IBM、Granite PatchTST-FM-R2 ゼロショット時系列モデルをリリース

IBMは2026年9月9日にGranite Time Series PatchTST-FM-r2をリリースしました。このモデルは約3億8500万パラメータのゼロショット時系列予測モデルで、Apache 2.0とLinux FoundationのOpenMDW 1.0のデュアルライセンスが適用されています。モデルの重み、アーキテクチャ、推論パイプライン、およびベンチマーク結果を再現するために必要なコードはすべて、リリースと同時にオープンに公開されました。

IBMはHugging Faceブログ記事でこのモデルを発表し、PatchTST-FM-r1の後継であり、Granite時系列基盤モデルファミリーの最新モデルとして紹介しました。発表によると、PatchTST-FM-r2は更新されたアーキテクチャ、より大規模な事前学習コーパス、確率的予測、欠損値の補完サポートを組み合わせており、ファインチューニングやタスク固有の適合なしに新しいデータに対して予測を生成します。

報告された GIFT-Eval 順位

GIFT-Eval は多様なデータセットとシナリオにわたって予測モデルを評価する包括的ベンチマークで、CRPS と MASE の両指標は数値が小さいほど優れています。IBMによると、2026年9月8日現在、PatchTST-FM-r2 は再現可能なゼロショットモデルの中で両指標ともに2位で、寛容で商用利用に適したライセンスでリリースされたモデルの中では最高性能です。発表では、幾何平均 CRPS が 0.467（TimesFM-3 に次ぐ）で、幾何平均 MASE が 0.6846 と報告されています。

GIFT-Eval の一部モデルは、厳密なゼロショットではなく事前学習済みとして分類されており、ベンチマークの評価データセットの学習部分を事前学習コーパスに含めることが許可されています。IBMは、これらのモデルを比較に加えても、PatchTST-FM-r2 が再現可能なモデルの中で CRPS が3位、MASE が4位であり、事前学習済みの Chronos-2、Timer-S1、Toto 系列（いずれもかなり大規模）より上回っていると述べました。

モデルカードはmodel cardで、Jiri Navratil、Wesley M. Gifford、Yunshi Wen、Chandra K. Reddy、Agung Julius が執筆しており、再現可能なゼロショットで2位の順位を2026年8月31日付とし、モデルの結果が GIFT-Eval ベンチマークに提出された保留中のプルリクエストにあることを記しています。発表では同じ順位が2026年9月8日付とされています。

Conformer アーキテクチャ

PatchTST-FM-r2 は前モデルのパッチベース表現を維持しつつ、標準的なトランスフォーマーブロックを音声処理で始まった Conformer ブロックに置き換えています。各ブロックは、マルチヘッド自己注意と時間的畳み込み層に囲まれた 2 つのハーフステップフィードフォワード層で構成され、畳み込みカーネルサイズは 3 と 5 が交互に繰り返す {5, 5, 3, 3} パターンとなっています。IBMは、畳み込み要素が短距離の時間構造を捉え、注意機構がパッチ間の長距離関係に集中できるようにすると述べました。

このモデルは 50% 重なり合うパッチ（パッチ長 16、ストライド 8）を使用し、学習時にはハミング窓重み付け、推論時にはオーバーラップ・アンド・アド方式で予測を行います。また、学習安定性のためにヘッド前にレイヤーノルムを適用しています。隠れ次元は 1024、ブロック数は r1 の 20 から増えて 30 になり、最大 8,192 ステップのコンテキスト長をサポートし、柔軟な予測長に対して 99 個の分位点を予測し、点予測と不確実性区間の両方を生成します。実装はオープンソースの granite-tsfm リポジトリで提供されており、PatchTST-FM-r1 のチェックポイントとの下位互換性も維持されています。

トレーニングデータとライセンス

文書化された事前学習コーパスは4つのソースから構成されています: GiftEvalPretrain から選択されたデータセット、修正された周期カーネルと限定的な拡張を施した KernelSynth ベースのカスタム合成データ、Chronos 論文で述べられた手法を用いて生成された TSMixup コーパス（ただし GIFT-Eval 評価セット外のデータセットに限定）、および長さ4,096 の合成 CauKer シーケンス約 500,000 件です。モデルカードでは、CauKer データセットが IBM の FlowState チームによって生成されたこと、そして基礎となる手法として 2026 年の arXiv 論文「Revisiting the Generic Transformer: Deconstructing a Strong Baseline for Time Series Foundation Models」が引用されていることが記されています。

ユーザーは Apache 2.0 ライセンスまたは OpenMDW 1.0（AI モデルや関連資料向けに Linux Foundation が設計したライセンス枠組み）のいずれかを選択できます。IBMは、両ライセンスともモデルの使用、改変、配布に対して幅広く寛容な権利を付与し、採用の障壁を低減することを目的としていると述べました。モデルカードの開示では、IBM の開発者がコードを IBM 製品ではなくオープンソースプロジェクトとして作成したこと、そして IBM は機能強化、更新、サポートを提供する義務を負わないことが明記されています。

利用可能性と Granite ファミリーの背景

重みは Hugging Face Hub からダウンロードでき、granite-tsfm パッケージ（バージョン0.3.9以降）を介してパイプライン API でロードできます。IBM のサンプルコードは、ETTh1 系列の最後の 512 サンプルから要求された分位点を含む予測を生成し、需要、価格、エネルギーロード、交通、テレメトリなど、定期的にサンプリングされる時系列データ向けに本モデルを位置付けています。

ストリーミング展開向けに、IBM と Confluent は Granite Time Series 系列モデル（PatchTST-FM-r1、FlowState-r1.1、TTM-r3、TSPulse）を Confluent Cloud の Early Access プログラムで提供しており、Apache Flink を通じてライブストリーム上で基盤モデルの推論を実行します。

IBM Research のファミリー概要は、リリースの系譜を次のように記しています: 2021 年の TST（時系列データに適用された最初期のトランスフォーマーモデルの一つ）、2023 年の PatchTST（パッチ化とチャネル独立性を導入）、2024 年の Tiny Time Mixer、2025 年の FlowState。概要によれば、これらのモデルは合計で 1,000 億を超えるデータポイントで学習されており、TTM モデルは Hugging Face で 3,700 万ダウンロードを突破しています。新モデルの直接的な前身である PatchTST-FM-r1 は Rensselaer Polytechnic Institute と共同開発され、IBM の研究版モデルは非商用ライセンスが付与されている一方、Granite 系列は Apache 2.0 の下で公開されています。