자연의 무게: 8분 만에 15일간의 전 세계 날씨를 예측하는 딥마인드 AI, 세계에서 가장 진보된 일기 예보 시스템을 능가합니다.

세계기상기구(WMO)의 데이터에 따르면 다음과 같이 나타났습니다.지난 50년 동안 매일 평균 1건의 기상, 기후 또는 홍수 관련 재해가 발생하여 115명이 사망하고 매일 2억 2,000만 달러의 경제적 손실이 발생했습니다.
따라서보다 정확한 일기 예보 시스템 구축수백만 명의 생명을 구하고 수조 달러의 경제적 손실을 줄이는 데 도움이 될 것입니다.큰 의미가 있습니다..
그러나 기존의 일기 예보는 계산 복잡도가 높고 모델 구축에 많은 시간이 소요되는 수치 기상 예측 알고리즘(NWP)에 의존하기 때문에 신속하게 예보를 생성하기 어려웠습니다. 머신러닝 기반 일기예보(MLWP)는 효율성과 단일 예보 정확도 면에서 일부 획기적인 발전을 이루었지만, 예보 불확실성을 정량화하고 복잡한 공간적, 시간적 상관관계를 처리하는 데는 NWP 통합 예보 시스템만큼 우수하지 못합니다.
오늘.구글 딥마인드 연구팀이 개발한 인공지능(AI) 모델인 GenCast는 일기 예보의 정확성과 효율성을 완전히 새로운 차원으로 끌어올렸습니다.--
GenCast는 80개 이상의 지표 및 대기 변수를 포함하여 0.25°의 해상도로 12시간 시간 단위로 8분 이내에 확률론적 15일 글로벌 예보를 생성할 수 있으며, 평가 지표 중 97.21 TP3T(총 1,320개 지표)에서 현재 최고의 글로벌 중거리 예보인 유럽 중기 예보 센터(ECMWF) 앙상블(ENS)보다 더 나은 한계 및 합동 예보 분포를 보였습니다. 유럽중기예보센터(ECMWF) 앙상블 예보(ENS)는 현재 97.21 TP3T 평가 지표(총 1320개 지표)에서 세계 최고의 중거리 예보로, 마진과 공동 예보 분포가 더 우수합니다.
또한 GenCast는 극한 날씨(예: 고온, 강풍), 열대성 저기압 경로, 풍력 에너지 생산량을 예측하는 데 더 효과적입니다.
관련 연구 논문은 "머신 러닝을 통한 확률론적 일기 예보' 논문이 저명한 과학 저널에 게재되었습니다. 자연 위로.

GenCast: 더 빠르고 정확한 미래 날씨 예측

그림: 일기 예보를 생성하는 GenCast의 개략도.

그림 | GenCast의 한계 예측 분포는 능숙하고 잘 보정되어 있습니다.

GenCast는 지역적 바람과 열대성 사이클론 예보에서 ENS보다 뛰어난 성능을 발휘합니다.

GenCast는 조건부 확산 모델을 사용하여 가능한 다양한 날씨 시나리오를 생성하는 새로운 확률론적 일기 예보 모델입니다.. 핵심 기능은 미래 기상 상태의 조건부 확률 분포를 모델링하는 것, 즉 현재 및 이전 기상 상태를 기반으로 미래 예보를 생성하는 것입니다. 이러한 접근 방식을 통해 GenCast는 전 세계 15일 확률론적 일기 예보를 더욱 빠르고 정확하게 제공할 수 있습니다.
구체적으로GenCast의 아키텍처는 인코더, 프로세서, 디코더의 세 가지 모듈로 구성됩니다.인코더는 초기 날씨 상태를 6배로 잘게 나눈 구형 그리드에 매핑합니다. 인코더는 초기 날씨 상태를 6배로 잘게 나눈 구형 그리드에 매핑하고 프로세서는 그래픽을 전달합니다. 변압기 그리드 노드 간에 복잡한 시공간적 상관관계가 캡처되고, 디코더는 결과를 다시 전 세계 위도/경도 그리드로 리매핑하여 최종 일기 예보를 생성합니다.

