분명히 맑은 날이라고 했는데 갑자기 비가 쏟아져서 우산을 사야하나 고민했던 적, 있으시지요?☂️

기상 예보에서 ‘비가 언제, 얼마나 올 것인가’를 맞추는 일은 전세계적으로 가장 난해한 영역으로 꼽힙니다. 구름의 형성처럼 미세한 규모에서 일어나는 복잡한 물리 현상을 전 지구 규모의 모델로 정확히 모사하는 것이 기존 기술의 한계였기 때문이지요. 그런데 최근 구글 리서치 연구팀이 이 난제를 해결할 하이브리드 모델, NeuralGCM(General Circulation Model)을 공개했습니다. 함께 알아볼까요?

NeuralGCM의 하이브리드 프레임워크 구조. 출처: 구글.

1. 위성 관측 데이터(IMERG) 직접 학습
   기존의 하이브리드 모델들은 실제 관측값이 아닌 '고해상도 시뮬레이션 데이터'를 학습에 사용하다보니, 시뮬레이션의 오류까지 그대로 물려받는 한계가 있었습니다. 하지만 NeuralGCM은 NASA의 위성 강수 관측 데이터인 IMERG를 직접 학습에 활용했습니다. 덕분에 자연 그대로의 강수 패턴을 정확히 익히고 기존 모델들의 고질적인 편향을 제거할 수 있었지요.
   
   
2. 미분 가능한(Differentiable) 구조
   NeuralGCM은 전체 시스템이 수학적으로 미분이 가능하도록 설계되었습니다. 덕분에 모델이 예측한 결과와 실제 관측값 사이의 오차를 계산하여, 모델 내부의 신경망 매개변수를 한꺼번에 최적화하는 end-to-end 훈련이 가능해졌지요. 모델 전체가 마치 하나의 거대한 학습 유닛처럼 유기적으로 움직인다고 볼 수 있습니다.
   
   
3. 물리적 일관성 유지
   NeuralGCM은 지구를 격자와 기둥으로 나눈다고 설명했는데요. 각 기둥 안에는 수증기나 구름, 얼음 등의 정보가 들어있습니다. NeuralGCM은 이 기둥 내의 물 변화량이 물리적 법칙을 엄격히 준수하도록 설계되었습니다. 즉, AI가 예측을 수행하되 그 결과가 물리학적으로 타당하도록 강제해 정확도를 높였지요.
   

위성 관측 데이터(IMERG) 기준 24시간 누적 강수량 예보 정확도 비교. 출처: 구글.