているという噂があるよ。

└

数値シミュレーションに関わる人（物理学者、エンジニア、化学者、生物物理学者など）は、過去5年間でMLベースの代理モデルに挑戦していることを保証するよ。だから、テストされていないわけじゃない。私の経験では、あまり堅牢ではないね。気象モデリングは、実際にうまくいく数少ない分野の一つだと思う。

大きな気象イベントを予測するのは、50年前の技術でもそんなに難しくないよ。難しいのは、どこで雨が降るかとか、今日のビーチの傾斜がどうなっているか（多くの人はこれが日々大きく変わることや、その重要性を知らない）とか、波の高さ、今日の海の深さ、水温、岸での波の崩れ方、雨が氷やみぞれ、雪に変わる正確なタイミング、影響を受けるルート、正確な風速、地域の各部分での正確な温度、来週の天気がどうなるか、などの詳細を予測することなんだ。従来の機器ではこれらのことはできないけど、トレーニングデータとアルゴリズムがあればできる。だから、気象におけるアルゴリズムによる予測の役割にはすごく期待しているけど、すでに予測できるもの（AIなしで）ではなく、天候の中で生活したり働いたり遊んだりする人々にとって重要な洞察を得ることができるようになることにワクワクしているんだ。

Hacker Newsで議論の続きを見る