DeepMind WeatherNext, 사이클론 예측 정확도를 하루 앞당김

WeatherNext Cyclones는 경로·강도·바람 구조를 함께 예측하며, 기존 2일 예측과 같은 정확도를 3일 예측에서 달성해 24시간 이상의 추가 대비 시간을 확보함 전 지구 기상 역학과 약 5,000개 폭풍의 관측 자료를 함께 학습해, 전 지구 경로 모델과 고해상도 국지 강도 모델을 따로 사용하던 예측 방식의 간극을 좁힘 2023~2024년 사이클론 평가에서 주요 결정론·확률론 모델보다 선행 시간이 하루 이상 늘었으며, 지난 20년 추세로 보면 약 10년의 기상학 발전에 해당함 Functional Generative Networks를 이용해 TPU에서 15일 예측 하나를 1분 이내에 생성하고, 사이클론마다 1,000개 시나리오로 급격한 강화 같은 드물지만 중대한 가능성까지 평가함 Google DeepMind는 WeatherNext Cyclones·WeatherNext 2를 오픈소스화하고, 단일 TPU에서 실행할 수 있는 WeatherNext 2-mini와 시각화 도구 Weather Lab도 제공함 사이클론 예측 정확도의 도약 Nature 논문에 따르면 WeatherNext Cyclones는 사이클론의 경로·강도·바람 구조에서 최고 수준의 예측 정확도를 달성함 기존 모델보다 평균 24시간 이상 긴 선행 시간을 확보함 3일 예측이 이전 모델의 2일 예측과 비슷한 정확도를 내며, 지난 20년의 개선 추세로 환산하면 약 10년의 기상학적 진전에 해당함 열대성 사이클론은 지난 50년간 전 세계에서 70만 명 이상의 사망자와 1조4,000억 달러의 경제적 손실을 일으킨 기상 현상임 2023~2024년의 과거 사이클론을 대상으로 결정론·확률론 성능을 다른 주요 기상 모델과 비교함 ECMWF-ENS의 경로 예측과 HWRF의 강도 예측이 축적해 온 개선 추세를 뛰어넘는 단계적 향상이 확인됨 경로와 강도를 하나의 모델로 예측 기존 사이클론 예측은 서로 다른 공간 규모를 다루기 위해 두 가지 모델링 기법을 사용해야 했음 경로는 거대한 전 지구 대기 흐름의 영향을 받으므로 상대적으로 낮은 해상도의 전 지구 모델이 적합함 강도는 사이클론 중심부의 국지적이고 미세한 열역학 과정에 좌우돼 고해상도 국지 모델이 적합함 WeatherNext는 전 지구 기상과 사이클론을 함께 다루는 단일 AI 모델로 두 방식의 간극을 좁힘 학습 방식과 모델 아키텍처, 저해상도 입력 처리를 결합해 경로·강도·바람 구조를 동시에 예측함 2024년 10월...