Das Population Dynamics Foundation Model (PDFM) ist Teil von Google Earth AI. Es fasst datenschutzschonende Signale zu Orten in kompakten geografischen Einbettungen zusammen. Dazu gehören aggregierte Suchtrends, Angaben zu Dichte und Aktivität von Orten wie Apotheken, Kliniken und Parks sowie Wetter- und Luftqualitätsdaten. Die Einbettungen werden monatlich aktualisiert und können laut Google Research in vorhandene statistische und maschinelle Lernmodelle eingebunden werden. Eine auf einzelne Aufgaben zugeschnittene Feinabstimmung sei dafür nicht erforderlich.
Die Forschenden untersuchten das Modell gemeinsam mit Partnern in fünf Anwendungsfeldern. Bei einer Analyse von MMR-Impfungen in 146 Counties an der Grenze zwischen den USA und Kanada stieg die erklärte Varianz durch PDFM um 36 Prozent relativ: von 0,159 auf 0,216. Google Research führt den Zuwachs auf die Erfassung grenzüberschreitender Mobilität und Informationsflüsse zurück; das Ergebnis sei statistisch signifikant.
Eine weitere Untersuchung betraf die kurzfristige Schätzung und räumliche Ergänzung von Sterblichkeitsdaten zu Herz-Kreislauf-Erkrankungen in 3.091 Counties der zusammenhängenden USA. Beim Nowcasting lag der mittlere absolute Fehler des PDFM-Modells bei 18,7 Todesfällen pro County, gegenüber 19,1 bei einem Modell auf Basis von Volkszählungsdaten. Der RMSE betrug 46,00 statt 57,69. Die Unterschiede waren laut Google Research statistisch nicht signifikant. Das Modell erreichte damit eine vergleichbare Genauigkeit und könnte als zeitnahe Alternative dienen, wenn Volkszählungsdaten veraltet oder nicht verfügbar sind.
Für Dengue untersuchten die Partner Kurzfristprognosen in rund 2.450 mexikanischen Gemeinden. In Verbindung mit TimesFM zeigte sich laut Google Research ein statistisch signifikanter Vorteil bei Prognosen für einen Monat: Der gewichtete Intervallscore sank um 0,0051; niedrigere Werte gelten dabei als besser. Die Arbeit ordnet die Ergebnisse als Prüfung eines Ansatzes ein, bei dem vortrainierte Ortsrepräsentationen bestehende epidemiologische Arbeitsabläufe ergänzen, statt eigene Datenverarbeitungsketten vorauszusetzen.