Este artículo propone TelePiT, una novedosa arquitectura de aprendizaje profundo, para abordar los desafíos de la predicción intraestacional a estacional (S2S), que implica pronosticar las condiciones climáticas con semanas o meses de antelación. TelePiT codifica con precisión las variables atmosféricas globales en geometría esférica mediante la integración de funciones armónicas esféricas, captura explícitamente los procesos físicos atmosféricos en diversas bandas de frecuencia aprendibles mediante ecuaciones diferenciales ordinarias (EDO) neuronales basadas en la física multiescala y modela explícitamente patrones de teleconexión mediante un transformador con capacidad de teleconexión para modelar interacciones climáticas globales críticas. Los resultados experimentales demuestran que TelePiT supera a los sistemas de predicción meteorológica numérica operacional y de referencia basados en datos de última generación en todos los horizontes de pronóstico.
