本研究では、極端な降水現象の予測における高い空間・時間的精度と長いリードタイムの必要性に応えるため、新しいグレー・ボックス学習に基づく三次元降水予測フレームワーク「Nowcast3D」を提案する。従来の手法では、数値天気予報や深層学習に模倣されるアプローチは、迅速に進化する対流に対して遅く粗い無視があった。これに対し、Nowcast3Dは体積レーダー反射率を直接処理し、物理制約のあるニューラルオペレーターとデータ主導の学習を連携させる。モデルは、垂直に変化する三次元の輸送場を学習し、空間的に変化する拡散をパラメータ化する。さらに、小規模な対流の開始や微物理的な変動を捉える残差ブランチや、不確実性を推定する拡散に基づくストochasticモジュールを取り入れることで、より正確な予測を実現。実測による盲評価では、160名の気象専門家のうち57%のケースで1位を獲得しており、信頼性の高い降水予測の道を提供する。