인공지능 기상 모델, 전통적인 모델보다 7,000 배 적은 전력 사용

기상 예보는 우리의 가장 강력한 컴퓨터가 수행하는 중요한 작업 중 하나입니다. 이는 온도, 바람, 강우와 같은 조건을 예측하는 데 도움이 되는 수백만 개의 계산과 방대한 기계가 방정식을 풀어야 하는 것을 필요로 합니다. 또한 큰 기상 사건을 예측하는 데 중요한 도구입니다. 이는 전체 지역과 경제를 혼乱시킬 수 있습니다.

기상 예측 분야는 기술이 발전함에 따라 빠르게 개선되고 있으며, 더 정확하고 효율적인 예측을 제공하고 있습니다. 워싱턴 대학교와 마이크로소프트 연구소 간의 협력을 통해 인공지능(AI)이 이러한 예측에 사용될 수 있는 방법에 대한 새로운 연구가 진행되었습니다. 새로운 기술은 과거의 기상 패턴을 분석하여 미래의 사건을 예측하며, 이는 현재의 모델보다 더 효율적으로 수행됩니다. 더 많은 발전이 이루어진다면, 이는 오늘날의 모델보다 훨씬 더 정확할 수 있습니다.

새로운 글로벌 기상 모델

新的 글로벌 기상 모델은 40년간의 기상 데이터를 사용하여 예측을 수행하며, 이는 다른 모델들이 물리 계산을 사용하는 것과는 다릅니다. 새로운 모델은 간단하고 데이터 기반으로 되어 있으며, 전 세계적으로 적용될 수 있습니다. 또한 이는 현재의 모델보다 빠르고 효율적이며, 이는 반복적인 단계를 통해 예측을 수행함으로써 달성됩니다.

이 연구는 발표된 Journal of Advances in Modeling Earth Systems에 실렸습니다.

조나단 웨인(Jonathan Weyn)은 이 연구의 주도자입니다.

“기계 학습은 본질적으로 패턴 인식을 수행하는 것입니다.”라고 웨인은 말했다. “기계 학습은 일반적인 패턴을 식별하고, 어떻게 진화하는지 인식하며, 과거 40년간의 데이터에서 본 예제를 기반으로 결정합니다.”

新的 모델은 현재의 최첨단 모델보다 정확도가 낮지만, 인공지능을 기반으로 하기 때문에 동일한 예측 범위를 개발하는 데 7,000 배 적은 컴퓨터 전력을 사용합니다. 이는 더 작은 계산 작업을 수행하기 때문에 더 빠릅니다.

앙상블 예측

이 증가된 속도는 예측 센터에서 다양한 조건으로 여러 모델을 실행할 수 있음을 의미합니다. 이는 “앙상블 예측”이라고 불리며, 이는 기상 사건에 대한 가능한 조건의 범위를 예측하는 데 사용됩니다.

데일 더란(Dale Durran)은 워싱턴 대학교의 대기 과학 교수이자 이 연구의 공동 저자입니다.

“이 접근법에는 훨씬 더 효율적인 측면이 있습니다. 이는 매우 중요합니다.”라고 더란은 말했다. “이 모델은 매우 큰 앙상블을 실행할 수 있을 만큼 빠르기 때문에, 예측 가능성 문제를 다룰 수 있을 것입니다.”

이 프로젝트는 마이크로소프트 연구소의 리치 카루아나(Rich Caruana)가 역사적인 데이터를 기반으로 기상 예측에 인공지능을 사용하는 것을 제안했을 때 시작되었습니다. 이는 물리 법칙을 더 이상 사용할 필요가 없음을 의미했습니다.

“과거의 기상 데이터를 학습한 후, 인공지능 알고리즘은 물리 방정식으로는 할 수 없는 변수 간의 관계를 식별할 수 있습니다.”라고 웨인은 말했다. “우리는 훨씬 더 적은 변수를 사용할 수 있으므로, 훨씬 더 빠른 모델을 만들 수 있습니다.”

이 모델은 표준 변수를 예측하여 테스트되었습니다. 이는 1년 동안 12시간마다 예측을 수행했으며, 새로운 모델은 WeatherBench에 따라 최고의 성과 중 하나를 보였습니다. WeatherBench는 데이터 기반 기상 예측의 벤치마크 테스트입니다.

연구자들은 기존 모델과 함께 또는 대신 사용하기 위해 모델을 조정해야 합니다. 저자들은 이 모델이 미래의 기상 예측을 생성하는 대안이 될 수 있다고 믿습니다.