TimesFM

概要

Google Research が開発した時系列予測専用の基盤モデル（Time Series Foundation Model）。デコーダーのみのトランスフォーマーアーキテクチャを採用し、1000億以上の実データで学習済み。自分のデータでファインチューニングすることなく（ゼロショットで）時系列予測が可能。

• GitHub: google-research/timesfm
• Hugging Face: google/timesfm-2.5-200m-pytorch（最新推奨）
• パラメータ数: 2億（200M）
• ライセンス: Apache 2.0

主なユースケース

ゼロショット予測の強み

従来の深層学習モデルはデータセットごとに個別学習が必要だったが、TimesFM はゼロショットで新しいデータセットに対して高精度な予測を実現。公式評価では多くの個別学習済み深層学習モデルを上回るパフォーマンスを示している。

使い方

1

pip install timesfm

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

import timesfm

tfm = timesfm.TimesFm(
    hparams=timesfm.TimesFmHparams(
        backend="pytorch",
        horizon_len=128,
    ),
    checkpoint=timesfm.TimesFmCheckpoint(
        huggingface_repo_id="google/timesfm-2.5-200m-pytorch"
    ),
)

# 配列から予測
forecast, _ = tfm.forecast(inputs=[context_series], freq=[0])

# DataFrame から予測
forecast_df = tfm.forecast_on_df(inputs=df, freq="D", value_name="target")

freq パラメータ: 0 = 高頻度（日次以下）、1 = 週次・月次、2 = 四半期・年次

TimesFM 2.5 の改善点（2026年3月リリース）

• コンテキスト長: 16,384 タイムポイントへ拡張（8倍）
• パラメータ削減: 60% 削減しながら性能向上
• 量子予測: 最大 1,000 ステップの連続量子予測ヘッドを追加
• 共変量サポート: 祝日・プロモーション・天気データなどの外部変数を組み込み可能

BigQuery / Google スプレッドシート統合

2026年2月から Google スプレッドシートの Connected Sheets で TimesFM による予測が利用可能。SQL からも使える。

1
2
3
4
5

SELECT * FROM AI.FORECAST(
  MODEL `project.dataset.timesfm_model`,
  TABLE `project.dataset.sales`,
  STRUCT(30 AS horizon, 0.9 AS confidence_level)
)

関連ページ

• RAG — 時系列データとの組み合わせによる予測強化
• AI エージェント — 予測 AI をエージェントに組み込む応用

ソース記事

• Googleが1000億の実データで学習した予測AI「TimesFM」をひっそり公開していた — 2026-04-14