AI도 태풍을 예측할 수 있습니다! 성능 측면에서 구글은 최초로 AI 태풍 예측 모델을 출시했는데, 이는 기존의 물리 모델을 크게 능가합니다. 이를 통해 수만 명의 생명을 구할 수 있을 것으로 예상됩니다.
어제, 구글 딥마인드와 구글 연구팀은 인공지능 날씨 모델을 공유하기 위한 대화형 기상 플랫폼인 웨더 랩(Weather Lab)을 공식 출시했습니다.
열대성 저기압 경로 예측 측면에서, Google의 새로운 모델은 SOTA를 새롭게 개선했으며 성능 면에서 주류 물리적 모델을 확연히 능가하는 최초의 AI 예측 모델입니다.
논문 링크: https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/how-we-re-supporting-better-tropical-cyclone-prediction-with-ai/skillful-joint-probabilistic-weather-forecasting-from-marginals.pdf
블로그 링크: https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/
프로젝트 주소: https://deepmind.google.com/science/weatherlab
열대성 저기압은 극도로 위험하며, 지나가는 곳마다 파괴를 일으킵니다.
2024년 10월 8일 NOAA GOES‑16 위성이 포착한 허리케인 밀턴의 모습
세계기상기구(WMO)에 따르면, 지난 50년간 열대성 저기압은 1조 4천억 달러의 경제적 손실을 초래하고, 1,945건의 재해를 일으켰으며, 약 80만 명의 목숨을 앗아갔습니다. 그리고 이로 인해 위협받는 사람들의 수는 계속 증가하고 있습니다.
허리케인이나 태풍이라고도 불리는 이러한 거대하고 회전하는 폭풍은 일반적으로 따뜻한 바닷물 위에서 형성되며 열, 습기, 대류가 결합되어 발생합니다.
따뜻한 바다 위에서 수증기가 응축되면 에너지가 방출되어 열대성 저기압이 형성될 수 있는 긍정적인 피드백 루프가 시작됩니다.
사이클론은 대기 조건의 작은 변화에도 매우 민감하게 반응하기 때문에, 사이클론의 경로와 강도를 정확하게 예측하는 것은 기상학계에서 항상 중요한 문제로 인식되어 왔습니다. 그러나 사이클론 예보의 정확도를 향상시키면 더욱 효과적인 재난 예방 준비와 적시 대피를 통해 피해 지역 사회를 보호하는 데 도움이 될 것입니다.
논문 링크: https://uhero.hawaii.edu/wp-content/uploads/2023/09/hurricane_forecasts-7.pdf
15일 전, 50여종의 날씨 예보
웨더랩 플랫폼은 무작위 신경망을 기반으로 한 최신 AI 열대저기압 모델을 탑재하여, 저기압의 형성, 이동 경로, 강도 변화, 규모 및 형태적 특징을 예측할 수 있습니다.
최대 50가지의 가능한 시나리오를 15일 전에 생성할 수 있습니다.
다음 애니메이션은 AI 모델의 예측 결과를 보여줍니다.
사이클론 훈데와 가란스가 마다가스카르 남쪽으로 이동하면서 모델(파란색 궤적)은 사이클론의 경로를 정확하게 예측했습니다.
이 모델은 또한 인도양의 두 사이클론인 주드와 이본의 미래 궤적을 성공적으로 포착했습니다.
결국 열대성 저기압으로 발달할 폭풍 지역은 거의 7일 전에 정확하게 예보됩니다.
실시간 및 과거 사이클론 예보
Weather Lab은 다양한 AI 기상 모델에서 얻은 실시간 및 과거 사이클론 예보와 유럽 중기 기상 예보 센터(ECMWF)의 물리적 모델 예보를 보여줍니다.
현재 WeatherNext Graph, WeatherNext Gen, 그리고 최신 실험용 사이클론 모델 등 여러 AI 기상 모델이 실시간으로 실행되고 있습니다. Weather Lab은 전문가와 연구자들이 다운로드하여 분석할 수 있도록 2년 이상의 과거 예보 데이터를 제공하여 모든 해양 유역에서 모델의 성능을 외부에서 평가할 수 있도록 지원합니다.
