NVIDIAは2026年10月20日(現地時間)、事前学習済み時系列表現と履歴パターン検索、解釈可能性を組み合わせた多変量時系列予測モデル「Kumo Forecast」を発表した。同モデルは、事前学習済みTransformerバックボーンと、履歴データからパターンを検索して直接モデル予測と組み合わせる文脈拡張予測モード「Domain-Aware Representation and Retrieval (DARR)」を統合している。
Kumo Forecastは、約3億4000万パラメータのベースエンコーダと学習可能な予測ヘッドを備えるMOMENT-1-largeバックボーンに基づいて構築されている。このライブラリは、DataFrameファーストのAPI、設定可能な予測期間、検索用のオプションの履歴コンテキスト、および基礎となる予測器を変更せずに期間固有の説明を生成する解釈可能性フレームワークを提供する。Kumo ForecastはApache 2.0ライセンスで利用可能である。
予測システムは、事前学習中に学習された表現と、現在のアプリケーションで利用可能な履歴観測という2つの異なる情報源を活用する。Kumo Forecastは、事前学習済み予測モデルと、履歴コンテキストを介したオプションの検索経路を通じてこれらを統合する。DARRモードでは、予測のための最近の観測データが入力ウィンドウとして供給され、別途の履歴DataFrameがパターン検索用の追加コンテキストを提供する。開発者は、最終的な予測が各経路にどの程度依存するかをライブラリの設定オプションで調整できる。
Kumo Forecastは、事前学習済み時間エンコーダ、学習可能な予測ヘッド、履歴パターン検索メカニズム、解釈可能性フレームワークの4つの主要コンポーネントを組み合わせている。解釈可能性フレームワークは、有効にした場合、予測期間ごとのラグおよび特徴量アトリビューション、セマンティックフロー診断、軌道安定性診断、およびオプションの埋め込みIntegrated Gradientsを含む説明バンドルを生成する。この技術に関する詳細は、論文Memory-Augmented Forecasting: Scalability and Generalization Across Temporal DomainsおよびNVExplain: Explaining Time Series Forecasting with Latent Trajectory Analysis and Structure-Preserving Surrogatesに記載されている。
データは数値時系列データである必要があり、サポートされる入力シーケンス長は256、512、1024、2048の観測である。入力はタイムスタンプ列と1つ以上の数値列で構成され、pandas DataFrameまたはCSV/JSON入力として表現される。Kumo AnomalyとKumo Forecastを活用するPredictive Maintenanceモジュールを含むFactory Operations (FOX) Blueprintのアーリーアクセスが提供されており、リアルタイムデータを分析して将来の異常を予測する。GTC San Jose 2026での関連セッションが公開されている。
参考: Hugging Face Blog (アーカイブ) — 2026年10月20日 18:17 (JST)
原文ハイライト"NVIDIA Kumo Forecast (formerly known as NV-Tesseract Forecasting) is a multi-variate time-series forecasting model"