국립기상과학원 2020년 하반기 연구성과 발표회에서 최우수 학술상을 수여한 인공지능예보연구팀 송환진 선임연구원의 논문을 소개합니다.

"고해상도 구름모델에서 복사물리 신경망 에뮬레이터에 대한 평가"

수치모델에서 첨단 인공지능기술은 주로 산출물의 후처리 보정 연구에 활용되고 있으나 이와 같은 연구들은 수치모델에 종속적이므로 인공지능기술이 수치모델을 대체할 것이라는 기대와는 거리가 먼 접근방식입니다. 선진국에서는 인공지능기술이 수치모델을 대체하기 위한 도전적인 시도로 수치모델 내부의 물리과정 및 역학과정에 대한 에뮬레이터 개발을 시도하고 있습니다. 이와 같은 시도는 수치모델 개선의 패러다임을 수 십년간 축적된 이론(노하우) 중심의 연구에서 데이터 중심의 기술 개발로 변화시키고 있습니다.

미국 해양대기청(NOAA)은 2005년에 세계 최초로 장파복사에 대한 신경망 에뮬레이터를 개발한 이래로, 2010년에 RRTMG 장파·단파 복사물리과정에 대해 연산속도를 약 30배 개선한 신경망 에뮬레이터 개발 완료하였습니다. 미국 에너지부(DOE)도 2019년에 RRTMG 복사물리과정에 대해 심층신경망 기반의 에뮬레이터 개발결과를 발표했지만, 연산속도 개선이 8~10배에 불과하여, 심층신경망 방법이 연산속도 개선에 유리하지 않는 상황이었습니다. 위의 연구들은 모두 100 km 기후모델에 적용되었으며, 복사물리 에뮬레이터의 정확도 평가방식도 장기간 평균의 유사성을 확인하는 정도에 불과한 한계가 보였습니다.

국립기상과학원은 세계 최초로 고해상도(250m 규모) 구름모델 환경에서 RRTMG-K 복사물리과정에 대한 신경망 에뮬레이터를 개발하고, 기상청 현업 기상예측모델에 적용하기 위한 가능성을 확인하였습니다. 복사물리과정이 수치모델 계산의 86.47%를 차지하는 환경에서 신경망 에뮬레이터가 복사물리과정 연산속도를 20.76~100.10배(뉴런개수 300~56개) 증가시켜 모델 전체 수행시간을 82.12~85.96% 단축하였습니다.

논문에서는 복사물리 에뮬레이터의 정확도를 평가하는 방식으로 복사물리과정을 드물게 사용하여 속도를 개선하는 현업방식에 비해 정확해야 한다는 도전적인 목표를 제시하였습니다. 대부분의 에뮬레이터 연구가 규준실험의 모방을 최종 목표로 하는 상황에서 그것을 뛰어넘어야 한다는 것은 매우 도전적인 목표입니다.

해당 연구는 국립기상과학원에서 중장기적으로 추진하고 있는 수치모델의 물리과정 에뮬레이터 개발 과정에서 얻어진 초기 연구로 의의가 있으며, 향후에 보다 심화된 연구를 통하여 현업 수치예보모델을 개선하는데 기여할 수 있을 것입니다.

논문보기: Roh, S., and H.-J. Song, 2020, Evaluation of neural network emulations for radiation parameterization in cloud resolving model. Geophysical Research Letters, 47, e2020GL089444, https://doi.org/10.1029/2020GL089444