Google DeepMindとGoogle Researchは、同社がこれまでで最も高度な全球気象予測モデルと位置づけるWeatherNext 3を発表しました。Brightbandが実施した独立した実運用評価によると、このシステムは従来の数値予報手法および前バージョンのWeatherNext 2と比較して、予測精度と空間解像度の両面で大幅な飛躍を実現しています。

新しいモデルは、従来は6時間の遅れを伴うことが多かった過去の数値気象予報データのみに依存するのではなく、リアルタイム観測データから直接学習する点で既存の手法を打ち破っています。WeatherNext 3は毎時、全球の静止気象衛星モザイク画像を取り込み、気温や湿度などの地表面変数について最高5キロメートルの解像度で毎時予報を生成できます。AIベースの予測への移行は、Google自身の製品にとどまらず大きな意味を持ちます。機械学習による予測モデルは、従来のスーパーコンピュータを用いた数値気象予報と比べて一般的にはるかに低い計算コストで動作するため、NOAA、ECWF、各国の気象機関が同等の技術をどれだけ迅速に導入するかに影響を与える要因となっています。

これは、25キロメートル格子・6時間間隔で運用されていたWeatherNext 2と比較して、空間精度が5倍に向上したことを意味します。風速などの大気変数は25キロメートルで解像されます。システムの中核をなすのはFunctional Generative Networkメッシュトランスフォーマーで、衛星画像と従来の過去解析データの両方を処理し、緻密な格子状フィールド、個別のサイクロン進路、観測所レベルの予測をネイティブに生成します。

Introducing WeatherNext 3, our most advanced and accurate global weather AI model to date, from @GoogleDeepMind and @GoogleResearch. This new forecasting model learns directly from real-time observations, and uses raw satellite data to produce a forecast every hour in high… pic.twitter.com/WlljsjiSfy — News from Google (@NewsFromGoogle) September 3, 2026

エネルギー予測とグローバルな利用可能性

技術的な改良にとどまらず、WeatherNext 3は再生可能エネルギー分野や、これまで予測サービスが行き届いていなかった地域に向けた専門的な機能を備えています。このモデルは100メートル高度の風速に加え、高解像度の雲量および日射量の推定値を予測し、電力系統の運用者や開発者にクリーンエネルギーの発電量を予測し供給と需要のバランスを管理するための精度の高いツールを提供します。この機能は、風力・太陽光の比率が高まる電力網が抱える長年の運用課題、すなわち出力の変動性に対処するために正確な短期予測が給電計画と信頼性維持に不可欠であるという課題に応えるものです。

平滑化された大気シミュレーションではなく、まばらな気象観測所の観測データを直接用いて学習しているため、このシステムは局所的な地形や、沿岸・渓谷・山岳地域のコミュニティに特に影響する極端な微小気候の変動を考慮できます。この手法は、ラテンアメリカ、アフリカ、アジア太平洋地域で特に重要な意味を持ちます。これらの地域では、従来の領域モデルにかかる莫大なスーパーコンピューティングコストにより、高解像度予測が制約されてきました。

降水量予測の精度は、NASAのIMERG衛星データとGoogle独自の全球降水再解析データによる学習を通じて大幅に向上しました。独立評価では、IMERGベンチマークに対して連続ランク確率スコア（CRPS）が最大60%改善したほか、MRMSに対して30%、早期の予報時間における雨量計観測に対して10%の改善が示されています。

GoogleはWeatherNext 3を消費者向けおよびエンタープライズ向けエコシステム全体に即時展開しています。このモデルは現在、Search、Gemini、Maps、Google Maps Platform Weather API、Earth Engineの気象機能を支えています。旅行や屋外活動を計画するユーザーは、長期の予報期間において最大50%精度が向上した降水量予報に遭遇する可能性があり、その効果はこれまで信頼性の高い予測基盤がなかった地域で最も顕著です。

研究者や企業向けには、毎時の全球予測データセットをBigQueryおよびEarth Engineでクエリ可能なほか、専用モデルのデプロイなしにGoogle Cloud Storageから一括ダウンロードできます。今回のリリースは、GoogleのWeatherNextモデルシリーズやGraphCastの研究の延長線上にあり、大手テクノロジー企業や気象機関のAI気象モデルが従来の物理ベースの予測システムの代替ではなく、それと並行して活用されるという業界全体の潮流の一部を成しています。