# AIFS-Single を Windows + GPU でローカル推論する手順

ECMWF（欧州中期予報センター）が公開しているAI気象予報モデル `ecmwf/aifs-single-1.0` を、Windows + NVIDIA GPU でローカル実行するための手順とスクリプト一式です。RTX3080（10GB VRAM）で動作確認済み（VRAM使用率ほぼ100%）。

対応記事: [無料の気象AIをゲーミングPCで動かしてみた](/articles/aifs-weather-forecast/)

---

## 必要なもの

- Windows + NVIDIA GPU（VRAM 10GB以上を推奨）
- [Miniconda](https://docs.conda.io/en/latest/miniconda.html) または Anaconda
- Python 3.11
- ディスク空き容量: モデル重み約1GB、全球予報データ約625MB/回

### 必要なライブラリ

```bash
conda create -n aifs python=3.11 -y

# PyTorch（GPUドライバのCUDAバージョンに合わせる。例はcu124）
"<conda_root>/envs/aifs/python.exe" -m pip install --index-url https://download.pytorch.org/whl/cu124 torch

# 推論本体（バージョン指定に理由あり。下記「はまりどころ」参照）
"<conda_root>/envs/aifs/python.exe" -m pip install "anemoi-inference==0.4.10" "anemoi-models==0.3.1" ecmwf-opendata huggingface_hub
"<conda_root>/envs/aifs/python.exe" -m pip install anemoi-datasets anemoi-graphs anemoi-utils

# healpy はpipだとWindowsでビルド失敗するのでconda-forge版を使う
conda install -n aifs -c conda-forge healpy -y

# 全球データの取得・GUI表示・天気図描画に使う
"<conda_root>/envs/aifs/python.exe" -m pip install earthkit-data earthkit-regrid streamlit plotly requests cartopy matplotlib
```

### モデル重みのダウンロード（HuggingFace、約948MB）

```python
from huggingface_hub import hf_hub_download
hf_hub_download(
    repo_id="ecmwf/aifs-single-1.0",
    filename="aifs-single-mse-1.0.ckpt",
    local_dir="<保存先フォルダ>",
)
```

---

## 使い方

1. `aifs_run_global.py` — AIFS-Singleを1回実行し、全球分の予報を`.npz`に保存（GPU使用、15〜20分）
   ```bash
   python aifs_run_global.py --lead-hours 360 --out global_forecast.npz
   ```
2. `extract_city_from_global.py` — 保存済みデータから任意の地点の時系列をCSVに抽出（GPU不要、1秒未満）
   ```bash
   python extract_city_from_global.py --npz global_forecast.npz --lat 34.3853 --lon 132.4553 --out hiroshima.csv
   ```
3. `draw_weather_map.py` — 保存済みデータから天気図PNGを生成（GPU不要）
   ```bash
   python draw_weather_map.py --hours 24 --out map_24h.png
   ```
4. `aifs_weather_app.py` — 上記をまとめたStreamlit GUI
   ```bash
   python -m streamlit run aifs_weather_app.py
   ```

各スクリプト冒頭の `<YOUR_PROJECT_ROOT>` は、モデル重み・保存先データを置いているフォルダに書き換えてください。

---

## Windows特有のはまりどころ

このモデルは元々Linux + FlashAttention前提で学習・配布されており、Windows実行にはいくつかの回避策が必要でした。

### 1. ライブラリのバージョンを学習時に合わせる

チェックポイントは学習時の `anemoi-models==0.3.1`, `anemoi-inference` 0.4系（2025年2月頃のリリース）で作られています。最新版を入れると内部API変更で `ModuleNotFoundError` や `TypeError` が連鎖します。`anemoi-utils` / `anemoi-datasets` / `anemoi-graphs` は最新版で問題ありません。

### 2. flash_attn の代替実装が必要

チェックポイントには `flash_attn_func` への直接参照がpickleされており、`flash_attn` パッケージが無いとモデルの読み込み自体が失敗します。Windowsでは正規のビルドが困難なため、`torch.nn.functional.scaled_dot_product_attention` を同じシグネチャでラップした互換パッケージを自作すると回避できます（計算結果は数学的に同一）。

### 3. チェックポイントのパスがLinux形式

スクリプトの先頭で以下を実行しておく必要があります（他のimportより前）。

```python
import pathlib
pathlib.PosixPath = pathlib.WindowsPath
```

### 4. 初期値データの変数名（ECMWF Open Data特有の落とし穴）

| 項目 | 誤りやすい書き方 | 正解 |
|---|---|---|
| 解析値の取得 | `type=an` を指定 | ECMWF Open Dataに`an`は無い。`type=fc, step=0` で代用 |
| 土壌温度 | `stl1`/`stl2` を直接リクエスト | `sot`を`levelist=[1,2]`で取得し`sot_1→stl1, sot_2→stl2`にリネーム |
| 土壌水分 | `swvl1`/`swvl2` を直接リクエスト | `vsw`を`levelist=[1,2]`で取得し`vsw_1→swvl1, vsw_2→swvl2`にリネーム |
| 気圧面のジオポテンシャル | `z` を直接リクエスト | `gh`（ジオポテンシャル高度）を取得し `z = gh × 9.80665` |
| 格子 | 0.25度格子のまま渡す | AIFSの内部格子は`N320`。`earthkit.regrid.interpolate()`で変換必須 |

### 5. matplotlib/cartopyがネイティブクラッシュする場合

conda環境のpython.exeを直接実行していると、matplotlib(Agg backend)の描画がWindows例外で無言クラッシュすることがあります（`conda activate`を経由しないとDLL検索パスに`<env>/Library/bin`が入らないため）。天気図を描く前に、環境変数PATHの先頭に対象envの`Library/bin`等を追加してください。

```python
import os, pathlib
env_dir = pathlib.Path(python_exe).parent
extra = [str(env_dir), str(env_dir/"Library"/"bin"), str(env_dir/"Scripts")]
os.environ["PATH"] = os.pathsep.join(extra) + os.pathsep + os.environ["PATH"]
```

---

## 精度についての注意

実際の天気予報と比較したところ、2〜3日目以降で気温が10℃以上乖離するケースを確認しています（詳細は[記事本文](/articles/aifs-weather-forecast/)参照）。実用の天気予報としては使わないでください。

## 参考

- 公式ノートブック: https://huggingface.co/ecmwf/aifs-single-1.0/blob/main/run_AIFS_v1.ipynb
- モデルカード: https://huggingface.co/ecmwf/aifs-single-1.0
- ECMWF Open Data: https://github.com/ecmwf/ecmwf-opendata