또한 40년 동안 전 세계적으로 가장 우수한 날씨 예측 분석이 포함된 데이터 세트인 ERA5 재분석 데이터로 GenCast를 학습시켜 모델이 과거 날씨 패턴을 일반화하고 심층적으로 이해할 수 있도록 했습니다.
젠캐스트의 실제 성능을 평가하기 위해 연구팀은 현재의 최신 시스템 및 모델과 비교하여 벤치마킹했습니다. 공정한 비교를 위해 모든 모델은 0.25°의 균일한 해상도로 ERA5 데이터를 기반으로 초기화되었습니다.
다른 시스템과의 실험에서 GenCast는 실제 관측에 더 가까운 기상 샘플을 생성하며, 예측 분포는 가능한 다양한 시나리오를 포괄하여 사용자에게 잠재적 위험에 대한 보다 포괄적인 이해를 제공합니다. 예를 들어, 태풍 하이브가 일본에 상륙하기 직전에 GenCast의 예측은 1~15일 예측 기간 동안 실제 ERA5 지상 실측에 매우 근접한 구형 고조파 전력 스펙트럼으로 매우 명확하게 예측했습니다.
그 후연구팀은 극한 기상 예보에서 GenCast와 ENS의 전반적인 예보 기술, 보정 및 성능을 평가했습니다.즉, 한계 예보 성능입니다. 주어진 시간과 장소의 기상 조건에 대한 구체적인 예보인 한계 예보는 일일 기상 서비스의 중심에 있습니다.
GenCast는 이 분야에서 강력한 성능 이점을 보여줍니다. 실제 데이터와 호환성이 높은 온도, 풍속, 기압 등의 변수에 대한 예측을 제공할 뿐만 아니라 향상된 확률적 보정을 통해 예측 불확실성을 효과적으로 정량화함으로써 가능한 기상 시나리오를 보다 정확하게 반영하는 예측 분포를 생성합니다.
구체적인 연구 결과에 따르면여러 기상 변수의 한계 분포를 예측하는 데 있어 GenCast는 ENS보다 뛰어난 성능을 발휘합니다.1320개의 평가 목표를 포괄하는 테스트에서 GenCast는 97.2%의 높은 기술 점수(CRPS)를 달성했으며, 특히 단기 예측(1~5일)에 효과적이었습니다.
한편.GenCast는 고온, 강풍 등 극한의 날씨를 예측하는 데도 탁월합니다.. 이 연구에서는 Brier 기술 점수와 상대적 경제 가치(REV) 곡선을 사용하여 모델 성능을 측정했습니다. 그 결과, 고온(99.991 TP3T 사분위수) 및 극저온(0.011 TP3T 사분위수) 이벤트를 예측하는 데 있어 GenCast가 ENS보다 훨씬 뛰어난 성능을 보였습니다.
또한.젠캐스트의 한계 분포 예측은 우수한 보정을 보여줍니다.즉, 예보에서 발생할 수 있는 오류나 편향을 정확하게 식별하고 사용자에게 보다 신뢰할 수 있는 날씨 의사 결정 지원을 제공할 수 있습니다.

젠캐스트는 한계 예보 외에도 공동 예보에서도 인상적인 성과를 보여 왔습니다. 공동 예보는 기상 변수 간의 공간적, 시간적 상관관계에 초점을 맞추며, 이는 전 세계 기상 시스템의 역학을 파악하는 데 매우 중요합니다. 예를 들어, 열대성 저기압의 진로 예보에서 열대성 저기압의 경로는 단일 변수에 의존할 뿐만 아니라 여러 수준의 대기 상호 작용도 고려해야 합니다. GenCast는 이러한 복잡한 상관관계를 정확하게 포착하여 정확한 예보를 생성할 수 있는 공간적, 시간적으로 일관된 기상 샘플을 생성할 수 있습니다.
특히 이 연구에서는 태풍 히비스커스 발생 시 GenCast의 성능을 분석합니다. 태풍 진로 예측 결과, GenCast의 불확실성 평가 범위가 더 많은 가능한 시나리오를 포괄하고, 진로 위치 예측 오차가 ENS보다 현저히 낮으며, 무엇보다 예측 시간이 짧을수록 불확실성 범위가 수렴하여 의사 결정자에게 상륙 시간과 위치에 대한 보다 정확한 정보를 제공한다는 것을 알 수 있습니다.
또한 지역 풍황 예보에서 GenCast는 10미터 풍속 데이터를 풍력 에너지 출력으로 변환하여 특히 짧은 시간 규모에서 ENS에 비해 예측 정확도를 20% 향상시키고 재생 에너지 스케줄링에 새로운 가능성을 제시합니다.

