TimesFM 2.5의 새로운 기능

Google Research는 TimesFM(Time Series Foundation Model)을 2.5 버전으로 업데이트했습니다. 이는 ICML 2024에서 논문이 발표된 시계열 예측을 위해 특별히 설계된 디코더 전용 기반 모델입니다.

주요 기술 변경 사항

TimesFM 2.0과 비교하여 2.5 모델에는 몇 가지 중요한 업데이트가 포함되어 있습니다:

• 파라미터 수가 5억에서 2억으로 감소
• 컨텍스트 길이가 2048에서 16k로 증가
• 선택적 3천만 파라미터 분위수 헤드를 통해 최대 1k 수평까지 연속 분위수 예측 지원 추가
• 주파수 표시기 제거
• 새로운 예측 플래그 추가
• XReg를 통한 공변량 지원 복원(2025년 10월 29일 업데이트 기준)

설치 및 설정

저장소는 더 빠른 추론을 위한 Flax 버전, 더 많은 문서 및 노트북을 계획하며 지속적으로 업데이트되고 있습니다. 현재 설치에는 다음이 필요합니다:

git clone https://github.com/google-research/timesfm.git
cd timesfm
# uv로 가상 환경 생성
uv venv
source .venv/bin/activate
# torch로 설치
uv pip install -e .[torch]
# 또는 flax로
uv pip install -e .[flax]
# 또는 XReg 지원으로
uv pip install -e .[xreg]

기본 사용 예시

다음은 소스의 기본 예측 워크플로입니다:

import torch
import numpy as np
import timesfm

torch.set_float32_matmul_precision("high")
model = timesfm.TimesFM_2p5_200M_torch.from_pretrained("google/timesfm-2.5-200m-pytorch")
model.compile(timesfm.ForecastConfig(
    max_context=1024,
    max_horizon=256,
    normalize_inputs=True,
    use_continuous_quantile_head=True,
    force_flip_invariance=True,
    infer_is_positive=True,
    fix_quantile_crossing=True,
))
point_forecast, quantile_forecast = model.forecast(
    horizon=12,
    inputs=[
        np.linspace(0, 1, 100),
        np.sin(np.linspace(0, 20, 67)),
    ],  # 두 개의 더미 입력
)
출력 형태:
point_forecast.shape → (2, 12)
quantile_forecast.shape → (2, 12, 10): 평균, 10번째부터 90번째 분위수.

모델 이용 가능성

모델은 여러 채널을 통해 이용 가능합니다:

• GitHub 저장소: google-research/timesfm
• 모든 체크포인트를 위한 Hugging Face 컬렉션
• 공식 Google 제품으로서 BigQuery의 TimesFM(참고: 이 오픈 버전은 공식적으로 지원되지 않음)
• 이전 버전(1.0 및 2.0)은 v1 하위 디렉토리에 보관됨

시계열 데이터를 다루는 개발자들에게 이는 이전 버전에 비해 파라미터 효율성과 컨텍스트 처리에서 중요한 업데이트를 나타냅니다. 연속 분위수 예측의 추가는 생산 예측 시스템에 가치 있는 더 상세한 불확실성 추정치를 제공합니다.