더 빠른 기후 모델링을 위한 생성 AI

UC 샌디에이고와 알렌인공지능연구소(Allen Institute for AI)의 연구자들은 이미지 생성기 DallE와 같은 인공지능(AI) 도구를 사용하여 새로운 기후 모델을 개발했다. 이 모델인 Spherical DYffusion은 기존 모델보다 25배 더 빠르게 100년간의 기후 패턴을 예측할 수 있다.

Spherical DYffusion을 사용하면 다른 모델로 몇 주가 걸리는 작업을 25시간 만에 시뮬레이션할 수 있다. 일반적으로 상위 모델에는 슈퍼컴퓨터가 필요하지만 이 모델은 실험실의 GPU 클러스터에서 실행된다.

연구자들은 "딥 러닝 모델은 날씨와 기후를 모델링하는 방식을 바꿀 것이다."라고 말한다. 그들은 2024년 12월 밴쿠버에서 열리는 연례 신경 정보 처리 시스템(NeurIPS) 컨퍼런스에서 연구 결과를 공유할 예정이다. 연구자들은 컨퍼런스 논문에서 이 연구의 방법과 결과를 설명한다.

기후 시뮬레이션은 복잡하기 때문에 비용이 많이 든다. 이는 과학자들이 탐색할 수 있는 시나리오 수를 제한한다.

이 팀은 패턴을 학습하여 데이터를 생성하는 AI 유형인 확산 모델을 구형 신경망 연산자(지구 표면과 같은 구형 데이터를 처리하기 위한 네트워크)와 결합했다.

이 새로운 모델은 알려진 기후 데이터를 사용하여 일련의 변환을 통해 미래의 변화를 예측한다. 다른 방법보다 빠르고 거의 같은 정확도를 제공하지만 컴퓨팅 파워는 덜 사용한다.

더 나은 기후 모델의 중요성

그러나 이 모델은 아직 완벽하지 않다. 연구자들은 CO2에 대한 대기 반응과 같이 시뮬레이션에 더 많은 요소를 추가할 계획이다.

연구자들은 주요 기후 요소인 대기를 모방하는 데 집중했다고 언급했다.

이러한 발전은 더 빠르고 접근성이 높은 기후 모델링을 통해 과학자들이 더 많은 시뮬레이션을 실행할 수 있기 때문에 중요하다.

즉, 연구자들은 더 광범위한 기후 시나리오를 평가하여 해수면 상승이나 극심한 기상 현상과 같은 영향을 보다 정확하게 예측할 수 있다. 더 나은 예측은 정책 결정을 안내하고, 재난 대비를 강화하고, 효과적인 기후 변화 전략에 기여할 수 있으며, 이는 모두 지구의 미래에 필수적이다.

이 기술을 통해 우리는 기후 변화의 과제를 정면으로 해결할 수 있는 능력을 더 갖추게 되었다.