국립기상과학원 2021년 하반기 연구성과 발표회에서 최우수 학술상을 수여한 인공지능기상연구팀 송환진 선임연구원의 논문을 소개합니다.

“초단기예보모델의 복사물리 신경망 에뮬레이터 개발”

첨단 인공지능기술의 급격한 발전은 수 십년간 이어진 이론 중심의 수치예보모델 개발 방향을 위협하고 있다. 수치모델의 정확도와 연산속도 개선을 목표로, 선진국에서는 이미 수치모델 내부의 물리과정 및 역학과정에 대한 에뮬레이터 개발을 추진하고 있다. 수치모델에서 가장 많은 연산자원을 차지한다고 알려진 복사물리 모수화를 신경망 에뮬레이터로 대체하는 연구는 미국 해양대기청과 에너지부에서 주도적으로 진행되고 있다. 이러한 연구들은 대부분 저해상도 기후모델에 적용되었지만, 본 연구는 중규모 날씨예측을 목적으로 기상청 5 km 초단기예보모델에 대한 복사물리 신경망 에뮬레이터를 개발했다.

장기간 수치모의를 통해 RRTMG-K 복사물리과정의 입·출력자료를 300만개×96개 유형(장파·단파, 12개월, 육지·해양, 청천·구름)으로 준비했으며, 각 유형에 대해 90개 뉴런으로 신경망 훈련을 진행했다. 이때 사용된 자료의 양은 미국 해양대기청의 2010년 논문에 비해 720배 많은 것으로, 대규모 훈련자료를 통해 신경망 에뮬레이터의 정확도를 극대화하고자 했다. 신경망 훈련을 통해 얻어진 가중치 및 편차 계수는 에뮬레이터 형태로 초단기예보모델에 입력되어 RRTMG-K 복사물리과정을 대체했다. RRTMG-K 복사물리과정을 매 적분시각(20초) 사용하는 규준실험에 비해, 복사물리 신경망 에뮬레이터는 복사물리과정의 연산속도를 60.9배 개선하고, 수치모델 전체의 연산량을 87.26% 단축했다. 이때, 규준실험 대비 장·단파 복사량의 1일 예측 정확도는 R2 관점에서 97.5% 유지되었다.

추가적인 검증으로, 복사물리과정을 60번에 1번 사용하는 현업방식(60배 속도)과 비교할 때, 60배 속도를 가지는 복사물리 신경망 에뮬레이터는 장·단파 복사량의 1일 예측 오차를 31~34% 개선했다. 복사물리과정의 드문 사용과 에뮬레이터를 조합하는 경우, 복사물리과정에 대하여 1~2천배의 속도 개선도 가능하다는 결과도 제시되었다. 관측 검증 결과, 복사물리 신경망 에뮬레이터를 사용하더라도 기온과 강수유무의 예측 정확도는 거의 하락하지 않았다. 결론적으로 복사물리 신경망 에뮬레이터의 연산속도와 정확도에서의 장점은 현업 수치예보모델에 적용되어 날씨 예측을 개선하는데 유용하게 사용될 수 있다. 국립기상과학원의 이러한 선도적인 연구는 인공지능기술이 수치예보모델을 대체할 수 있을 것이라는 시대적 소명에 우리나라가 동참하는 계기가 될 전망이다.

논문보기: Song, H.-J., & Roh, S. (2021). Improved weather forecasting using neural network emulation for radiation parameterization, Journal of Advances in Modeling Earth Systems, 13, 2021MS002609. https://doi.org/10.1029/2021MS002609