यह शोधपत्र लॉगस्पार्स डीकंपोज़ेबल मल्टीस्केलिंग (LDM) का प्रस्ताव करता है, जो दीर्घकालिक समय श्रृंखला पूर्वानुमान में दक्षता और प्रभावशीलता दोनों प्राप्त करने के लिए एक नवीन ढाँचा है। मौजूदा मॉडलों के लंबे इनपुट अनुक्रमों के लिए ओवरफिट होने की समस्या का समाधान करने के लिए, LDM समय श्रृंखला के भीतर विभिन्न पैमानों पर पैटर्न को अलग करके गैर-स्थिरता को कम करता है, संपीड़ित लंबे इनपुट अभ्यावेदन के माध्यम से दक्षता में सुधार करता है, और स्पष्ट कार्य आवंटन के माध्यम से आर्किटेक्चर को सरल बनाता है। प्रायोगिक परिणाम दर्शाते हैं कि LDM दीर्घकालिक पूर्वानुमान मानकों पर मौजूदा मॉडलों से बेहतर प्रदर्शन करता है, साथ ही प्रशिक्षण समय और मेमोरी लागत को भी कम करता है।