Marchuk：フローマッチングによる、中期からサブシーズナル規模までの効率的なグローバル天気予報

要旨: 正確な季節をまたぐ（サブシーズナル）天候予測は、大きな課題として残されています。その理由は、大気の本質的に混沌とした性質により、従来のモデルでは予測可能な能力が中期の範囲（およそ15日）を超えると制限されるためです。本研究では、
\textit{Marchuk} を、全球の天気予報のための生成的潜在フローマッチングモデルとして提案します。これにより、中期からサブシーズナルの時間スケールにまたがる予測が可能になり、予測ホライズンは最大30日までとします。Marchuk は当日の天気図に条件付けし、学習された潜在空間の中で、後続の日々の天気図を自己回帰的に予測します。回転位置エンコーディング（RoPE）を学習可能な位置埋め込みに置き換え、さらに時間コンテキストの窓を拡張することで、潜在予測において長期の時間的依存関係を表現し伝播する能力を、これらはいずれも高めます。Marchuk には2つの主要な利点があります。すなわち、高い計算効率と強力な予測性能です。パラメータ数わずか2億7,600万のコンパクトなアーキテクチャにもかかわらず、本モデルは、1.6 billion（16億）のパラメータを持つ実質的により大規模なモデル LaDCast と同等の性能を達成し、かつ推論速度は大幅に高いという特徴があります。推論コードとモデルをオープンソースで公開します: https://v-gen-ai.github.io/Marchuk/