Z6·尊龙凯时「中国区」官方网站 用Attention和MoE预告天气，刷新公里级臆度SOTA

近日，野神思视觉限制顶级外洋会议CVPR 2026公布了论文托付效果。本次会议共收到 16，092 篇投稿，最终托付 4，090 篇，全体托付率为25.42%，其中仅有约2.5%的论文被评为Highlight Paper。

由香港科技大学郭嵩院士（IEEE Fellow）团队与上海 AI 践诺室相助完成的论文《STCast: Adaptive Boundary Alignment for Global and Regional Weather Forecasting》收效入选 CVPR 2026 Highlight Paper。

该使命建议了一种全新的时空天气预告框架 STCast，通过自适宜规模对皆和期间夹杂群众模子，在全国预告、区域预告、台风旅途臆度和相聚预告四大任务上全面特出现存智力，获得了SOTA 性能。

研究布景与动机

准确的公里级区域天气预告是一项具有深刻社会经济影响的首要科学挑战。现存的区域预告计谋主要分为两类：

测验专用区域模子

忽略了瞄准确预告至关进犯的跨区域依赖关系

从全国预告中编著区域

受限于静态且不精准的区域规模，泛化时代差

传统数值天气预告 ( NWP ) 智力通过求解偏微分方程来处理规模问题，但野心资本极高。而现存的 AI 智力不时只使用相邻区域来界说规模，这与熟谙的"大气 - 海洋 - 陆地 - 生物圈耦合表面"相矛盾——该表面标明，区域大气中的任何少许都受到通盘地球系统的影响。举例，西伯利亚的寒潮不错激励东亚的寒潮，青藏高原的地表加热不错同期编削东亚季风和北好意思洪流。

为了不断这些挑战，团队建议了STCast 框架，它明确地模拟了地球系统中赓续演变的全国 - 区域关系性。

三种区域预告计谋对比

团队对比了三种主流的区域天气预告计谋：

上图中，图 ( 1 ) 是三种区域预告计谋线路图：

( a ) 现存 AI 智力：从全国预告中编著相邻区域，米兰体育(MilanSports)官网与区域变量沿途进行预告；

( b ) 从新成功测验：仅使用筹画区域的数据测验模子；

( c ) 团队的智力 ( STCast ) ：通过散播密积聚拢全国 - 区域模子进行预告。

图 ( 2 ) 是三种计谋的区域预告性能对比。

定量效果标明，STCast 在通盘变量的平均 RMSE 和 ACC 上都获得了最好性能，权贵优于成功测验和 OneForecast 智力。这考证了团队的动态、地球感知规模机制优于基于静态邻居的耦合智力。

STCast 全体架构

STCast 是一个长入的时空天气预告框架，省略同期处理四约莫津任务：

△图 2：STCast 全体架构图

( a ) 低差别率全国预告：包含编码器、处理器息争码器，集成了 Temporal MoE 模块；

( b ) 高差别率区域预告：通过 Spatial-Aligned Attention 模块交融全国和区域信息；

( c ) 台风旅途臆度：诈欺臆度的高差别率 MSL 来推断台风旅途；

( d ) 持久预告和相聚预告：通过注入 Perlin 噪声生成多个预告相聚。

STCast 的中枢更动在于两个要津模块：Spatial-Aligned Attention ( SAA ) 和Temporal Mixture-of-Experts ( TMoE ) 。

中枢更动一：Spatial-Aligned Attention ( SAA )

Spatial-Aligned Attention 模块将全局特征当作 Query 和 Key，将区域特征当作 Value，通过线性交叉庄重力动态耦合全国和区域特征。

△图 3：Spatial-Aligned Attention 线路图

SAA 的要津机制包括：

大圆距离度量

更准确地测量地球名义上的空间关系

指数距离衰减函数

运振荡可学习的全国 - 区域散播，确保远距离区域的影响较弱

高效庄重力机制

将野心复杂度从 O ( n ² ) 缩短到 O ( n )

