Google DeepMind, 사이클론 예측 WeatherNext를 Nature 논문과 함께 오픈소스로 공개
WeatherNext: AI model achieves breakthrough in forecasting cyclones
Google DeepMind는 사이클론의 진로, 강도, 바람 구조를 단일 모델로 예측하는 WeatherNext를 Nature 논문으로 발표하고, WeatherNext 2와 WeatherNext Cyclones의 코드 및 모델 가중치를 공개했다고 밝혔다. 3일 앞의 예측이 기존 모델의 2일 앞 예측 정확도에 해당하며, 평균적으로 하루치 예측 정확도가 더해진다고 한다. 소형 버전인 WeatherNext 2-mini도 함께 공개됐으며, 무료 Colab 노트북에서 단일 TPU로 실행된다.
WeatherNext Cyclones는 2023년부터 2024년까지의 과거 사이클론을 대상으로 다른 주요 기상 모델들과 비교 평가되었다. 진로, 강도, 바람 구조 예측에서 평균적으로 24시간을 넘는 리드타임 우위를 얻었다고 한다. 학습에는 약 20테라바이트의 전 지구 대기 데이터와 약 5,000개의 과거 폭풍을 담은 IBTrACS 데이터베이스가 쓰였으며, 전 지구 기상 역학과 전문가가 정리한 관측 데이터를 함께 사용해 공동으로 학습했다.
기존에는 진로는 거친 전 지구 모델로, 강도는 고해상도 국지 모델로 다루는 두 방식을 구분해 써야 했다. WeatherNext는 이 차이를 메우는 단일 모델로, Functional Generative Networks(FGN)를 통해 예측 앙상블을 효율적으로 생성하고 기상의 불확실성을 포착한다. 15일 앞의 예측을 TPU 한 대로 1분 미만에 생성할 수 있다. 작년에는 50개의 예측을 동시에 내놓았으나, 올해는 앙상블을 1,000개 구성원으로 확대해 급격한 강도 증가처럼 드물지만 영향이 큰 시나리오도 포착한다.
입력은 28x28km 해상도면 충분하며, 이는 기존 모델보다 100배 거친 수준이다. 111x111km에서 동작하는 WeatherNext 2-mini도 높은 성능을 보였다. 이는 연구자들에게도 예상 밖의 결과로, 이 해상도에서 어떻게 높은 정확도의 예측이 가능한지는 아직 풀리지 않은 연구 과제로 남아 있다.
실제 운용에서는 2025년 허리케인 시즌에 미국 국립허리케인센터(NHC)가 Hurricane Melissa의 급격한 강화와 자메이카 상륙을 예측할 때 이 모델이 도움을 준 것으로 알려졌다. 개발에는 Google DeepMind와 Google Research, NHC, CIRA, UK Met Office 등이 협력했다. 공개되는 것은 시즌 중 가동된 WeatherNext Cyclones와 10월에 운용을 시작한 WeatherNext 2이며, 학술 연구와 업무 예보, 보다 국지적인 모델 개발에 활용할 수 있다. 최신 예측은 기온, 강수, 풍속 등을 한 화면에서 볼 수 있도록 새로 단장된 Weather Lab에서 확인할 수 있다.
단일 모델로 진로, 강도, 바람 구조를 예측하는 방식과 가중치 및 코드의 공개 범위가 구체적으로 제시되어, 기상 분야에서의 재활용을 검토할 자료가 된다.
출처: Google DeepMind Blog · deepmind.google