研究者は物理情報を取り入れた多モーダルディープラーニングフレームワークIMPACTを開発し、太陽光発電の10〜110分先を確率的に予測できることを報告した。IMPACTは4つのエンコーダを持ち、プラントレベルの時間履歴、インバータレベルの雲動態、将来の太陽位置とインバータの減電活動、現在の気象状態を独立に符号化し、ゲート付きクロス注意機構で統合する。

このモデルはスマート持続予測ベースラインに基づき、クラスター化された重み付けでアダプティブに校正することで、15のベースラインモデルをすべて上回った。205 MW規模の太陽光発電所のデータを3つの拡張窓交差検証により評価した結果、FSS（予測スキルスコア）は0.2950に達し、次点のモデルを0.099以上上回った。さらに、nRMSE = 0.1375、nMAE = 0.0669、R² = 0.7683という決定的誤差は同種研究の中で最も低かった。

ただし、屋外の雲が多い「曇り」条件下では性能が低下することが報告され、曇り条件でのFSSは0.198と最も低く、明るい「晴天」条件と比べ大きな差が見られた。これらの結果は、明るい環境のデータが予測に有利であることを示している。

IMPACTは現場での導入を想定しており、予測スキルの向上とエラーの低減により、再生可能エネルギーの統合や電力市場での取引モデルの改善が期待される。しかし、曇り条件での性能低下は今後の改良点となる。本研究は多モーダルデータ解析と物理知識の統合が太陽光発電予測に有効であることを示した。