Un equipo que incluye investigadores del MIT describió en un artículo publicado en Nature el 14 de octubre de 2026 una técnica de aprendizaje automático que corrige errores de los modelos de previsión existentes y mejora su output en el horizonte de dos a seis semanas. Aplicada a un modelo de referencia, la capa de posprocesamiento duplicó la precisión en ese rango y obtuvo el primer lugar en un concurso internacional de previsión. Según el estudio, es la primera vez que estas previsiones superan los promedios climatológicos entre la segunda y la sexta semana.

El coautor Judah Cohen, científico investigador del MIT, afirmó que el método mejora tanto las previsiones promediadas en el tiempo como la predicción de fenómenos extremos, como inundaciones u olas de frío. La investigación también mostró mejoras estadísticamente significativas en la predicción de extremos y resultados positivos al aplicar la corrección a otros modelos, incluso a algunos de menor calidad. El modelo es de código abierto y de bajo costo, y no requiere un supercomputador para funcionar.

El estudio empleó datos históricos para que la capa aprendiera de los errores y ajustara sus previsiones de forma adaptativa. Cohen mencionó que el servicio meteorológico de Kenia se interesó en implementarlo para mejorar la previsión del monzón anual y los rendimientos agrícolas, aunque no se informó de una adopción concretada. La investigación recibió apoyo de la Fundación Nacional de Ciencias de EE. UU., la Fundación Carlos Chagas Filho y la Unión Europea.