通过这种神志，SAA 建设了一个最优的全国 - 区域散播，Z6尊龙凯时中国官方网站该散播在测验经由中赓续优化，省略捕捉全国和区域大气花式之间的潜在关系性。

中枢更动二：Temporal Mixture-of-Experts ( TMoE )

研讨到大气变量在不同月份存在权贵相反，Temporal Mixture-of-Experts 将每个月的预告视为相对孤立的任务，并使用夹杂群众模子来组织这些任务。

△  图 4：Temporal Mixture-of-Experts 线路图

TMoE 的要津机制包括：

闹翻高斯散播

为每个月学习一个高斯散播来线路其期间特征

旋转对皆

将月份序列旋转对皆到输入变量，确保激活概率随期间距离单调递减

多群众激活

增强路由各类性，崇尚群众同质化

践诺效果 1. 低差别率全国预告

团队在 ERA5 数据集上评估了 STCast 的全国预告性能，与 Pangu-Weather、Graphcast、Fuxi 和 OneForecast 等主流智力进行了对比。

△  表 1：全国天气预告性能对比

效果标明，STCast 在通盘基准测试中都推崇出一致的优厚性，十分是在持久臆度方面获得了权贵的栽种。这成绩于团队的月份特定测验计谋，它省略灵验地捕捉大气系统中的季节依赖和月际变化。

2. 高差别率区域预告

△  图 5：东亚区域的高差别率预告践诺：成功测验、OneForecast 和 STCast 智力对比

在东亚区域的高差别率预告践诺中，团队对比了成功测验、OneForecast 和 STCast 三种智力。效果显露，已毕动态规模条目的 STCast 比较成功测验的 STCast（无动态规模）和 OneForecast，RMSE 缩短了 0.05，ACC 提高了 0.1。

3. 顶点事件评估：台风旅途臆度

团队评估了 STCast 在两个近期台风事件上的推崇：2024 年 5 月的台风艾云尼 ( Ewiniar ) 和 2024 年 11 月的台风银杏   ( Yinxing ) 。

△图 6：台风旅途臆度效果

效果显露，STCast 的 72 小时旅途预告与不雅测旅途的吻合度赫然高于 ECMWF、FourCastNet、Pangu-Weather 和 FengWu。十分是在台风银杏的持久臆度中，STCast 的平均误差仅为 96.5 公里，而次优的 Pangu-Weather 为 160 公里。

消融研究

团队进行了全面的消融研究来考证每个模块的灵验性：

△表 2：消融研究效果

效果标明，移除任何组件都会导致区域和全国任务的性能下落。最权贵的下削发削发生在移除全国 - 区域散播   ( 区域任务：10 天 RMSE 增多 0.22 ) 和月份镶嵌   ( 全国任务：10 天 RMSE 增多 0.13 ) 时，这证据了每个组件在栽种 STCast 全体灵验性方面的要津作用。

论断

在这项使命中，团队在 Spatial-Aligned Attention 模块中引入了自适宜庄重力求，为区域预告提供动态规模条目。除了区域任务外，团队还将 Temporal Mixture-of-Experts 镶嵌到时空预告框架 STCast 中，将天气预告视为一个多任务问题，并将月度子任务交付给成心的群众。

因此，STCast 同期不断了四个不同的挑战：低差别率全国预告、高差别率区域预告、顶点事件评估和相聚天气预告。践诺和消融研究证据，STCast 在通盘评估场景中都弥远优于竞争智力。

论文衔接：https://arxiv.org/pdf/2509.25210v3

代码仓库：https://github.com/chenhao-zju/STCast

一键三连「点赞」「转发」「留神心」

接待在研究区留住你的思法！

—  完  —

咱们正在招聘又名眼疾手快、柔软 AI 的学术编著实习生  � �

感趣味的小伙伴接待柔软 � �  了解细目

� � 点亮星标 � �

科技前沿进展逐日见Z6·尊龙凯时「中国区」官方网站