Bài báo này đề cập đến vấn đề ổn định của dự báo dài hạn sử dụng các mô hình thời tiết quy mô lớn (LWM). Trong khi các mô hình tiên tiến hiện có đạt được độ ổn định liên niên bằng cách chuyển đổi dữ liệu đầu vào thành các miền không gian phi chuẩn, chẳng hạn như sóng hài cầu hoặc lưới HEALPix, bài báo này chứng minh rằng hiệu suất tương tự có thể đạt được trên lưới vĩ độ-kinh độ chuẩn. Chúng tôi đề xuất AtmosMJ, một mạng nơ-ron tích chập sâu xử lý trực tiếp dữ liệu ERA5. Mạng này tạo ra các dự báo ổn định trong khoảng 500 ngày bằng cách ngăn ngừa tích lũy lỗi thông qua cơ chế Gated Residual Fusion (GRF) mới. AtmosMJ đạt được độ chính xác dự báo 10 ngày tương đương với các mô hình như Pangu-Weather và GraphCast, trong khi đào tạo với chi phí đào tạo thấp là 5,7 ngày trên GPU V100. Điều này chứng minh rằng thiết kế kiến trúc hiệu quả, chứ không phải biểu diễn dữ liệu phi chuẩn, là chìa khóa cho dự báo thời tiết dài hạn.
