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?
AI와 물리 법칙의 조화
NeuralGCM의 가장 큰 특징은 거시적인 기상 흐름을 계산하는 물리적 역학 코어(Dynamical Core)와 미세한 기상 현상을 처리하는 신경망 모수화를 하나로 합친 '하이브리드' 구조라는 점인데요. 여기서 '모수화(Parameterization)'란, 구름 형성이나 개별 빗방울이 뭉치는 것과 같이 모델이 직접 계산하기에는 너무 작거나 복잡한 현상을 지능적인 수식이나 AI를 통해 추정해내는 과정을 말합니다.
NeuralGCM의 하이브리드 프레임워크 구조. 출처: 구글.
- 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. - 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. - 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.
NeuralGCM의 성과
NeuralGCM은 지구 전체를 약 280km(2.8°) 단위의 큼직한 격자로 나누어 계산하는, 상대적 저해상도 모델입니다. 보통 이렇게 격자 한 칸이 넓으면 구름이나 비 같은 미세한 날씨 변화를 섬세하게 잡아내기 어려운데요. NeuralGCM은 신경망이 격자 내부의 복잡한 현상을 영리하게 추론하도록 설계되었습니다. 덕분에 훨씬 촘촘하고 정밀한 격자를 사용하는 현존 최고의 시스템인 ECMWF보다도 강수량 예측에서 더 정확한 성능을 보여주었습니다.
위성 관측 데이터(IMERG) 기준 24시간 누적 강수량 예보 정확도 비교. 출처: 구글.
정확도 승리:
예보 시작부터 15일이 지날 때까지 NeuralGCM(파란색)이 종합 예보 정확도(A)와 평균 오차(E), 극한 강수 예측력(Q) 등 모든 지표에서 ECMWF를 일관되게 앞섭니다.균일한 성능:
오른쪽의 세계 지도는 예보 2일 차의 오차 분포를 보여주는데요. NeuralGCM은 특정 지역에 치우치지 않고 전 지구적으로 오차가 적고 균일한 예보 성능을 보여줍니다.압도적 속도:
NeuralGCM은 효율성도 뛰어납니다. 단일 TPU로 하루에 약 1,200년 분량의 기후를 시뮬레이션할 수 있지요. 이는 수천 개의 CPU 코어를 사용하는 전통적인 기상 모델보다 수십 배 빠른 속도입니다!
NeuralGCM은 단순한 연구용에 그치지 않고, 이미 시카고 대학교와 인도 농업부의 협력을 통해 인도 몬순 시즌의 시작을 예측하는 시범 프로그램에 투입되었다고 합니다. 기술은 실험실 밖을 나왔을 때 진정한 빛을 발하기 시작합니다. 우리 삶을 실질적으로 도와주는 다양한 연구가 빛을 보는 2026년이 되기를 바랍니다.
