환경 AI는 날씨 및 기후 예측에서 획기적인 진전을 이루는 데 도움이 됩니다.
페이지 정보
본문
AI는 날씨 및 기후 예측에서 획기적인 진전을 이루는 데 도움이 됩니다.
Google이 이끄는 과학자 팀은 인공 지능(AI)을 기존 대기 물리 모델과 통합하여 날씨 및 기후 예측에 상당한 진전을 이루었습니다. NeuralGCM이라는 혁신적인 모델은 기계 학습을 기존 예측 기술과 성공적으로 결합하여 장기 기후 추세와 극심한 기상 현상을 보다 정확하고 효율적으로 추적할 수 있게 했습니다.
AI와 물리 기반 모델 결합
AI와 기존의 물리 기반 모델을 모두 활용하는 NeuralGCM은 이 하이브리드 접근 방식이 기후 시뮬레이션의 정확도와 속도를 어떻게 향상시킬 수 있는지 보여줍니다. Google Research의 수석 스태프 엔지니어이자 Nature에 게재된 연구의 공동 저자인 Stephan Hoyer에 따르면, "NeuralGCM은 AI와 물리 기반 모델을 결합하면 대기 기후 시뮬레이션의 정확도와 속도를 획기적으로 향상시킬 수 있음을 보여줍니다."
뛰어난 성능과 효율성
엄격한 테스트에서 NeuralGCM은 기존 예측 모델보다 성능이 우수했습니다. 미국 해양 대기청(NOAA)에서 개발한 현재 예측 모델인 X-SHiELD에 비해 컴퓨팅 파워를 덜 사용하면서도 더 빠르고 정확하다는 것이 입증되었습니다. 예를 들어 NeuralGCM은 기존 추적기와 거의 같은 수의 열대저기압을 식별했고 X-SHiELD보다 두 배나 더 많았습니다. 2020년의 온도 및 습도 수준 예측에서 NeuralGCM의 오류율은 15%에서 50% 사이로 상당히 낮았습니다.
또한 NeuralGCM의 효율성은 놀랍습니다. Google의 맞춤형 AI 텐서 처리 장치를 사용하여 24시간 이내에 70,000일의 시뮬레이션을 생성할 수 있었지만 X-SHiELD는 13,824개의 컴퓨터 장치가 필요하여 19일의 시뮬레이션만 생성했습니다.
협력적 노력과 오픈 액세스
NeuralGCM의 개발은 Google과 European Centre for Medium-Range Weather Forecasts(ECMWF)의 협력적 노력이었습니다. ECMWF는 6월에 모델을 공개했고, Google은 NeuralGCM 코드를 오픈 액세스로 공개하여 80년간의 ECMWF 관측 데이터와 재분석을 머신 러닝에 활용했습니다.
Google의 DeepMind 부서는 이전에 AI 전용 날씨 예보 모델인 GraphCast를 공개했는데, 이는 최대 10일 앞선 단기 예측에 대한 기존 방법보다 성능이 뛰어났습니다. 그러나 NeuralGCM에서 볼 수 있듯이 AI를 물리 기반 모델과 결합하면 장기 예측에 대한 보다 견고하고 신뢰할 수 있는 접근 방식을 제공합니다.
전문가 의견 및 향후 작업
ECMWF 지구 시스템 모델링 책임자이자 논문의 공동 저자인 피터 듀벤은 이 하이브리드 접근 방식의 장점을 강조했습니다. 그는 AI 전용 모델은 물리학에서 파생된 방정식에 기반하지 않는다는 이유로 종종 회의적이지만, 이를 물리학 기반 모델과 결합하면 두 가지 모두의 장점을 얻을 수 있다고 언급했습니다. 이 접근 방식은 머신 러닝을 사용한 기후 모델링에서 중요한 진전으로 여겨집니다.
인상적인 발전에도 불구하고, 아직 해야 할 일이 많이 있습니다. 예를 들어, NeuralGCM은 CO₂ 증가가 지구 표면 온도에 미치는 영향을 추정하고 전례 없는 기후 조건을 시뮬레이션하는 능력을 개선해야 합니다.
런던 퀸 메리 대학교의 환경 및 지속 가능성 데이터 과학 책임자인 세드릭 M. 존은 이 연구에 참여하지 않았지만 NeuralGCM의 뛰어난 정확도와 효율성에 대한 설득력 있는 증거를 언급했습니다. 그는 이 모델이 예측의 앙상블을 포착하여 예측의 불확실성을 추정할 수 있는 능력을 강조했는데, 이는 실용적인 응용 프로그램에 매우 중요합니다.
더 광범위한 의미
Google의 환경 감시 이니셔티브 참여는 NeuralGCM을 넘어 확장됩니다. 이 회사는 메탄 배출을 추적하는 위성 임무를 지원하고 NASA와 협력하여 지방 정부가 대기 질을 모니터링하도록 돕습니다. 이러한 노력은 환경 문제에 대한 이해와 대응을 향상시키는 데 있어 AI의 잠재력을 강조합니다.
결론
NeuralGCM에서 AI와 기존 기후 모델을 성공적으로 통합한 것은 날씨와 기후 예측에서 중요한 돌파구를 보여줍니다. 이 하이브리드 방식은 정확도와 효율성을 개선할 뿐만 아니라 재료 발견에서 엔지니어링 설계에 이르기까지 다른 과학 분야에서 AI를 사용하기 위한 유망한 템플릿을 제공합니다. 기후 문제가 더욱 복잡해짐에 따라 이러한 혁신적인 솔루션은 기후 변화의 영향을 더 잘 예측하고 완화하는 데 필수적입니다.
댓글목록
등록된 댓글이 없습니다.
