연구진이 물리 기반 신경망(PCNN)을 개선하여 단기 기상 예측 모델의 정확도와 안정성을 높였어요. WeatherGFT 아키텍처를 기반으로 수치 해법 개선, 통합 오토 회귀 하이브리드 블록 도입, 물리 핵심과 신경망 백본 통합의 3가지 혁신을 제안했어요.
개선된 수치 해법을 통해 시간 간격을 1200초까지 늘리고, 일일 평균 제곱 오차를 최대 26% 줄였어요. 남태평양 WeatherBench 데이터셋 평가 결과, 1~12시간 예측 시 순수 신경망 모델 대비 RMSE를 8~22% 감소시켰고 물리적 일관성을 유지했어요.
점진적인 하이브리드 모델 개선이 더 정확하고 효율적인 단기 기상 예측을 위한 실용적인 방법임을 입증했어요.