본 논문은 장기 시계열 예측의 어려움(비정상성, 다중 스케일 주기성, 과도 동역학)을 해결하기 위해 새로운 프레임워크인 FLDmamba를 제안합니다. 기존 Transformer 기반 모델의 계산 복잡도 문제와 State-Space Model 기반 Mamba의 다중 스케일 주기성 및 과도 동역학 포착의 어려움, 그리고 노이즈 취약성을 극복하고자, Fourier 변환과 Laplace 변환을 활용하여 다중 스케일 주기성과 과도 동역학을 효과적으로 포착하고 노이즈에 대한 강건성을 향상시켰습니다. 실험 결과, FLDmamba는 기존 Transformer 및 Mamba 기반 모델들을 능가하는 성능을 보였습니다. 코드와 데이터는 공개적으로 제공됩니다.
