딥러닝 기반 번개 예측 모델 'Mjölmir' 등장: 차세대 지구 시스템 모델의 혁신을 예고하다

천민종 연구원이 개발한 딥러닝 기반 번개 예측 모델 'Mjölnir'는 높은 정확도를 바탕으로 차세대 지구 시스템 모델 개발에 기여할 것으로 기대됩니다.

최근 FourCastNet, Pangu-Weather, GraphCast와 같은 AI 기반 기상 예측 모델의 놀라운 발전은 딥러닝이 복잡한 대기 역학을 모방하는 능력을 보여주었습니다. 이러한 흐름을 이어 천민종 연구원은 전 세계 번개 섬광 밀도를 매개변수화하는 새로운 딥러닝 기반 프레임워크인 'Mjölnir'를 제안했습니다.

Mjölnir는 ERA5 대기 예측 변수와 세계 광범위 번개 위치 네트워크(WWLLN) 관측 자료를 기반으로 훈련되었습니다. 일일 시간 해상도와 1도 공간 해상도로 훈련된 Mjölnir는 대규모 환경 조건과 번개 활동 간의 비선형 매핑을 포착합니다. InceptionNeXt 백본과 SENet을 기반으로 하는 모델 아키텍처와 다중 작업 학습 전략을 통해 번개 발생과 강도를 동시에 예측하는 것이 특징입니다.

철저한 평가 결과, Mjölnir는 전 세계 번개 활동의 분포, 계절 변동성, 지역적 특성을 정확하게 재현하는 것으로 나타났습니다. 연평균 필드에 대한 전 세계 피어슨 상관 계수는 놀랍게도 0.96에 달했습니다. 이러한 결과는 Mjölnir가 효과적인 데이터 기반 전 세계 번개 매개변수화일 뿐만 아니라 차세대 지구 시스템 모델(AI-ESMs)을 위한 유망한 AI 기반 체계임을 시사합니다. 이는 단순한 기상 예측을 넘어, 보다 정확하고 효율적인 기후 모델링으로 이어질 잠재력을 가진 획기적인 연구입니다.

Mjölnir의 성공은 AI가 기상학 분야에 가져올 혁신적인 변화를 예고합니다. 보다 정확한 번개 예측은 자연재해 예방 및 대비에 크게 기여할 것이며, AI-ESMs의 발전은 기후 변화 연구에 새로운 지평을 열어줄 것으로 기대됩니다. 천민종 연구원의 Mjölnir는 단순한 모델을 넘어, AI 기술의 무한한 가능성을 보여주는 중요한 이정표입니다. 앞으로 이 기술이 기후 예측과 지구 시스템 이해에 어떻게 활용될지, 그 귀추가 주목됩니다.