IBM, Granite 시계열 앙상블 공개: 모델 4개를 하나로 묶어 모델 선택 부담 줄였다

무슨 일이 있었나

IBM Research는 2026년 10월 22일 Hugging Face에 글을 올려 Granite Timeseries Ensemble을 소개했습니다. 시계열은 시간 순서대로 기록된 데이터로, 시간별 전력 사용량이나 일별 판매량 등이 그 예입니다. '앙상블'은 여러 모델의 예측을 합쳐 하나의 결과로 만드는 방식입니다. IBM은 사전학습된 시계열 모델이 대상 데이터셋으로 학습하지 않고도 예측할 수 있지만 사용자가 여전히 모델을 골라야 한다고 설명합니다. 매끄러운 산업 신호에 맞는 모델이 잡음 많은 소매 수요나 긴 계절성 예측에는 맞지 않을 수 있다는 것입니다.

IBM Research에 따르면 이 구성은 서로 보완적인 Granite 아키텍처 4종을 결합해 중앙값과 분위수 예측을 반환하며, 재학습이 필요 없고 맞춰야 하는 앙상블 가중치도 없습니다. 분위수 예측은 가능한 범위를 나타낼 수 있습니다. 예를 들어 0.1과 0.9 분위수 사이는 명목상 80%의 경우를 포함하는 예측 구간입니다. 이하의 성적과 설명은 모두 IBM의 주장입니다.

두 가지 결합 방식과 네 가지 구성 모델

IBM이 제시한 기본 구성 모델은 PatchTST-FM-r1(Patched Transformer), PatchTST-FM-r2(Patched Conformer), FlowState-r1.1(상태 공간 모델), TTM-r3(Tiny Time Mixers, MLP mixer)입니다.

IBM이 권장하는 기본 방식은 Probabilistic Ensemble입니다. 각 모델의 영향력이 같고 확률 공간에서 분위수 예측을 모읍니다. 가중치가 고정되어 맞추는 단계가 없으며 새 시계열마다 가중치 하이퍼파라미터를 조정할 필요도 없습니다. 다른 방식인 IQR Ensemble은 예측의 분산 정도에 따라 가중치를 주어 구간이 좁은 모델의 영향력이 더 큽니다. IBM은 구간이 좁다고 해서 반드시 더 정확하거나 보정이 더 좋은 것은 아니며(보정은 예측 구간의 실제 포함률이 주장한 비율과 맞는지를 뜻합니다), 과신하는 모델에 치우칠 수 있다고 경고합니다.

성적을 보는 방법

GIFT-Eval은 예측 모델의 공개 벤치마크이자 리더보드입니다. MASE로 단일 값 예측의 오차를, CRPS/MWQL로 범위(확률) 예측의 오차를 측정하며, 점수는 단순한 계절성 기준 방법을 기준으로 하고 낮을수록 좋습니다. IBM은 평가를 GIFT-Eval 데이터셋 구성 97개에서 수행했고, 모델은 미세조정하지 않았으며 테스트 타깃을 집계 방법의 선택이나 맞춤에 쓰지 않았다고 밝혔습니다. IBM은 두 앙상블이 전체 MASE와 평균 MASE 순위에서 단일 모델 4개를 모두 앞섰지만 최고 단일 모델과의 MASE 차이는 작으며 주된 이점은 안정성이라고 말합니다.

확률 예측 지표인 CRPS/MWQL에서는 PatchTST-FM-r2의 0.467이 여섯 가지 중 여전히 가장 낮습니다. IBM은 IQR Ensemble의 평균 CRPS 순위가 여섯 가지 중 최고라고 밝혀, 전체 오차와 평균 순위가 서로 다른 선택을 가리킵니다. IBM은 또한 앙상블이 적격 시스템 중 MASE 순위와 CRPS 순위 모두 3위이며, 미세조정했거나 관대하지 않은 라이선스라서 제외된 시스템을 포함해 일부 시스템은 더 좋은 점수를 얻는다고 설명합니다. 따라서 가치는 리더보드 정상에 있지 않습니다.

일반 독자와 사용자에게 주는 의미

수요, 사용량, 센서 데이터를 예측하는 팀에는 '먼저 써 보고 비교하는' 기본 출발점이 생긴 셈이며, 아키텍처 사이에서 무엇이 맞을지 추측할 필요가 없습니다. 다만 IBM은 종합 성적이 모든 시계열에 이득이 된다는 뜻은 아니라고 강조하며, 대표성 있는 데이터로 백테스트하여 두 앙상블과 강력한 단일 모델을 같은 구간에서 비교하고, 분위수 손실과 0.1~0.9 구간의 명목 80% 대비 실제 포함률을 확인하며 실행 시간과 메모리 사용량도 기록하라고 권합니다.

라이선스와 관련해 IBM은 이 앙상블 구성과 기본 Granite 구성 모델이 관대한 라이선스라고 밝혔습니다. 저장소에는 IBM Research 체크포인트를 추가한 확장 구성도 있으며 비상업적·연구 전용 제한이 포함됩니다. IBM은 또 공용 Forecaster 인터페이스가 호환되는 외부 모델을 받아들이며 동일한 다운스트림 예측 형식을 유지한다고 말합니다.

이 주제의 최신 뉴스 보기

• AI 뉴스