몇 주 전에 기후 과학자들은 중국의 극심한 폭염이 기록상 최악이라고 말했다. 며칠 후 파키스탄은 전례 없는 홍수로 국가 비상사태를 선포했다. 유럽에서 기록적인 여름 더위에는 영국에서 기록된 최고 기온이 포함되었다. 그리고 미국에서는 천 년이 넘는 기간 동안 최악의 가뭄으로 미국에서 가장 큰 두 저수지가 빠져나가 수백만 명의 사람들에게 물을 배급하게 되었다.

 

극단적인 기상 현상은 지구 어디에서나 놀라울 정도로 흔해졌다. 현재 우리는 대부분 반응하지만 이상적인 세상에서는 변화하는 기후를 예측하고 준비하고 적응할 수 있다.

 

그러나 그것은 말처럼 쉽지 않을 수 있다.

 

지구의 기후는 눈부실 정도로 복잡하다. 기후와 날씨 패턴은 지구 전체의 다양한 시스템에 걸친 환원 불가능한 상호작용의 그물에 의해 주도된다. 여기에 이러한 시스템에 영향을 미치는 일련의 인간 활동을 추가하면 고통스럽게 정교한 변수 세트가 남게 된다.

 

따라서 기후 위기 희망 목록의 필수 항목은 이러한 시스템이 시간이 지남에 따라 어떻게 작동할지 예측하는 방법이다. 일기예보처럼 문제를 모니터링하는 것만으로는 충분하지 않다. 우리는 또한 인간 활동이 미래 결과에 어떻게 영향을 미칠 수 있는지 추론할 필요가 있다. 도시 계획자는 건물 계획이 해안 홍수를 고려해야 하는지 여부를 알아야 할 수도 있다. 그러나 이러한 허가를 부여하는 시 공무원은 동일한 건물의 탄소 배출량이 기후에 어떤 영향을 미칠지 예측해야 한다.

 

2021년 초에 유럽 위원회가 시작한 프로젝트인 목적지 지구(Destination Earth)라는 흥미로운 제안은 완전히 시뮬레이션된 지구 기후의 디지털 트윈을 구상한다. 지구의 이 소프트웨어 사본을 통해 연구자와 정부는 오늘날의 인간 활동이 미래의 기후 결과에 어떤 영향을 미칠 수 있는지에 대한 중요한 질문을 할 수 있다.

 

이 아이디어에 크게 영감을 받은 NVIDIA는 작년에 비슷한 야심 찬 프로젝트를 발표했다. 자체 버전은 Earth-2라는 대화형 디지털 트윈 및 컴퓨팅 플랫폼이 될 것이다.

 

NVIDIA의 수석 엔지니어이자 Earth-2 이니셔티브는 최근 Singularity Hub에 말했다. 앞으로 다가올 일을 더 많이 알수록 더 잘 준비할 수 있다.

 

Earth-2의 잠재력을 이해하려면 디지털 트윈 기술의 발전 환경을 이해하는 것이 중요하다. 디지털 트윈이란 무엇일까? 어떻게 하나의 행성 크기를 만들 수 있을까?

 

버즈 뒤에: 디지털 트윈

 

디지털 트윈은 현실을 시뮬레이션한 복제품이다. 이러한 의미에서 현실은 풍력 터빈이나 건물과 같은 물리적 대상, 자동차 제조를 위한 조립 라인과 같은 프로세스 또는 금융 시스템이나 기후와 같은 시스템을 가리킬 수 있다. 아이디어는 실제 사물의 소프트웨어 기반 복제본을 생성함으로써 디지털 트윈이 해당 개체, 프로세스 또는 시스템에 참여하거나 질문하거나 예측할 수 있는 대화형 방법을 제공할 수 있다는 것이다.

 

디지털 트윈을 구축하는 데 많은 요소가 필요하지만 3D 대화형 인터페이스, 라이브 데이터 스트림 및 예측을 위한 머신러닝 모델을 언급할 가치가 있다.

 

비디오 게임처럼

 

3D 인터페이스는 디지털 트윈에 비디오 게임과 같은 독특한 품질을 제공하며 언론이 디지털 트윈에 대한 보도를 메타버스와 혼동하는 경우가 많다.

 

Tesla를 타 본 사람을 위한 한 가지 예는 대시보드 시각화 도구이다. 이 도구는 자동차가 3D로 시뮬레이션된 실시간 버전을 보여준다. 이러한 3D 게임 환경은 기본 기술 작업의 복잡성을 추상화하기 때문에 유용하다. 디지털 트윈으로 인해 도시 계획, 시설 관리 및 사이버 보안은 언젠가는 비디오 게임과 구별하기 어려울 수 있는 작업으로 변모하고 있다.

