여러 변수와 보조 정보를 함께 고려해 미래를 예측하는 시간 계열 모델
매일 쌓이는 데이터의 흐름을 보고 앞으로의 값을 짐작해야 할 때, 과거 기록과 함께 움직이는 다른 변수들까지 한 번에 계산할 수 있습니다. 구글 리서치가 만든 TimesFM은 미리 학습된 시간 계열 기반 모델로, 별도의 튜닝 없이 다양한 형태의 데이터를 처리합니다. 특히 3.0 버전에서는 여러 채널의 데이터를 동시에 예측하고, 과거와 미래의 보조 변수를 자연스럽게 반영하는 기능이 추가되었습니다.
3.0 버전의 새로운 예측 방식
TimesFM 3.0은 단일 변수뿐 아니라 여러 변수가 함께 움직이는 다변량 시간 계열을 기본적으로 지원합니다. 과거에만 존재하는 정보와 미래에도 알려진 정보를 모두 보조 변수로 활용할 수 있어, 복잡한 상황에서도 더 정교한 예측이 가능합니다. 이 모델은 사전 학습된 상태 그대로 사용 가능하며, 특정 작업에 맞춰 조정할 필요가 없습니다. 또한 주요 시간 계열 예측 벤치마크 세 가지에서 모두 1위를 기록하며 성능을 입증했습니다.
사용 환경과 설치 방법
모델은 Python으로 작성되어 있으며, PyTorch 또는 Apple silicon을 위한 MLX 백엔드를 지원합니다. PyPI에서 pip install timesfm[torch] 명령으로 PyTorch 버전을 설치할 수 있고, Apple 칩을 사용하는 경우 pip install timesfm[mlx]로 PyTorch 없이 실행할 수 있습니다. 로컬에서 개발하려면 저장소를 클론한 후 가상 환경을 만들어 편집 가능 모드로 설치하면 됩니다. 2.5 버전 이하의 체크포인트는 Apache-2.0 라이선스를 따르지만, 3.0 버전의 사전 학습된 가중치는 비상업적 및 비생산 환경 사용으로 제한됩니다.
상업적 활용과 라이선스 구분
소스 코드는 Apache-2.0 라이선스로 공개되어 자유롭게 수정하고 사용할 수 있습니다. 하지만 3.0 버전의 사전 학습된 가중치는 별도의 비상업적 라이선스(timesfm-non-commercial-license-v1.0)를 적용받습니다. 따라서 다운로드한 가중치를 직접 호스팅하거나 상업적 목적으로 사용하는 것은 허용되지 않습니다. 상업적 및 생산 환경에서의 사용은 BigQuery ML과 같은 구글 클라우드 공식 서비스를 통해만 가능합니다. 2.5 버전 이하의 가중치는 여전히 Apache-2.0 라이선스를 유지하여 상업적 사용이 가능합니다.
적용 전 확인해야 할 사항
3.0 버전의 가중치를 직접 다운로드해 상업적 서비스나 프로덕션 환경에 배포할 계획이라면, 구글 클라우드의 BigQuery ML이나 Vertex AI와 같은 공식 경로를 이용해야 합니다. 개인 프로젝트나 연구 목적으로 비상업적 환경에서 사용한다면 로컬 설치 후 바로 활용할 수 있습니다. 또한 MLX 백엔드를 사용할 경우 PyTorch와 수치적으로 일치하는지, 그리고 긴 시계열 예측 시 패치 연결 부분의 오차를 점검하는 것이 좋습니다.
