알파벳(구글 모회사)의 인공지능(AI) 조직 딥마인드가 10일간의 날씨를 현재 널리 사용되는 수치예보(NWP) 방식보다 더 빠르고 더 정확하게 예측할 수 있는 머신러닝 기반 일기예보 모델을 개발했다.

15일 딥마인드 레미 람 박사팀은 과학 저널 '사이언스'(Science)에서 과거 대기 상태에 대한 재분석 데이터를 머신러닝으로 학습해 중기(10일간) 예보를 하는 AI 모델 '그래프캐스트'(GraphCast)를 개발했다고 밝혔다.

▲ 머신러닝 기반 일기예보 모델 '그래프캐스트' 작동 과정.

연구팀은 그래프캐스트가 수치예보 방식과의 비교 테스트 사례 가운데 90%에서 수치예보를 능가했고 직접 학습되지 않은 기상 이변 같은 현상의 예측에서도 더 우수한 성능을 보였다며 "이것이 일기예보의 전환점이 될 것으로 믿는다"고 말했다.

현재 일기예보의 표준적 접근 방식인 수치예보는 계산이 복잡하고 까다로워 보통 슈퍼컴퓨터가 사용되며, 지난 수십 년 동안 예보 정확도가 크게 향상됐지만 이를 더 향상하기 위해서는 많은 양의 컴퓨팅 자원과 비용이 필요하다.

연구팀은 과거 데이터를 통해 학습할 수 있는 머신러닝 기반 일기예보(MLWP)가 대안이 될 것으로 보고 데이터 분석 및 딥러닝용 하드웨어인 단일 TPU 칩(single Google Cloud TPU v4 device)에 MLWP 모델 그래프캐스트를 신경망으로 구현했다.

유럽중기예보센터(ECMWF)의 1979~2017년 재분석 데이터를 학습한 그래프캐스트는 현재와 6시간 전 지구 기상 정보를 이용해 앞으로 6시간의 날씨를 예측하고, 6시간 예측 결과를 다시 입력값으로 사용해 10일간 일기 예보를 생성한다.

그래프캐스트는 10일의 전 세계 날씨 예보를 위도·경도 0.25˚ 단위로 제공하며 이 전 과정은 1분 이내에 이루어진다.

연구팀이 수많은 기상 변수 등을 이용해 그래프캐스트와 현재 사용되는 가장 정확한 중기예보 모델인 'HRES)와 예측 정확도를 비교한 결과 그래프캐스트가 1천380개 검증 항목 중 90%에서 HRES를 크게 앞서는 것으로 나타났다.

특히 그래프캐스트는 극심한 기상 이변 등에 대해 학습하지 않았음에도 사이클론 같은 열대성 저기압의 경로와 극지방으로 수증기가 좁은 띠를 이루며 흘러가는 '대기 강'(atmospheric river) 현상, 극심한 이상 기온 등을 예측하는 데도 HRES보다 효과적이었다고 연구팀은 설명했다.

하지만 연구팀은 "MLWP 방식이 전통 수치예보를 대체하는 것으로 봐서는 안 된다"며 "이 연구는 MLWP가 실제 일기 예보의 문제 해결에 사용될 수 있고 현재 사용되는 방법을 보완하고 개선할 잠재력이 있다는 증거로 해석돼야 한다"고 말했다.

<연합>

과학팀  press@jeonpa.co.kr

<저작권자 © 전파신문, 무단 전재 및 재배포 금지>