 

Earth-2의 경우 이 프로젝트는 고해상도 3D 환경을 렌더링할 수 있는 NVIDIA의 옴니버스 (Omniverse) 플랫폼을 사용한다. 즉, 사용자가 Earth-2로 작업하기 위해 복잡한 코딩 기술이 반드시 필요한 것은 아니다.

 

Kashinath는 "슬라이더를 이동하거나 입력할 수 있는 인터페이스를 통해 상호 작용하고 있다. 이 디지털 트윈에 간단하게 질문하고 답변을 얻을 수 있어야 한다."고 말했다.

 

 

미러링 현실

 

디지털 트윈이 화려한 3D 비주얼을 가지고 있더라도 시뮬레이션 중인 시스템을 미러링하지 않으면 유용하지 않는다. 그렇게 하려면 해당 시스템 내부에서 일어나는 일에 대한 실시간 데이터를 포함해야 한다.

 

언리얼(Unreal) 게임 엔진을 사용하여 운전자에게 차량에 무슨 일이 일어나고 있는지 알려주는 새로운 Hummer EV를 생각해 보라. 대시보드에는 타이어 공기압, 기본 방향, 토크 출력, 중력, 피치 및 롤 각도와 같은 항목에 대한 3D 정보가 표시된다. 자동차에는 실시간 데이터를 생성하는 다양한 센서가 장착되어 있기 때문에 이를 수행할 수 있다.

 

대형 건물에서는 점유 센서, 엘리베이터, 전구 등이 외부 날씨 및 교통 상황에 대한 데이터와 통합되어 건물에 대한 실시간 평가를 생성한다. 건물의 디지털 트윈은 이제 수만 개의 데이터 포인트를 단일 대시보드에 통합하고 있다. 따라서 디지털 트윈을 설명하는 일반적인 방법은 "단일 정보 소스"이다.

 

이 아이디어를 건물에서 지구 전체로 확장하면 지구 기후의 디지털 트윈이 실제처럼 행동해야 하며 이를 위해서는 많은 양의 데이터가 필요하다.

 

Earth-2는 위성 이미지, 지상국 센서, 해양 부표 및 기상 풍선을 포함한 소스에서 데이터를 동화한다. 물론 이러한 도구는 날씨 및 기후 과학자들이 전 세계를 완벽하게 포괄하는 것은 아니므로 수백 가지 소스의 데이터가 "재분석"이라는 프로세스에서 함께 융합된다. 간단히 말해서, 재분석은 퍼즐을 푸는 것과 같다. 당신이 이미 가지고 있는 조각들을 감안할 때, 당신은 그 틈에 무엇이 들어갈지 추측할 수 있다.

 

Kashinath는 "그것은 지구를 가장 잘 표현한 것이다."고 말했다.

 

예측 기계

 

광범위하게 디지털 트윈과 관련하여 AI는 멋진 이미지에서 대화형, 유용하고 예측 가능한 것으로 변환하는 것이다. 예를 들어, 풍력 터빈의 데이터 기반 3D 이미지, 예를 들어, 현장 운영자에게 다양한 이유로 인해 고장이 나서 오늘 수리해야 할 확률이 80%라고 말할 수 있는 것만큼 유용하지 않다.

 

Earth-2는 현재 향후 출시될 추가 모델 중 첫 번째인 FourCastNet이라는 새로운 AI 모델에서 예측 능력을 파생한다. 로렌스 버클리 연구소(Lawrence Berkeley Laboratory), 칼텍(Caltech), 미시간 대학(University of Michigan) 및 기타 지역의 과학자들과 함께 개발한 이 모델은 전통적인 기상 예보에서 크게 벗어나 있다.

 

일기 예보는 여전히 수치적 기상 예측(NWP)이라고 하는 100년 된 접근 방식에 의해 주도된다. 이 프로세스는 현재 날씨에 대한 관찰을 날씨가 다음에 할 일을 예측할 수 있는 방정식에 연결한다. 더 많은 컴퓨팅 성능과 더 나은 데이터에 대한 액세스 덕분에 NWP 모델은 수십 년 동안 개선되었다. 예를 들어, 오늘날의 7일 예보는 시간의 약 80%가 정확하다(약 2주 이상 특정 기상 현상을 예측하는 것은 수학적으로 불가능할 가능성이 있음).

