기상 예측의 혁신: 물리학과 위상 정보를 결합한 딥러닝 모델 PASSAT

본 기사는 물리학 및 위상 정보를 통합한 혁신적인 딥러닝 기상 예측 모델 PASSAT에 대해 소개합니다. PASSAT은 기존 모델의 한계를 극복하고, ERA5 데이터셋에서 우수한 성능을 입증함으로써 기상 예측 분야에 새로운 지평을 열었습니다.

기상 예측의 새로운 지평을 열다: PASSAT

기상 예측 분야에서 딥러닝은 놀라운 잠재력을 보여주고 있지만, 기존 모델들은 대기의 물리적 현상이나 지구 표면의 위상적 특징을 제대로 고려하지 못하는 한계를 지니고 있었습니다. Zheng Jiaqi, Ling Qing, Feng Yerong 등 연구진은 이러한 문제점을 해결하기 위해 획기적인 모델 PASSAT (Physics-ASSisted And Topology-informed deep learning model)을 개발했습니다.

PASSAT은 기상 변화를 주도하는 두 가지 핵심 요소에 주목합니다. 첫째, 대류 과정으로, 대류 방정식과 Navier-Stokes 방정식으로 특징지어집니다. 둘째, 모델링 및 계산이 어려운 지구-대기 상호 작용입니다. 단순한 평면으로 취급하는 대신 지구 표면의 위상 정보를 고려하는 것이 PASSAT의 핵심 차별점입니다.

PASSAT은 구면 다양체(spherical manifold)에서 대류 방정식과 Navier-Stokes 방정식을 수치적으로 풀고, 구면 그래프 신경망(spherical graph neural network)을 이용하여 지구-대기 상호작용을 포착합니다. 특히, 대류 방정식을 푸는 데 중요한 초기 속도장(initial velocity fields) 역시 동일한 구면 그래프 신경망에서 생성합니다. 이는 기존 모델들이 간과했던 물리적 정확성과 지리적 정밀성을 동시에 확보하려는 시도입니다.

$5.625^\circ$-해상도 ERA5 데이터셋을 사용한 실험 결과, PASSAT은 최첨단 딥러닝 기반 기상 예측 모델 및 운영 수치 예보 모델인 IFS T42를 모두 능가하는 성능을 보였습니다. 이 연구는 GitHub (https://github.com/Yumenomae/PASSAT_5p625) 에서 코드와 체크포인트를 공개하여, 다른 연구자들의 검증과 발전을 위한 토대를 마련했습니다.

PASSAT의 등장은 기상 예측 분야에 새로운 가능성을 열어주는 쾌거입니다. 물리학과 위상 정보를 결합한 이 혁신적인 접근 방식은 더욱 정확하고 신뢰할 수 있는 기상 예보를 가능하게 할 것으로 기대됩니다. 이는 단순한 예보의 개선을 넘어, 농업, 항공, 재난 관리 등 다양한 분야에 긍정적인 영향을 미칠 것으로 전망됩니다.