突然成層圏暖化（SSW）は、季節間の予測性を高める重要な要因であり、厳しい冬の天候の主要な要因とされています。しかし、数値天気予測（NWP）システムにおいて、SSWの正確かつ効率的な予測は、物理的表現や初期化、アンサンブル予測の膨大な計算要求などの制約により、常に課題となっています。本研究では、流れマッチングに基づく生成AIモデル（FM-Cast）を開発し、成層圏循環の空間的・時間的進展の効率的かつ技能的な確率的予測を実現しました。1998年から2024年までの18の主要なSSWイベントを評価した結果、FM-Castは10のイベントについて、最大20日前に始まりや強度、形態を予測でき、アンサンブル精度は50％を超えました。このパフォーマンスは、主要なNWPシステムと同等かそれを上回り、一般消費者向けのGPUでわずか2分で50メンバー、30日間の予測を行うことができます。また、FM-Castを科学的ツールとして活用することで、SSWの予測可能性がその基礎となる物理的要因と深く結びついていることが示されました。