 

수치적 접근 대신 FourCastNet은 약 10테라바이트 또는 40년 분량의 재분석 데이터에 대해 훈련된 물리학과 머신러닝을 결합한다. 일단 훈련되면 시스템은 동일한 기상 관측 데이터를 가져와 NWP 모델과 비교할 수 있는 예측을 할 수 있다.

 

정확성을 테스트하기 위해 연구원들은 FourCastNet 예측을 기상 예측의 황금 표준으로 간주되는 일반적으로 사용되는 NWP 모델인 통합 예측 시스템(IFS)의 결과와 비교했다. FourCastNet은 더 짧은 시간 척도에서 약간 더 정확한 예측을, 더 긴 시간 척도에서는 거의 동일한 정확도를 보여주었다. IFS는 약간 더 높은 해상도(25에 비해 9제곱킬로미터)에서 예측을 제공하는 데 여전히 우수하다. 그러나 Kashinath는 더 많은 날씨 데이터를 통해 FourCastNet이 시간이 지남에 따라 해상도를 개선할 것으로 기대한다.

 

그러나 진정한 개선은 효율성이다. FourCastNet은 기존 방법보다 숫자를 계산하는 데 훨씬 적은 컴퓨팅 성능과 시간이 필요하다.

 

Kashinath는 "오늘날 7일 간의 예측을 생성하는 데 유럽 예측 센터는 약 1,500개의 CPU 노드를 필요로 하며 이를 수십 분 동안 실행한다."고 말했다. "우리 모델은 단일 GPU에서 50,000배 더 빠르게, 1초 미만의 찰나의 시간에 동일한 정확도로 동일한 예측을 생성할 수 있다."

 

Kashinath는 FourCastNet이 속도 덕분에 이미 날씨 예측에 더 나은 옵션일 수 있다고 말하지만(브랜드 내 탄소 발자국이 훨씬 적음) 기후의 미래를 이해하는 것은 단순히 날씨를 예측하는 것 이상이다. 장기 기후 모델은 일기 예보와 달리 평균 기온과 풍속, 해수면 상승, 극한 현상 빈도 및 심각도와 같은 광범위한 추세를 이해하려고 한다.

 

Kashinath는 FourCastNet과 같은 AI 모델이 지원하는 속도 향상이 이러한 유형의 예측에 특히 유용할 것이라고 말한다. “우리는 수천 개의 시나리오를 매우 빠르게 탐색할 수 있다. 우리는 가능한 시나리오가 많은 문제를 다루고 있으며 수치 모델이 빠르게 처리되고 하나씩 천천히 답을 줄 때까지 기다릴 수 없다.”고 그는 말했다.

 

신뢰할 수 있는 소프트웨어 도우미

 

Kashinath는 디지털 트윈을 특별하게 만드는 것은 상호 작용이라고 말했다. 우리는 수십 년 동안 일기예보를 가지고 있었지만 쉽게(그리고 신속하게) 질문할 수 있는 시스템은 없었다.

 

“날씨 예보와 상호 작용할 수 없는 방식으로 디지털 트윈과 상호 작용할 수 있다. 그리고 실시간이다"고 말했다. "이것이 디지털 트윈을 일기 예보 또는 기후 모델과 구별하는 것이다. 기존 모델에서는 불가능한 속도로 상호 작용하고 응답을 받고 있다."

 

대화형 인터페이스와 빠른 응답 시간 덕분에 Earth-2는 기후 과학자와 정책 입안자를 넘어 시민들에게 도움이 될 수 있다.

 

“내가 호주의 농부이고 앞으로 20~30년 동안의 가뭄 상황이 어떤 모습일지 알고 어떤 종류의 작물을 재배하고 싶은 지 또는 관개 시설을 어떻게 바꾸고   결정하고 싶다. 내 농장에 사용하는 기술을 사용하여 이 디지털 트윈에 그런 질문을 하고 답을 얻을 수 있기를 원한다.”라고 Kashinath가 말했다.

 

오픈 소스 프로젝트인 FourCastNet은 연구원들이 이용할 수 있는 광범위한 Earth-2 계획의 첫 번째 제품이다. 그리고 팀이 언제 Earth-2를 공개적으로 출시할 것인지에 대한 구체적인 날짜는 없지만 Kashinath는 연구 커뮤니티에서 사용할 수 있도록 비슷하게 공개될 것이라고 말했다.

 

바라건대, Earth-2와 같은 도구가 등장하면 빠르게 변화하는 기후에 더 잘 계획하고 적응할 수 있다.

 

이미지 출처: NVIDIA