GenCast는 정확도와 효율성 면에서 두 배의 혁신을 이루었지만, 아직 최적화할 여지가 남아 있습니다. 예를 들어, 향후 ENS 시스템의 업그레이드에 맞춰 해상도를 개선하거나 증류를 통해 계산 비용을 절감할 수 있습니다. 또한 운영 데이터로 미세 조정하거나 보다 전통적인 NWP 초기 상태 처리를 통합하면 그 유용성을 크게 높일 수 있습니다.

AI는 기후 예측의 미래를 어떻게 바꾸고 있나요?

일기 예보 분야에서 AI는 "극한 기상 예보를 개선할 수 있는 더 빠르고 저렴한 대안"으로서 항상 큰 기대를 모아왔습니다.Google 외에도 화웨이와 칭화대학교를 비롯한 기술 기업과 대학이 이러한 방향으로 상당한 진전을 이루었습니다.
2023년 7월화웨이 클라우드에서 개발한 판구-웨더 모델은 자연39년간의 전 세계 재분석 기상 데이터를 학습 데이터로 사용하며, 예보 정확도는 세계 최고의 수치 기상 예측 시스템인 IFS와 비슷하고 동일한 공간 해상도에서 IFS보다 10,000배 이상 빠릅니다.
에 동시 게시 자연 이 주제에 대한 또 다른 논문에서는 NowcastNet이 모델은 물리 법칙과 딥러닝을 결합하여 실시간으로 강수량을 예측합니다. 이제캐스트넷은 근접 예보에서 우수한 성능을 보이며, 레이더 관측을 기반으로 2048km × 2048km 면적의 고해상도 강수량을 최대 3시간 전에 미리 예측할 수 있습니다. 레이더 데이터를 기반으로 NowcastNet은 최대 3시간 전에 2048km × 2048km 면적에 대한 고해상도 강수량을 예측할 수 있습니다.
2023년 11월구글 딥마인드, 머신러닝 기반 일기 예보 모델인 그래프캐스트 출시이 모델은 0.25°의 전 세계 해상도로 향후 10일 동안의 수백 가지 기상 변수를 1분 이내에 예측할 수 있어 기존 기상 예보 방법보다 훨씬 뛰어난 성능을 보이며 극한 상황 예측에 탁월한 성능을 발휘합니다. 이 연구 논문은 주요 과학 저널에 게재되었습니다. 과학 위로.
2024년 3월, 구글 리서치 홍수 예측 팀은 5,680개의 계측기 데이터로 훈련된 AI 모델을 개발하여 7일 이내에 계측되지 않은 유역의 일일 유출량을 예측할 수 있도록 했습니다.이 모델은 당일 예측과 5년에 한 번 발생하는 극한 기상 현상을 예측하는 데 있어 당시 최고의 글로벌 홍수 경보 시스템인 GloFAS보다 뛰어난 성능을 보였습니다.관련 연구 논문이 주요 과학 저널에 게재되었습니다. 자연 위로.
2024년 7월Google 연구팀과 공동 작업자들이 일기 예보 및 기후 시뮬레이션 모델인 NeuralGCM을 출시했습니다.이 모델의 정확도는 1~15일 단기 일기 예보의 경우 ECMWF 모델과 비슷하며, 사이클론 예보 및 궤적 시뮬레이션의 경우 기존 모델보다 성능이 뛰어납니다. 해수면 온도를 포함하면 이 모델의 40년 기후 예측은 지구 온난화 추세와 매우 일치합니다. NeuralGCM은 30초의 계산 시간으로 22.8일간의 대기 시뮬레이션을 생성할 수 있습니다. 이 연구 논문은 주요 과학 저널에 게재되었습니다. 자연 위로.
가까운 미래에 AI 기반 일기 예보는 더 빠른 속도와 더 높은 정확도로 재난 경보, 에너지 계획 및 기후 적응에 더 큰 역할을 할 것이며, 인류가 점점 더 복잡해지는 기후 문제에 대처할 수 있는 더 강력한 도구를 제공할 것으로 믿어집니다.