ハイライト(TL;DR)
NVIDIA Kumo Forecast(旧称 NV-Tesseract Forecasting)は、事前学習済みのTransformerバックボーンと、直接のモデル予測と過去データから検索したパターンを融合するコンテキスト強化予測モードである Domain-Aware Representation and Retrieval(DARR)を組み合わせた多変量時系列予測モデルです。これには結果の解釈可能性も含まれます。Kumo ForecastはMOMENT-1-largeバックボーンを基盤として構築されており、約340 millionパラメータのベースエンコーダに加えて、学習可能な予測ヘッドを使用します。
このライブラリは、DataFrame ファーストの API、設定可能な予測ホライズン、検索用のオプションの履歴コンテキスト、および基盤となるフォーキャスターを変更せずにホライズン固有の説明を生成する解釈性フレームワークを提供します。
Kumo-Forecast は以下のライセンスで利用可能です Apache 2.0 license.
モデルコード: NVIDIA/Kumo-TS
モデル重み: nvidia/Kumo-Forecast
コンテキスト強化時系列予測へのシフト
予測システムは、2つの異なる情報源を利用できます。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値です。Kumo-Forecast は、事前学習済みの予測モデルと、履歴コンテキスト上のオプションの検索経路を通じて、これらを結合します。
直接予測パスでは、Kumo-Forecast は MOMENT ベースの Transformer と学習済みの予測ヘッドを使用して将来の値を予測します。ドメイン対応表現および検索(DARR)モードでは、最近傍法を用いて履歴データから関連パターンを検索し、その情報を直接予測と組み合わせます。
これにより、モデルの入力ウィンドウと検索コンテキストの区別が生まれます。入力ウィンドウは予測のための最近の観測値を供給し、別の履歴 DataFrame がパターン検索のための追加コンテキストを供給できます。開発者は、ライブラリの設定オプションを通じて、最終的な予測が各経路にどの程度依存するかを調整できます。
DARR モードの詳細については、公開された以下の論文を参照してください。 メモリ拡張予測:時間ドメイン全体におけるスケーラビリティと汎化性能
Kumo Forecast の仕組み
Kumo-Forecast は、4つの主要コンポーネントを組み合わせています。事前学習済みの時間エンコーダー、学習可能な予測ヘッド、履歴パターン検索メカニズム、および解釈性フレームワークです。
事前学習済み時間表現: モデルは MOMENT-1-large Transformer エンコーダーをバックボーンとして使用します。このアーキテクチャでは、エンコーダーとエンベッダーの重みを凍結したまま予測ヘッドを学習するため、事前学習済みの表現モデルとタスク固有の予測層が分離されています。
直接予測: 予測ヘッドは、モデルの表現を、要求されたホライズンの将来の値にマッピングします。モデルのネイティブな能力を超えるホライズンには、自己回帰的な拡張がサポートされています。これにより、直接生成された予測と、予測を再帰的に拡張したより長い予測が区別されます。
ドメイン対応表現および検索: DARR は、履歴コンテキストデータからの k 近傍検索によって直接予測を拡張します。このプロセスは直接予測と履歴パターン検索を組み合わせ、SDK は履歴コンテキストを別の context_df 引数を通じて受け付けます。
解釈性: Kumo-Forecasting には、モデルに依存しない解釈性フレームワークも含まれています。有効にすると、予測ホライズンごとのラグおよび特徴量の帰属、セマンティックフロー診断、軌跡安定性診断、およびオプションの埋め込み Integrated Gradients を含む説明バンドルが生成されます。これらの出力は予測に付随するものであり、異なる予測アーキテクチャを必要としません。
解釈性の詳細については、以下の論文を参照してください。 NVExplain:潜在軌跡分析と構造保持サロゲートによる時系列予測の説明
制限事項
データは数値の時系列データである必要があります。サポートされる入力シーケンス長は、256、512、1024、および 2048 観測値です。入力は、タイムスタンプ列と1つ以上の数値値列から構成され、pandas DataFrame または CSV/JSON 入力として表現されます。DARR モードを利用する場合、コンテキストの次元は入力のコンテキストと類似している必要があります。
デモ: 予知保全
The Factory Operations (FOX) ブループリント には、Kumo Anomaly と Kumo Forecast を活用する予知保全モジュールへのアーリーアクセスが含まれています。このモジュールはリアルタイムデータを分析し、将来の異常を予測します。
デモ: プラットフォーム統合
GTC San Jose 2026 のセッションにアクセスするには、下の画像をクリックしてください
Kumo Forecast で構築を始めよう
アプリケーション固有の評価では、同じホールドアウトの予測ウィンドウ上で、直接構成と検索拡張構成を比較してください。NVIDIA のユースケース固有テストの要件に沿って、対象となる予測ホライズンと稼働条件全体で予測品質を検証してください
モデルコード: NVIDIA/Kumo-TS
モデルウェイト: nvidia/Kumo-Forecast
Kumo-TS リポジトリは、ユーザー提供の CSV で Kumo-Forecast をファインチューニングする例も提供しています。そのため開発者は、事前学習済みの推論ワークフローと、モデルを自身のデータに適応させるための文書化された出発点の両方を利用できます。