Naukowcy opracowali nową metodę NEST, która zmienia podejście do prognozowania szeregów czasowych w systemach o skomplikowanym zachowaniu. Zamiast traktować wszystkie dane jako jednorodne, model rozpoznaje, że rzeczywiste systemy operują w różnych trybach - każdy z własnymi dynamiką i wzorcami. NEST wykorzystuje architekturę Mixture-of-Experts z dwoma fazami: najpierw identyfikuje odrębne режимы operacyjne poprzez nienadzorowane grupowanie w specjalnie zdefiniowanej przestrzeni moment-entropii, a następnie rozsyła dane do wyspecjalizowanych ekspertów odpowiedzialnych za każdy tryb.
Kluczowa innowacja polega na tym, że poszczególni eksperci nie są statycznymi predyktorami, ale dynamicznym kernelami, które uczą się unikalnych wzorców uwagi dla zmiennych charakterystycznych dla każdego režimu. Mechanizm routowania uwzględnia zarówno zawartość czasową danych, jak i geometrię w stosunku do centroidów režimów. To podejście jest istotne, ponieważ większość istniejących metod skupia się wyłącznie na zmianach zachodzących w krótkich skalach czasowych, ignorując globalne przesunięcia strukturalne, gdzie system przechodzi między fundamentalnie różnymi stanami.
Ewaluacja na różnorodnych benchmarkach - od heterogenicznego ruchu sieciowego po dane z systemów fizycznych - wykazała, że NEST konsekwentnie osiąga rezultaty lepsze od dotychczasowych metod. Autorzy udostępnili kod i dane do replikacji badań, co otwiera możliwość praktycznego zastosowania tego podejścia do prognozowania w systemach energetycznych, finansowych i telekomunikacyjnych.