AIㆍML

구글, AI 기반 기상 예보 모델 '그래프캐스트' 공개

Martin Bayer | COMPUTERWOCHE 2023.11.20
구글이 전 세계 날씨를 기존 기상 시뮬레이션보다 더 정확하게 예측할 수 있는 AI 모델인 그래프캐스트(GraphCast)를 공개했다. 구글 딥마인드팀 과학자 레미 램의 블로그 포스트에 따르면, 그래프캐스트는 1분 만에 열흘 동안의 일기 예보를 제공한다. 램은 "기상 조건이 점점 더 극단적으로 변하는 세상에서 빠르고 정확한 예측이 그 어느 때보다 중요해졌다"라고 이번 연구의 취지를 설명했다.

구글에 따르면, 그래프캐스트는 유럽중기예보센터(ECMWF)가 제공하는 이 분야 최고의 날씨 시뮬레이션 시스템인 HRES(High Resolution Forecast)보다 더 정확하고 빠르게 기상 상태를 예측할 수 있다. 특히 극한의 기상 조건을 더 일찍 경고할 수 있다는 점을 강조했다. 예를 들어 허리케인의 이동 경로를 더 정확하게 계산하거나 홍수 재해 또는 이상 고온을 유발할 수 있는 특정 대기 기류를 예측할 수 있다.
 
구글의 그래프캐스트는 기상 이변을 더 빠르고 정확하게 예측할 수 있도록 설계됐다. ⓒ Google

그래프캐스트에서 구글은 기존 일기 예보와는 다른 접근 방식을 취하고 있다. 기존 일기 예보는 NWP(Numerical Weather Prediction) 방법론을 기반으로 한다. NWP는 신중하게 계산된 물리 방정식을 컴퓨터 알고리즘으로 변환한 다음, 슈퍼컴퓨터에서 실행하는 것이 보통이다. 방정식과 알고리즘을 설계하는 데는 많은 시간이 소요되고 고가의 컴퓨팅 자원이 필요하다.
 

슈퍼컴퓨터를 대신하는 딥러닝과 그래프 신경망 

구글은 딥러닝과 그래프 신경망(graph neural networks, GNN)을 이용한다. 그래프캐스트는 물리 방정식에 의존하는 대신 데이터를 이용해 일기 예보 시스템을 만든다. 기본 AI 모델은 지난 40년간의 ECMWF ERA5 데이터 세트의 과거 기상 데이터를 사용해 학습했으며, 위성 이미지와 레이더 및 기상 관측소의 데이터도 사용됐다.

그래프캐스트 모델은 지구 표면을 100만 개 이상의 격자점으로 분할하는데, 적도를 기준으로 한 변의 길이가 28km인 정사각형 그리드에 해당한다. 모델은 각 그리드 지점에 대해 온도, 풍속과 풍향, 기압 등 지표면의 5가지 변수와 37개 고도 수준별로 특정 습도, 풍속과 풍향, 온도 등 6가지 대기 변수를 예측한다.

그래프캐스트의 학습은 연산 집약적이다. 램은 얼마나 많은 연산이 필요한지 밝히지 않았지만, 예측 모델은 매우 효율적으로 작동한다고 말했다. 구글에 따르면, 구글 TPU v4 컴퓨터의 도움으로 열흘 예측을 1분 이내에 생성할 수 있는데, 이는 기존 방법을 사용해 슈퍼컴퓨터에서 몇 시간 동안 계산해야 하는 작업이다.
 

더 빠른 허리케인 경로 예보로 가능성 증명

초기 테스트에서 그래프캐스트는 무엇보다도 허리케인의 움직임을 기존 모델보다 더 정확하게 예측했다. 2023년 9월, ECMWF 웹사이트를 통해 공개된 그래프캐스트 모델의 라이브 버전은 허리케인 리가 노바스코샤에 상륙할 것을 약 9일 전에 정확하게 예측했다. 이와 대조적으로 기존 예측은 폭풍이 상륙할 장소와 시기에 더 큰 변동성을 보였으며, 약 6일 전에야 노바스코샤에 상륙할 것으로 예측했다.

구글은 그래프캐스트 오픈소스를 깃허브를 통해 공개했으며, ECMWF도 이미 구글 모델을 실험하고 있다. 구글은 향후 예보를 특정 기상 현상이나 특정 지역으로 더욱 세분화할 수 있을 것으로 예상하고 있다. 또한 그래프캐스트는 일기 예보 외에도 기후 패턴과 메커니즘을 파악하는 데도 유용하다고 밝혔다.
editor@itworld.co.kr
Sponsored

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.