La predicción de secuencias espacio-temporales es uno de los temas más candentes en el campo del aprendizaje profundo debido a su amplio rango de aplicaciones potenciales en el procesamiento de datos tipo video, específicamente en la predicción del clima. Dado que la mayoría de las observaciones espacio-temporales evolucionan bajo leyes físicas, adoptamos un esquema de compuertas de atención para aprovechar los patrones dinámicos capturados por estructuras de convolución personalizadas y proponemos una nueva red neuronal, PastNet, para lograr predicciones precisas. Al resaltar partes útiles del mapa de características completo, las unidades de compuertas ayudan a aumentar la eficiencia de la arquitectura. Experimentos extensos realizados en conjuntos de datos sintéticos y del mundo real revelan que PastNet tiene la capacidad de llevar a cabo esta tarea con un mejor rendimiento que los métodos base.