Air Quality Arena: 時系列基盤モデルを用いた大気質予測のための大規模マルチリージョン地上監視データセットとベンチマーク
大気汚染は年間約790万人の早期死亡を引き起こし、正確な予測は公衆衛生上の重要課題です。既存のベンチマークは地理的範囲や汚染物質のカバレッジが狭く、最新の時系列基盤モデル（TSFM）を実世界大規模データで評価していません。本研究では、7カ国・4大陸、6主要汚染物質、3年間、14,000以上の観測点-汚染物質系列をカバーする大規模マルチ国・マルチ汚染物質データセットとベンチマーク「Air Quality Arena（AQA）」を提案します。11の主要時系列基盤モデルと古典的ベースラインを評価した結果、TSFMはゼロショット予測で有効であり、古典的ベースラインを一貫して上回り、最良モデルは視覚基盤モデルを活用したクロスモーダルアーキテクチャを採用しています。AQAは公開されています。
大気汚染は地球規模の公衆衛生上の重大な脅威であり、世界保健機関（WHO）の推定によれば、毎年約790万人が大気汚染に起因する早期死亡を遂げています。正確な大気質予測は、被害を軽減し、公衆衛生上の意思決定を導くために極めて重要です。近年、機械学習技術が大気質予測に応用されるようになってきましたが、既存のベンチマークデータセットは地理的範囲や汚染物質の種類において限定的であり、最新の時系列基盤モデル（TSFM）を実世界の大規模データで評価する試みは不十分でした。
このギャップを埋めるため、研究チームは「Air Quality Arena（AQA）」を提案しました。AQAは大規模な多国・多汚染物質データセット（AQA-Data）と、それに対応するベンチマークフレームワーク（AQA-Bench）から構成されます。AQA-Dataは、7つの異なる国（4大陸にまたがる）の14,000以上の観測点-汚染物質時系列を網羅し、3年間の期間にわたる6種類の主要大気汚染物質（PM2.5、PM10、NO2、O3、SO2、CO）の濃度データを含みます。この規模により、AQAは現在利用可能な大気質機械学習ベンチマークの中で最も包括的なものの一つとなっています。
研究チームはAQA-Dataを用いて、11種類の主要な時系列基盤モデルと、ARIMAやLSTMなどの古典的ベースライン手法を体系的に評価しました。評価タスクは短期（例えば将来24～72時間）の大気質予測に焦点を当てています。実験結果は、時系列基盤モデルがゼロショット予測シナリオで優れた性能を発揮し、特定タスクへの微調整なしで古典的ベースラインを一貫して上回ることを示しました。特に注目すべきは、最良のモデルが革新的なクロスモーダルアーキテクチャを採用し、視覚基盤モデル（vision foundation model）を時系列データの処理に活用することで、より高精度な予測を実現した点です。
AQAプロジェクトの全データ、コード、ベンチマーク結果はAirQualityArena.github.ioで公開されており、研究コミュニティは自由に利用・再現できます。この研究は、時系列基盤モデルの環境科学分野への応用を強力に実証するとともに、将来の大気質予測研究のための堅固なデータ基盤を提供します。研究者らは、より多くの地域と汚染物質が追加されるにつれて、AQAが世界的な大気質モデリングの重要な参照ベンチマークとして継続的に更新されることを期待しています。
（注：本記事はarXivプレプリント2607.19381v1に基づいて作成されました。原題は「Air Quality Arena: A Large-Scale Multi-Region Ground Monitoring Dataset and Benchmark for Air Quality Forecasting with Time-Series Foundation Models」、著者はRishi Bharadwaj他です。）