Billionenstufiges Wetterdatenset und Diffusionsmodell verbessern Text-zu-Zeitreihen<br/>

Eine neue Veröffentlichung auf arXiv präsentiert einen Durchbruch in der meteorologischen Datenverarbeitung: Mit dem brandneuen MeteoCap-3B‑Datensatz und dem MTransformer‑Modell wird die Generierung von Wetterzeitreihen aus Textbeschreibungen auf ein völlig neues Niveau gehoben.

MeteoCap-3B ist ein Billionen‑Stufen‑Datenset, das Wetterdaten mit hochqualitativen, physikalisch konsistenten Beschriftungen kombiniert. Die Beschriftungen entstehen durch einen Multi‑Agent Collaborative Captioning (MACC)‑Prozess, bei dem mehrere Experten gleichzeitig an der Erstellung der Texte arbeiten. Das Ergebnis sind informationsreiche Anmerkungen, die die komplexen, mehrskalenigen Atmosphärenphänomene exakt abbilden.

Auf Basis dieses Datensatzes wurde der MTransformer entwickelt – ein diffusion‑basiertes Modell, das Text in spektrale Prioritäten übersetzt. Durch einen Spectral Prompt Generator werden Frequenz‑sensitiv gesteuerte Aufmerksamkeitsmechanismen aktiviert, die die Generierung präzise an die semantische Vorgabe anpassen. In umfangreichen Tests über reale Wetterbenchmarks zeigte das Modell eine überlegene Qualität, exakte Cross‑Modal‑Alignment und starke semantische Steuerbarkeit. Besonders beeindruckend sind die Verbesserungen bei Vorhersagen in datenarmen und Zero‑Shot‑Szenarien.

Die Ergebnisse deuten darauf hin, dass der Ansatz nicht nur für die Meteorologie, sondern auch für allgemeine Zeitreihenaufgaben übertragbar ist. Mit MeteoCap-3B und MTransformer eröffnet sich ein neues Feld für die datengetriebene Wetterforschung und die Entwicklung intelligenter, textgesteuerter Prognosesysteme.