아래 애니메이션은 산호해의 3등급 사이클론인 사이클론 알프레드에 대한 새로운 모델의 예측을 보여줍니다.
모델 앙상블 평균 예측(굵은 파란색 선)은 알프레드가 열대성 폭풍으로 빠르게 약화되어 7일 후 호주 브리즈번 근처에 상륙할 것을 정확하게 예측했으며, 퀸즐랜드 해안을 따라 상륙 확률이 높은 지역도 정확하게 예측했습니다.
웨더랩 사용자는 다양한 AI 및 물리 모델의 예보를 탐색하고 비교할 수 있습니다. 이러한 예보를 종합적으로 고려하면 기상 기관과 응급 서비스 전문가가 사이클론의 경로와 강도를 더욱 정확하게 예측하여 다양한 시나리오에 더욱 효과적으로 대응하고, 리스크 정보를 전파하며, 사이클론의 영향을 관리하기 위한 의사 결정을 지원하는 데 도움이 됩니다.
이 도구를 사용할 때, 특히 Weather Lab의 예보를 기반으로 결정을 내릴 때 다음 사항을 염두에 두십시오.
웨더랩은 연구 도구입니다. 표시되는 실시간 예보는 아직 개발 중인 모델을 기반으로 생성되며, 공식적인 경보가 아닙니다.
공식적인 날씨 예보와 경보에 대해서는 지역 날씨 기관이나 국가 기상청에 문의하세요.
AI 기반 사이클론 예측
물리학 기반 사이클론 예측에서 운영상의 필요 사항을 충족하는 데 필요한 근사치로 인해 단일 모델로 사이클론 경로와 강도를 모두 정확하게 예측하기 어렵습니다.
이는 사이클론 경로가 대규모 대기 유도 흐름에 의해 제어되는 반면, 사이클론 강도는 고밀도 코어 내부와 외부의 복잡한 난류 과정에 따라 달라지기 때문입니다.
전 세계적인 저해상도 모델은 사이클론 경로를 예측하는 데 가장 효과적이지만, 사이클론 강도를 제어하는 세부적인 과정을 포착할 수 없으므로 지역적인 고해상도 모델의 도움이 필요합니다.
이번에 구글 팀은 새로운 아키텍처, 학습 및 추론 방법을 결합한 날씨 확률 모델링 방법인 FGN을 발명했는데, 이는 더 빠르고 유연합니다.
FGN은 서로 다른 메커니즘을 통해 인식적 불확실성과 확률적 불확실성을 모델링합니다(아래 그림 1 참조). 전자는 모델 통합을 통해 달성되고, 후자는 임의 함수와 관련된 기술을 사용합니다.
열대성 저기압 경로 예측 측면에서 FGN의 평균 경로 예측과 경로 확률 예측은 기존 모델보다 상당히 우수합니다(𝑝 < 0.05). 이는 FGN이 주류 물리 모델보다 성능 면에서 확연히 뛰어난 최초의 AI 예측 모델이 되었다는 것을 의미합니다.
그림 1 | FGN 생성 프로세스 개요: 한 쌍의 입력 프레임(𝑋ₜ₋₂:ₜ₋₁)에서 단일 단계 예측 세트를 생성하는 프로세스
FGN은 두 가지 수준에서 다양성을 도입하여 각각 우연적 불확실성과 인식적 불확실성을 모델링합니다.
특정 모델 M𝑗에 대해, 저차원 잡음 벡터 𝜖ₜᵢ를 샘플링하여 예측 궤적의 각 단계에 무작위 불확실성을 도입합니다. 이 벡터는 모델 순방향 전파 과정에서 매개변수 공유 조건부 정규화에 사용됩니다. 이는 신경망 가중치에 섭동을 적용하여 매개변수 𝜃ₜᵢ를 얻는 것으로 이해할 수 있으므로, 신경망 매개변수를 샘플링하는 것으로 볼 수 있습니다.
