2025年最高の 52 個の気候モデルツール

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、量子化とスケーリングにより時系列をトークン系列に変換して訓練され、確率的予測タスクに適しています。

Chronos-BoltはT5アーキテクチャに基づく事前学習済み時系列基盤モデルのシリーズで、革新的なチャンクエンコーディングと直接多段階予測により効率的な時系列予測を実現

Chronos-Boltは一連の事前学習済み時系列予測モデルで、ゼロショット予測をサポートし、精度が高く推論速度も速いです。

Chronos-Boltはゼロショット予測をサポートする事前学習済み時系列予測モデルのシリーズで、T5エンコーダ-デコーダアーキテクチャに基づき、約1000億の時系列観測点を含むデータで学習されています。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、時系列をトークン系列に変換して訓練し、確率的予測を実現します。

TinyTimeMixers（TTMs）はIBM Researchがオープンソース化した多変量時系列予測のコンパクトな事前学習モデルで、パラメータ数は100万未満であり、ゼロショットおよび少数ショット予測タスクで優れた性能を発揮します。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、量子化とスケーリングにより時系列をトークン系列に変換して学習します。

Chronos-Boltはゼロショット予測をサポートする事前学習済み時系列予測モデルのシリーズで、T5エンコーダー・デコーダーアーキテクチャに基づき、約1000億の時系列観測値を含むデータで訓練されています。

これは事前学習された時系列予測モデルで、時系列データの分析と予測タスクに特化しています。

Chronos-Boltは、T5エンコーダー-デコーダーアーキテクチャに基づき、約1000億の時系列観測データでトレーニングされた、ゼロショット予測が可能な事前学習済み時系列予測モデルのシリーズです。

Chronos-Boltは一連の事前学習済み時系列予測モデルで、ゼロショット予測をサポートし、T5エンコーダー-デコーダーアーキテクチャに基づいており、約1000億の時系列観測点を含むデータで訓練されています。

Chronos-Boltはゼロショット予測をサポートする事前訓練済み時系列予測モデルのシリーズで、T5エンコーダー-デコーダーアーキテクチャに基づき、約1000億の時系列観測点を含むデータで訓練されています。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、量子化とスケーリングにより時系列をトークン系列に変換して学習します。

TinyTimeMixers（TTMs）はIBM Researchがオープンソース化した多変量時系列予測用コンパクト事前学習モデルで、パラメータ数は100万から始まり、時系列予測分野で初めて『マイクロ』事前学習モデルの概念を提唱しました。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、量子化とスケーリングにより時系列をトークン系列に変換して訓練され、確率予測をサポートします。

PyTorchベースの時系列予測事前学習モデルで、様々な時系列データ分析タスクに適用可能

Moiraiはマスクエンコーダーに基づく汎用時系列予測Transformerで、LOTSAデータセットで事前学習された大規模時系列モデルです。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、量子化とスケーリングにより時系列をトークン系列に変換して学習します。

Chronos-Boltはゼロショット予測をサポートする事前学習済み時系列予測モデルのシリーズで、T5エンコーダー・デコーダーアーキテクチャに基づき、約1000億の時系列観測点を含むデータで学習されています。

Chronos-T5は言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルで、時系列をトークン系列に変換し、クロスエントロピー損失を用いて言語モデルを訓練することで確率的予測を実現します。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、時系列をトークン系列に変換して訓練され、確率的予測をサポートします。

Chronos-T5は言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルで、量子化とスケーリングにより時系列をトークン系列に変換して学習し、様々な時系列予測タスクに適用可能です。

Moiraiはマスクエンコーダを基盤とした汎用時系列予測Transformerで、LOTSAデータセットで事前学習された大規模時系列モデルです。

Moiraiはマスクエンコーダーに基づく汎用時系列予測Transformerで、LOTSAデータセットで事前学習された大型時系列モデル

Moirai-1.0-Rモデルの全面アップグレード版で、Monashナレッジベースの40データセットにおいて顕著な進歩を達成、特に低頻度データシナリオに最適化されています。

Chronosは言語モデルアーキテクチャに基づく事前学習済み時系列予測モデルファミリーで、時系列データをトークン系列に変換して学習し、確率的予測をサポートします。

Moirai-1.1-RはSalesforceがリリースした時系列予測の基盤モデルで、低頻度データ（年次データや四半期データなど）において優れた性能を発揮し、前世代モデルと比べて約20%の性能向上を実現しました。

Moirai-1.1-RはSalesforceが開発した時系列予測の基盤モデルで、低頻度データの予測性能が大幅に向上しています。

TimeMoE-200Mは、エキスパート混合（Mixture of Experts, MoE）アーキテクチャに基づく十億レベルの時系列基礎モデルで、時系列予測タスクに特化しています。

amazon/chronos-bolt-baseアーキテクチャを基にファインチューニングされた時系列予測モデルで、間欠的需要予測タスクに特化して最適化されています

Timerは8400万パラメータの軽量生成型Transformerモデルで、時系列予測タスク向けに設計されており、ゼロショット点予測をサポートします。

1億9000万時系列データポイントでファインチューニングされた間欠的需要予測モデル

独自データセットでファインチューニングされた時系列予測モデルで、特に間欠的需要予測シナリオに適しています。

PatchTSTは時系列予測タスクに特化した事前学習済みの時系列基盤モデルです。

PatchTSMixerはIBM Graniteプロジェクトの時系列予測基盤モデルで、革新的なPatchハイブリッドアーキテクチャを採用し、様々な時系列予測タスクに適用可能です。

これはTransformerアーキテクチャに基づく時系列予測モデルで、tourism-monthlyデータセットで30エポックのトレーニングを行いました。

Google Researchが開発した事前学習済み時系列基礎モデルで、単変量時系列予測に特化

応龍は時系列予測に使用される基礎モデルで、780億の時点で事前学習され、時系列予測タスクに強力なサポートを提供します。

軽量で高速な多変量時系列予測モデル、ETTh1データセットで0.37のテストMSEを達成

PatchTSTは長期時系列予測のために設計されたTransformerベースの時系列予測モデルで、サブシーケンスブロックとチャネル独立性技術を用いて予測精度を向上させています。

TinyTimeMixer (TTM) は、効率的な時系列分析タスクに特化した軽量な時系列予測基盤モデルです。

amazon/chronos-bolt-smallを基に精密調整した時系列予測モデル、2500万行の専有データで訓練