Neural general circulation models for weather and climate
인공지능(AI) 기술이 날씨 예보와 기후 예측의 새로운 지평을 열고 있다. 구글 연구팀이 개발한 ‘뉴럴GCM(NeuralGCM)’이라는 AI 기반 대기 모델이 기존의 물리 기반 모델들과 비교해 놀라운 성과를 보여주고 있어 주목받고 있다.
뉴럴GCM, 날씨 예보의 새로운 강자로 부상
뉴럴GCM은 전통적인 대기대순환모델(GCM)의 강점과 머신러닝의 장점을 결합한 차별화된 하이브리드 모델이다. 이 모델은 날씨 예보에서 앙상블 예측 시스템(ENS)으로 유명한 유럽중기예보센터(ECMWF)의 모델보다 더 나은 성능을 보여주고 있다.
구글 연구팀의 드미트리 코치코프 박사는 “뉴럴GCM은 1일에서 15일까지의 날씨 예보에서 ECMWF의 앙상블 예측 시스템과 비교해 더 낮은 오차를 보였습니다”라고 설명했다. 특히 뉴럴GCM은 연속순위확률점수(CRPS)에서 우수한 성적을 거뒀는데, 이는 앙상블 예보의 정확도를 평가하는 중요한 지표다.
뉴럴GCM의 또 다른 강점은 계산 효율성이다. 이 모델은 ECMWF의 통합예보시스템보다 8배에서 40배 더 낮은 수평 해상도에서 작동하면서도 비슷한 수준의 정확도를 제공한다. 이는 계산 자원 사용량을 크게 줄일 수 있음을 의미한다.
기후 시뮬레이션에서도 뛰어난 성능 발휘
뉴럴GCM은 단기 날씨 예보뿐만 아니라 장기 기후 시뮬레이션에서도 뛰어난 성능을 보여주고 있다. 연구팀은 뉴럴GCM을 이용해 40년간의 기후 시뮬레이션을 수행했는데, 그 결과는 기존의 기후 모델들과 비교해 손색이 없었다.
구글 연구팀의 자니 유발 박사는 “뉴럴GCM은 전 지구 평균 기온 변화 추세를 정확하게 포착했으며, ERA5 재분석 데이터와 높은 상관관계를 보였습니다”라고 밝혔다. 이는 뉴럴GCM이 해수면 온도 변화가 기후에 미치는 영향을 효과적으로 모델링할 수 있음을 시사한다.
특히 주목할 만한 점은 뉴럴GCM이 열대 지역의 기온 상승 경향을 기존 모델들보다 더 정확하게 예측했다는 것이다. 기존 기후 모델들은 상층 대류권에서의 기온 상승을 과대 평가하는 경향이 있었는데, 뉴럴GCM은 이러한 편향을 크게 줄였다.
또한 뉴럴GCM은 열대 저기압의 발생과 경로도 현실적으로 시뮬레이션할 수 있었다. 연구팀은 1.4도 해상도의 뉴럴GCM을 이용해 2020년 한 해 동안의 열대 저기압을 시뮬레이션했는데, 그 결과 ERA5 데이터에서 관측된 86개의 열대 저기압과 유사한 83개의 열대 저기압을 생성해냈다.
AI와 물리 모델의 성공적인 융합
뉴럴GCM의 성공 비결은 전통적인 GCM의 물리적 기반과 AI의 학습 능력을 효과적으로 결합한 데 있다. 이 모델은 대기 역학을 시뮬레이션하는 미분 가능한 역학 코어와 물리 과정을 모델링하는 신경망으로 구성되어 있다.
스테판 호이어 박사는 “뉴럴GCM의 차별화된 특징은 종단간(end-to-end) 학습 방식을 채택했다는 점입니다. 이를 통해 신경망이 대기 역학과의 상호작용을 고려하면서 최적화될 수 있었죠”라고 설명했다. 이러한 접근 방식은 모델의 안정성과 정확성을 크게 향상시켰다.
연구팀은 뉴럴GCM을 훈련시키기 위해 ERA5 재분석 데이터를 사용했다. 모델은 최대 5일까지의 날씨 궤적을 예측하도록 훈련되었지만, 놀랍게도 수년에서 수십 년에 이르는 장기 기후 시뮬레이션에서도 안정적인 성능을 보여주었다.
향후 과제와 전망
뉴럴GCM의 성공은 AI 기술이 기상학과 기후과학 분야에서 가진 잠재력을 잘 보여준다. 그러나 연구팀은 아직 해결해야 할 과제들이 남아있다고 지적한다.
예를 들어, 뉴럴GCM은 아직 극단적인 기후 변화 시나리오에 대한 예측에는 한계를 보인다. 연구팀은 해수면 온도를 4도 상승시킨 시나리오에서 모델의 반응이 기대와 달랐다고 밝혔다.
또한 현재 버전의 뉴럴GCM은 대기 모델에 국한되어 있어, 해양이나 육지와의 상호작용을 고려하지 못한다는 한계가 있다. 연구팀은 향후 이러한 지구 시스템의 다른 구성 요소들과의 결합을 통해 모델의 성능을 더욱 향상시킬 계획이다.
결론적으로, 뉴럴GCM은 AI 기술과 전통적인 물리 모델의 융합이 기상학과 기후과학에 가져올 수 있는 혁신을 잘 보여주는 사례다. 이러한 접근 방식은 날씨 예보의 정확도를 높이고 기후 변화에 대한 이해를 증진시키는 데 크게 기여할 것으로 기대된다.
구글 연구팀의 논문은 링크에서 확인할 수 있다.
본 기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
