Marchuk：通过流量匹配进行中范围到次季节尺度的高效全球天气预报

由于大气固有的混乱性质，准确的次季节天气预报仍然是一个重大挑战，这限制了传统模型在中期范围（大约 15 天）之外的预测能力。在这项工作中，我们提出了 \textit{Marchuk}，一种用于全球天气预报的生成潜在流匹配模型，涵盖中范围到次季节时间尺度，预测范围长达 30 天。 Marchuk 在当前天气地图上条件，并在学习的潜在空间内自回归预测随后几天的天气地图。我们用可训练的位置嵌入替换旋转位置编码（RoPE），并扩展时间上下文窗口，这共同增强了模型在潜在预测期间表示和传播远程时间依赖性的能力。 Marchuk 具有两个关键优势：高计算效率和强大的预测性能。尽管其架构紧凑，仅包含 2.76 亿个参数，但该模型的性能可与 LaDCast（具有 16 亿个参数的更大模型）相媲美，同时运行推理速度也显着提高。我们将推理代码和模型开源：https://v-gen-ai.github.io/Marchuk/