AI는 최대 23일 앞당겨 극단적인 날씨를 정확하게 예측

워싱턴 대학교(University of Washington)의 새로운 연구는 보다 정확한 예측과 장기 예측을 위해 딥 러닝을 사용하여 AI 날씨 모델을 개선하고 있다. 지구물리학 연구 회보(Geophysical Research Letters)에 발표된 이 연구는 초기 대기 데이터를 조정하여 고급 AI 모델이 현재 예측 한계를 확장할 수 있는 방법을 보여준다.

기후 변화로 인해 극단적인 날씨가 점점 더 심각하고 빈번해짐에 따라 정부, 기업, 대중 및 응급 구조대가 홍수, 폭염 또는 허리케인과 같은 자연 재해에 대비할 수 있는 더 많은 시간을 제공하는 것이 인명과 재산 손실을 줄이는 데 도움이 될 수 있다.

"완벽한 날씨 모델에 약간 불완전한 초기 조건이 주어지면 시간이 지남에 따라 오류가 복잡해지고 부정확한 예측이 발생합니다"라고 워싱턴 대학의 박사 과정 학생인 수석 저자 Trent Vonich는 말했다. "이것은 지구의 대기와 같은 혼돈 시스템을 모델링할 때 특히 그렇습니다. 최근에는 더 나은 모델을 만드는 데 큰 초점을 맞추고 있지만 완벽한 모델은 문제의 절반에 불과하다는 사실을 다소 무시하고 있습니다. 머신 러닝 모델은 종단 간 완전히 차별화 가능하기 때문에 기존 기술로는 할 수 없는 입력과 출력 간의 비선형 상호 작용을 캡처할 수 있기 때문에 이 문제를 해결하는 데 도움이 됩니다."

구글의 그래프캐스트(GraphCast)와 화웨이의 판구웨더(Pangu-Weather)와 같은 최첨단 AI 일기 예보 시스템은 최대 10일 앞당겨 다가오는 날씨를 안정적으로 예측하지만, 시스템에 입력된 초기 데이터의 정확성에 한계가 있다.

이러한 모델은 페타바이트 단위의 정보가 포함된 방대한 ERA5 재분석 데이터 세트에서 훈련되었다. 이 데이터 세트는 37개 압력 수준의 글로벌 그리드에서 시간별 온도, 풍속, 습도, 기압, 강수량 및 구름량을 캡처한다. 여기에는 1979년으로 거슬러 올라가는 과거 기상 조건과 거의 실시간에 가까운 데이터가 포함된다.

연구진은 이 극단적인 사건의 정확도를 높이기 위해 2021년 6월 태평양 북서부 열파로 이어지는 초기 대기 변수를 개선하는 데 집중했다. 그들은 데이터를 최적화하기 위해 GPU 가속 JAX 프레임워크를 사용하여 비선형 최적화를 적용했다.

보니치에 따르면 엔비디아 A100 텐서 코어 GPU에서 100개의 초기 조건 업데이트를 수행하는 데 20분밖에 걸리지 않는다.

연구원들은 2021년 태평양 북서부 폭염 동안 캡처된 대기 데이터를 사용하여 프레임워크의 정확도를 테스트했으며, 이 데이터는 원래 훈련 데이터 세트에서 제외되었다. 최적화된 데이터는 10일 예측 오류를 90% 줄여 폭염의 강도와 시기를 성공적으로 예측했다. 또한 예측 기간을 두 배 이상 늘려 최적화되지 않은 예측을 최대 23일 앞당겨 개선했다.

"이 연구는 더 정확한 기상 관측 및 측정이 더 나은 모델을 개발하는 것만큼 중요할 수 있음을 보여줄 수 있습니다."라고 Vonich는 말했다. "이 기술을 사용하여 초기 조건에서 체계적인 편향을 식별할 수 있다면 운영 예측을 개선하는 데 즉각적인 영향을 미칠 수 있습니다. 또한 리드 타임이 많을수록 커뮤니티를 더 잘 준비할 수 있습니다. 항공, 해운 및 기타 수많은 산업도 정확한 일기 예보에 의존합니다. 개선은 그들에게도 경제적 이익으로 이어질 수 있습니다." (Nvidia)