깊은 학습 시스템은 극한 날씨를 정확하게 예측할 수 있다

라이스 대학교의 엔지니어들은 5일 전까지 극한 날씨를 정확하게 예측할 수 있는 깊은 학습 시스템을 개발했다. 이 시스템은 스스로 학습하며, 현재 날씨 조건에 대한 최소한의 정보만 필요로 한다.

시스템의 학습 과정에는 수백 개의 지도를 분석하는 것이 포함되며, 각 지도는 5km 높이에서 표면 온도와 공기 압력을 나타낸다. 이러한 조건은 수일 간격으로 표시된다. 학습 과정에서도 극한 날씨를 일으키는 시나리오가 제시된다. 이러한 시나리오에는 열파나 한파와 같은 현상이 포함된다. 학습을 완료한 후, 깊은 학습 시스템은 이전에 본 적 없는 지도를 사용하여 5일간의 극한 날씨를 85%의 정확도로 예측할 수 있었다.

연구의 공동 저자인 Pedram Hassanzadeh에 따르면, 이 시스템은 기상 예보자들에게早期 경보로서 사용될 수 있다. 또한 극한 날씨를 일으키는 특정 대기 조건에 대해 더 많이 알아보기 위해 유용할 것이다.

1950년대에 컴퓨터 기반의 수치 기상 예측(NWP)이 발명된 이후, 일일 기상 예보의 정확도가 향상되었다. 그러나 NWP는 극한 날씨를 신뢰할 수 있는 예측을 할 수 없다.

“우리가 더 빠른 슈퍼 컴퓨터가 필요할 수도 있다. 그러나 우리는 극한 날씨를 일으키는 패턴의 물리학을 완전히 이해하지 못하기 때문에, 수식이 완전히 정확하지 않을 수 있다”고 Hassanzadeh는 말했다.

2017년, Hassanzadeh는 연구의 공동 저자이자 대학원 학생인 Ashesh Chattopadhyay와 Ebrahim Nabizadeh와 함께 다른 방향으로 나아갔다.

“열파나 한파와 같은 극한 날씨가 발생할 때, 날씨 지도에서 제트 기류의 이상한 행동을 볼 수 있다”고 Hassanzadeh는 말했다. “이것은 패턴 인식 문제로 보인다. 그래서 우리는 극한 날씨 예보를 수치 문제가 아닌 패턴 인식 문제로 재정의하기로 결정했다.”

“우리는 모델을 훈련시킵니다. 우리는 많은 압력 패턴을 5km 높이에서 보여주고, 각 패턴에 대해 ‘이 패턴은 극한 날씨를 일으키지 않았다. 이 패턴은 캘리포니아에서 열파를 일으켰다. 이 패턴은 아무런 영향을 미치지 않았다. 이 패턴은 북동부에서 한파를 일으켰다’라고 말합니다”고 Hassanzadeh는 계속했다. “우리는 특정 지역을 대상으로 하지 않았다. 우리는 더 широк은 지역을 대상으로 했다.”

컴퓨터가 발명되기 전에, 아날로그 예보가 날씨 예측에 사용되었다. 이는 인간이 아니라 컴퓨터를 사용하는 새로운 시스템과 매우 유사했다.

“예보는 이전에 발생한 패턴을 찾아보는 방식으로 이루어졌다”고 Hassanzadeh는 말했다. “만약 특정 패턴이 프랑스에서 3일 후에 비를 가져왔다면, 예보는 프랑스에서 비가 내릴 것이라고 했다.”

현재, 신경망은 스스로 학습할 수 있으며, 인간의 도움이 필요하지 않다.

“우리가 극한 날씨를 일으키는 패턴의 물리학을 완전히 이해하지 못했지만, 신경망은 스스로 연결을 찾을 수 있었다”고 Hassanzadeh는 말했다. “신경망은 극한 날씨를 일으키는 패턴을 찾았고, 이를 사용하여 최好的 아날로그를 찾았다.”

팀은 자신의 개념을 테스트하기 위해 현실적인 컴퓨터 시뮬레이션 데이터를 사용했다. 처음에는 합성곱 신경망을 사용했지만, 이후 캡슐 신경망으로 전환했다. 합성곱 신경망은 상대적인 공간적 관계를 인식하지 못하지만, 캡슐 신경망은 가능하다. 이러한 상대적인 공간적 관계는 날씨 패턴의 발전에 중요하다.

“압력 패턴의 상대적인 위치, 즉 날씨 지도에서 볼 수 있는 고기압과 저기압은 날씨가 어떻게 발전하는지 결정하는 핵심 요소이다”고 Hassanzadeh는 말했다.

캡슐 신경망은 합성곱 신경망보다 훈련 데이터를 덜 필요로 한다.

팀은 시스템을 작동하는 예보에 사용할 수 있도록 계속 개발할 것이다. 그러나 Hassanzadeh는 시스템이 궁극적으로 극한 날씨의 더 정확한 예측을 제공할 수 있기를 희망한다.

“우리는 이 시스템이 NWP를 대체할 수 있다고 주장하지 않는다”고 Hassanzadeh는 말했다. “그러나 이 시스템은 NWP에 대한 유용한 가이드가 될 수 있다. 계산적으로, 이 시스템은 극한 날씨가 발생할 가능성이 높은 지역에서 NWP 자원을 집중할 수 있는 초기 경보를 제공하는 저렴한 방법이 될 수 있다.”

“우리는 설명 가능한 인공지능(AI) 개념을 사용하여 신경망이 무엇을 하는지 해석하고자 한다”고 Hassanzadeh는 말했다. “이것은 극한 날씨를 일으키는 패턴의 물리학을 이해하고, 극한 날씨를 일으키는 조건을 찾는 데 도움이 될 수 있다.”