확률적 불확실성 하에서 N개의 집합 구성원을 생성하려면, 조건부로 N개의 서로 다른 𝜖ₜᵢ를 독립적으로 생성하기만 하면 됩니다. 인식적 불확실성은 각각 고유한 매개변수 집합 {𝜃*𝑗, Δ𝑗}을 갖는 여러 개의 독립적으로 학습된 모델 M𝑗의 출력을 통합하고, 위와 동일한 방식으로 집합 구성원의 부분 집합을 생성하여 모델링됩니다.
평가 결과
새로운 실험적 사이클론 모델은 경로와 강도 예측을 모두 고려할 수 있으며, 내부 평가 결과 현재 사이클론 경로와 강도 예측 측면에서 가장 뛰어난 것으로 나타났습니다.
이는 두 가지 유형의 데이터를 기반으로 훈련되었습니다.
하나는 수백만 개의 관찰을 통해 재구성된 글로벌 재분석 데이터 세트입니다.
두 번째는 지난 45년간 관측된 약 5,000개의 사이클론의 경로, 강도, 크기, 풍속 반경 등의 주요 정보를 담은 전문 데이터베이스입니다.
데이터와 사이클론 데이터의 동시 모델링 및 분석을 통해 사이클론 예측 능력이 크게 향상되었습니다.
예를 들어, 2023년과 2024년 북대서양과 동태평양 유역의 NHC 관측 허리케인 데이터에 대한 예비 평가에 따르면, 새로운 모델의 5일 이내 사이클론 궤적 예측은 세계 최고의 물리적 모델 컬렉션인 ECMW의 ENS보다 평균 140km 가량 더 나은 것으로 나타났으며, ENS의 3.5일 예측 정확도에 도달했습니다. 이는 1.5일 예측 개선에 해당합니다. 일반적으로 이러한 개선을 달성하려면 10년이 걸립니다.
이전 AI 날씨 모델은 사이클론 강도 예측에 있어 성과가 좋지 않았지만, 새로운 실험 모델은 평균 강도 오차 측면에서 NOAA(미국 국립 해양 대기청)의 HAFS(지역 고해상도 물리 모델)보다 우수한 성과를 보였습니다 .
예비 실험 결과, 새로운 모델이 예측한 사이클론 크기와 풍속 반경은 실제 모델 벤치마크와 비슷한 수준인 것으로 나타났습니다.
경로 및 강도 예측 측면에서 새로운 모델의 오류 분석, ENS 및 HAFS와 비교한 5일 동안의 평균 성능 평가 결과
의사결정권자들에게 더 유용한 데이터 제공
Google은 NHC와 협력하는 것 외에도 콜로라도 주립 대학의 대기 연구를 위한 협력 연구소(CIRA)와도 긴밀히 협력하고 있습니다.
CIRA 연구 과학자인 케이트 머스그레이브 박사와 그녀의 팀은 이 모델을 평가하고 "경로 및 강도 예측 측면에서 최고의 운영 모델과 동등하거나 더 우수한 성능을 가지고 있다"는 결론을 내렸습니다.
머스그레이브는 "우리는 2025년 허리케인 시즌에 대한 실시간 예보에서 이러한 결과를 검증할 수 있기를 기대합니다."라고 말했습니다.
Google은 또한 영국 기상청, 도쿄대학교, 일본 Weathernews 및 기타 전문가와 협력하여 모델을 개선하고 있습니다.
새로운 실험적 열대저기압 모델은 WeatherNext 연구 시리즈의 최신 이정표입니다.
구글은 공식적인 예보를 개선하고 생명을 구하는 결정을 지원하기 위해 기상 기관과 비상 서비스 전문가로부터 중요한 피드백을 계속 수집할 것이라고 밝혔습니다.
참고문헌:
https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/
https://x.com/GoogleDeepMind/status/1933178918715953660
본 기사는 위챗 공개 계정 "Xinzhiyuan" 에서 발췌하였으며, 저자는 Xinzhiyuan이고, 36Kr에서 허가를 받아 게시하였습니다.
