В публикации от 14 октября 2026 года команда исследователей, включая учёных MIT, описала в журнале Nature метод машинного обучения, корректирующий ошибки существующих моделей прогноза погоды. По данным источника, при применении к эталонной модели ECMWF подход вдвое повысил точность прогнозов на срок от двух до шести недель, а заявка с этой моделью заняла первое место в сезонном конкурсе ECMWF.

Как сообщается, модель впервые превзошла климатологические средние для этого диапазона и показала статистически значимое улучшение прогноза экстремальных явлений. Слой постобработки обучается на исторических данных и ошибках моделей; для его работы не требуется суперкомпьютер, он открыт и недорог. По словам соавтора Джуда Коэна из MIT, метеослужба Кении уже обратилась по поводу применения модели для прогноза муссонов.

Работа частично поддержана Национальным научным фондом США, Фондом Карлуса Шагаса Фильо и Евросоюзом. Описанные результаты относятся к научной публикации; практические последствия и более поздние итоги в источнике не приводятся.