入力シーケンスから既知の物理的な情報と未知の要素と見た目を含む情報へと分解したことが新規。先行研究ではあまり物理的な現象を捉えたdisentanglementな手法はなかった。また、データ同化の考えに則って新たな再帰物理セルのPhyCellを提案し、PDEのクラスを離散化、欠けているデータを用いたロバストな学習と長期の予測も可能とした。

４種類のデータセットにおいて、従来のSoTAであったDDPAEを抜かしてSoTAを達成。他のLSTM系のrecurrent cellと比べてPhyCellが優れていることが証明された。