本研究は、時空間データマイニング（STDM）の効率的な手法であるSparseSTを提案します。従来のConvolutional Long Short-Term Memory（ConvLSTM）手法は、高い汎用性を持つものの、計算コストが高く、限られたリソースのエッジデバイスでは使用が難しいため、効率的なAI技術が求められています。本稿では、モデルの冗長性を削減する一般的な手法の代わりに、データのスパース性を利用して新しいモデルを構築。さらに、パレート最適性を考慮した多目的ロス関数を設計することで、計算資源と性能要件に応じてモデルを調整するための実用的なガイダンスを提供します。この方法は、輸送、製造、医療など多様な複雑な物理システムでのアプリケーションが期待されます。