국립기상과학원 2022년 상반기 연구성과 발표회에서 최우수 학술상을 수여한 인공지능기상연구과 송환진 선임연구원의 논문을 소개합니다.

“복사물리 신경망 에뮬레이터의 보편성에 미치는 미세물리 모수화의 영향”

미국 해양대기청과 유럽 중기예보센터 등 선진 기상기관에서는 인공지능기술이 수치모델을 대체하기 위한 도전적인 시도로써 수치예보모델 내부의 물리·역학과정에 대한 에뮬레이터를 개발하고 있다. 에뮬레이터 연구는 수치예보모델 내부에서 연산시간을 많이 차지하는 일부 과정을 인공지능 학습으로 대체함으로써 신속한 예보 제공을 목표로 한다. 하지만, 이러한 에뮬레이터가 현업 수치예보모델에서 활용되기 위해서는 높은 수준의 예측 정확도가 담보되어야 한다.

수치예보모델의 복사물리 에뮬레이터 분야에서 가장 선도적인 연구를 진행 중인 미국 해양대기청은 Geoscientific Model Development 저널에 게재한 2021년 논문을 통해 복사물리 에뮬레이터의 보편적용 가능성을 조사했다. 해당 논문에서는 과거 CFS 모델에서 학습된 결과를 최근 GFS 모델에 적용하더라도 복사물리 에뮬레이터의 안정성이 유지되는 것을 확인했다. 하지만, 구름미세물리 모수화의 영향을 배제한 제한적인 조건에서의 결과였으며, CFS 미세물리 모수화로 학습된 복사물리 에뮬레이터를 GFS 미세물리 모수화에 적용하는 경우, GFS 모델이 비현실적인 지구장파복사량을 생산했다고 논문에서 밝히고 있다.

본 연구는 국립기상과학원에서 2021년에 개발한 기상청 초단기예보모델의 복사물리 에뮬레이터가 학습되지 않은 구름미세물리 모수화에 대해서 어떠한 예측 성능을 나타내는지를 조사했다. WDM7 미세물리 모수화로 학습한 결과를 학습되지 않는 14개 미세물리 모수화에 대해서 적용하고, 2020년 전체 기간에 대해서 예측 성능을 진단했다. 그 결과, 모델 관점에서는 미세물리 모수화가 장파·단파 복사량 예측에 대해서 큰 영향을 주는 것은 분명하지만, 실제 관측자료와 비교할 때 예측 성능이 크게 달라지지 않는 것을 확인했다. 강수 예측 정확도 하락은 미미했으며, 기온 예측에서는 심지어 비학습 미세물리 모수화 예측 정확도가 보다 높게 나타났다. 결과적으로, 국립기상과학원에서 개발한 복사물리 에뮬레이터의 현업 적용에는 문제가 없으며, 60배 연산속도의 장점만 부각된 상황이다. 이와 같은 결과는 국립기상과학원에서 개발한 복사물리 에뮬레이터가 구름미세물리 모수화의 보편적용성 측면에서 미국 해양대기청에 비해 우수하다는 것을 시사하고 있다.

논문보기: Song, H.-J., & Kim, P. S. (2022). Effects of cloud microphysics on the universal performance of neural network radiation scheme. Geophysical Research Letters, 49, e2022GL098601. https://doi.org/10.1029/2022GL098601