この記事では、衛星データを用いた短期的な降水予測のための新しいモデル、TUPANN（Transferable and Universal Physics-Aligned Nowcasting Network）が提案されています。従来の天気レーダーネットワークに依存せずに、気象の動きや強度を物理的に分解した予測を行います。GOES-16データに基づいて訓練され、最大180分のリードタイムで評価が行われ、様々な気候地域（リオデジャネイロ、マナウス、マイアミ、ラパズ）での比較がなされました。TUPANNは、他の光フローや深層学習モデルと比較して、ほとんどの環境で優れた予測精度を示し、特に高い降水量において顕著な改善を果たしています。また、モデルは滑らかで解釈可能な動きのフィールドを生成し、リアルタイムで動作可能です。全体として、物理的に整合した学習が、技術的に優れた、移転可能かつグローバルな予測を提供できることを示しています。