번개 충돌 예측을 개선하기 위한 AI 사용

기상 예측은 지난 10년 동안 크게 개선되어 5일 예보의 정확도가 약 90%에 달합니다. 그러나 기상 예측에서 오랫동안 예측하기 어려웠던 측면은 번개입니다. 번개의 예측이 어려워서 인해 인간의 생명, 재산, 자연에 미치는 피해를 최소화하는 것이 매우 어렵습니다. 그러나 스위스 로잔 연방 공과 대학(EPFL)의 엔지니어링 학교 연구 팀의 노력 덕분에 번개 충돌은 가까운 미래에 훨씬 더 예측 가능해질 수 있습니다.

SciTechDaily에 따르면, EPFL의 엔지니어링 학교 – 전자파 적합성 연구소의 연구자들은 최근 10~30분 이내에 30km 반경 내에서 번개 충돌을 정확하게 예측할 수 있는 AI 프로그램을 만들었습니다. 엔지니어링 팀이 만든 시스템은 기상 데이터에 인공지능 알고리즘을 적용하며, 이 시스템은 유럽 레이저 번개 막대(European Laser Lightning Rod) 프로젝트에서 사용될 예정입니다.

유럽 레이저 번개 막대 프로젝트의 목표는 새로운 유형의 번개 보호 시스템과 기술을 개발하는 것입니다. 특히 ELLR은 레이저 기반 기술을 사용하여 하향 자연 번개 충돌의 수를 줄이는 시스템을 개발하는 것을 목표로 합니다. 이를 위해 상향 번개 충돌을 자극하여 달성합니다.

연구 팀에 따르면, 현재 번개 예측 방법은 레이더 또는 위성에서 수집된 데이터에 의존하는 경우가 많습니다. 이는 매우 비용이 많이 들고, 레이더는 폭풍을 스캔하여 폭풍의 전기적 잠재력을 결정합니다. 다른 번개 예측 시스템은 지역에 3개 이상의 수신기를 사용하여 번개의 발생을 삼각 측량하는 경우가 많습니다. 이러한 방식으로 예측을 생성하는 것은 종종 느리고 복잡한 과정입니다.

반면에, EPFL 팀이 개발한 방법은 표준 기상 관측소에서 수집할 수 있는 데이터를 사용합니다. 이는 데이터가 훨씬 더 저렴하고 수집하기 쉽다는 것을 의미하며, 이 시스템은 위성이나 레이더 시스템이 커버하지 않는 지역 및 통신 네트워크가 불안정한 지역에 потен적으로 적용될 수 있습니다.

예측을 위한 데이터는 또한 빠르게 수집될 수 있으며 실시간으로 수집할 수 있으므로, 지역은 폭풍이 지역에 형성되기 전에 번개 충돌이 발생할 수 있음을 알릴 수 있습니다. ScienceDaily에 따르면, EPFL 팀이 예측을 위해 사용한 방법은 12개의 스위스 기상 관측소에서 수집된 데이터를 사용하여 훈련된 기계 학습 알고리즘입니다. 데이터는 10년 동안 수집되었으며, 데이터셋에는 산지와 도시 지역이 모두 포함되어 있습니다.

번개 충돌을 예측할 수 있는 이유는 특정 기상 조건과 밀접하게 관련되어 있기 때문입니다. 번개 충돌을 형성하는 데 가장 중요한 요소 중 하나는 강한 대류입니다. 여기서 습한 공기가 상승하며, 대気が 지역적으로 불안정해집니다. 구름 내의 물방울, 얼음 입자 및 기타 분자 간의 충돌은 입자 내의 전기적 충전을 분리시킬 수 있습니다. 이 분리는 구름 내에 서로 반대되는 전기적 충전을 가진 구층을 형성하며, 이는 번개를 발생시키는 방전으로 이어집니다. 이러한 기상 조건과 관련된 대기 특성은 기계 학습 알고리즘에 입력되어 번개 충돌을 예측할 수 있습니다.

데이터셋에는 풍속, 상대 습도, 기온, 대기압과 같은 변수가 포함되어 있습니다. 이러한 변수는 기록된 번개 충돌과 번개를 감지한 시스템의 위치와 함께 레이블이 지정되었습니다. 이러한 변수를 기반으로 알고리즘은 번개 충돌로 이어지는 조건의 패턴을 해석할 수 있었습니다. 모델을 테스트한 결과, 약 80%의 경우 번개 충돌을 올바르게 예측할 수 있었습니다.

EPFL 팀의 모델은 일반적으로 이용 가능한 기상 데이터를 기반으로 번개 충돌을 정확하게 예측할 수 있는 최초의 시스템 예입니다.