검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'기상예측'통합검색 결과 입니다. (3건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

글로벌 기상전문가, 기상·기후 AI 파운데이션 모델 연구 성과 논의

기상청 국립기상과학원과 KAIST(총장 배충식)은 9일과 10일 양일간 서울 논현동 엘리에나 호텔에서 '제1회 기상·기후 인공지능(AI) 파운데이션 모델 국제 워크숍'을 개최했다고 밝혔다. 행사는 세계적으로 빠르게 발전하고 있는 AI 기반 기상예측 기술과 기상·기후 AI 파운데이션 모델 최신 연구 성과를 공유하고, 한국형 AI 기상·기후 파운데이션 모델 개발을 위한 국제협력 방안을 논의하기 위해 마련됐다. 국립기상과학원은 다양한 기상·기후 자료를 통합적으로 학습하고 여러 분야에 활용할 수 있는 파운데이션 모델로 발전함에 따라 행사에서 AI 기반 초단기 기상예측 모델인 '나우알파(NowAlpha)'와 중기 기상예측 모델인 '알파캐스트(AlphaCast)' 등 기존 연구 성과에서 나아가, 한국형 AI 기상·기후 파운데이션 모델로 발전시키기 위한 기술개발 방향을 소개한다. 행사에는 세계기상기구(WMO)·중국기상청(CMA)·엔비디아·마이크로소프트·IBM·독일 쾰른대학교 등에서 국내외 기상·기후 및 AI 분야 전문가 200여 명이 참석해 최신 기술개발 동향과 연구 성과를 공유한다. 첫날인 9일에는 ▲초단기부터 중기까지의 인공지능 기반 기상예측 기술 ▲기상·기후 파운데이션 모델 발전 방향 등을 논의했다. 특히, 기존 개별 예측 목적에 특화된 AI 모델에서 다양한 예측 분야에 적용가능한 범용 모델 전환과 관련한 최신 연구 성과를 공유했다. 둘째 날인 10일에는 ▲기상자료와 관측정보를 활용한 예측 기술 ▲재난안전·농업·에너지 등 분야별 활용과 현업 적용 방안 등을 논의한다. 이어 연구 성과 발표와 종합토론을 통해 AI 기상기술의 실질적인 활용과 국제협력 확대 방안을 모색한다. WMO와 주요국 기상청, 국제적 기술기업 및 학계 전문가들은 AI 기상예측 모델 비교·검증, 공동연구, 교육훈련, 기술 공유 등 실질적인 국제협력 방안을 모색한다. 이를 통해 국가별 기술 역량과 활용 환경을 고려한 AI 기상예측 기술 확산 가능성도 논의한다. 강현석 국립기상과학원장은 “AI 기술은 기상예측 신뢰도와 활용 범위를 높이는 핵심 기술로 빠르게 발전하고 있다”며 “이번 행사가 국내외 전문가들과 최신 기술 및 연구 성과를 공유하고, 한국형 AI 기상·기후 파운데이션 모델 개발 기반을 강화하는 계기가 되기를 기대한다”고 밝혔다. 배충식 KAIST 총장은 “AI 시대의 진정한 경쟁력은 기술을 활용하는 데 그치지 않고, 탄탄한 기초과학을 바탕으로 AI를 주도적으로 개발하고 새로운 가능성을 개척하는 데 있다”며 “기상·기후 분야에서도 과학적 이해와 AI 기술 융합을 통해 예측 한계를 넓히고, 기후위기 대응과 국민 안전에 기여하는 혁신이 이루어지기를 기대한다”고 밝혔다.

2026.11.09 17:06주문정 기자

'하늘의 기상관측소' 기상항공기, 3천 시간 비행…관측 공백 메워

기상청 국립기상과학원은 기상항공기 '나라호'가 2017년 11월 도입이래 현재까지 연평균 약 375시간, 총 3000시간의 비행과 880회의 관측 임무를 수행했다고 8일 밝혔다. 나라호는 27종의 관측장비와 장치를 장착·탑재한 대기 관측 전용 항공기로, 관측소가 부족한 해상 지역 대기 상태를 직접 관측할 수 있는 이동식 관측 수단이다. 비행 중 드롭존데·기본기상관측장비 등의 직접관측 장비와 항공구름 관측레이더·라디오미터 등 원격관측 장비를 활용해 기압·기온·습도·풍향·풍속 등 대기 정보를 입체적으로 관측하기 때문에 바다 위 대기 상태를 관측하는 일명 '하늘의 기상관측소'로 불린다. 나라호는 10년 가까이 우리나라 주변 해상의 대기 관측 공백을 보완하고 수치예보모델 신뢰도 향상을 위해 활용하고 있다. 3000시간 비행은 지구를 27바퀴 돌 수 있는 거리인 108만km에 해당한다. 나라호 비행시간은 미국·영국·독일 등 기상 분야 선진국과 대등한 수준으로 기상청이 세계 정상급 항공 관측 역량을 유지하고 있음을 보여준다. 항공기 1대당 미국 대기해양청(NOAA)과 국립대기연구센터(NCAR)는 연간 200~400시간, 영국 기상 항공기운영센터(FAAM)는 연간 300~400시간, 독일 항공우주센터(DLR)는 연간 300~350시간을 운영한다. 나라호는 한 번의 임무에서 약 4시간30분 비행하며 해상 대기 상태를 관측하고 있다. 드롭존데 관측도 연간 약 200~300회 수행하고 있다. 드롭존데 등 관측자료는 수치예보모델에 사용된다. 기존 연구에서도 동아시아 지역 태풍 항공 관측이 수치예보모델 태풍 경로 예측성 향상에 기여하는 것으로 보고됐다. 기상청은 2021년부터 미국·일본·중국·대만 등 국가와 지속적으로 국제 협력 네트워크를 확대해 태풍 공동 항공관측과 관측자료를 확보하고 있다. 협력 국가는 자국 영역에서 태풍 관측을 수행해 태풍 생성부터 소멸까지 전 주기를 감시하고 관측정보를 공유하고 있다. 기상청은 국제 협력 관계망 확대는 태풍 수치예보모델의 성능을 한 단계 높일 수 있을 것으로 기대했다. 지난해 11월에 체결한 국립기상과학원과 중국기상청의 아시아-태평양 태풍협력연구센터(AP-TCRC) 협력은 관측 공백 지역인 동중국해 영역의 태풍 감시 자료를 추가 확보하는 계기가 됐다. 국립기상과학원은 매년 여름철 방재기간에 집중호우·태풍 등 위험기상에 대비해 나라호를 활용한 관측을 수행하고 있다. 올해도 나라호 관측으로 우리나라 주변 해역 대기 상태를 지속해서 관측하고 위험기상 예측성 향상 연구에 필요한 자료를 확보할 계획이다. 강현석 국립기상과학원장은 “기상 예측의 출발점은 관측”이라며 “나라호 관측으로 해상 지역의 대기 정보를 확보하고 위험기상 예측 역량을 지속적으로 강화해 나가겠다”고 밝혔다.

2026.04.08 11:06주문정 기자

구글 딥마인드 '젠캐스트', 기상예측 부정확한 이유 있었다

구글 딥마인드가 지난 2024년 공개한 인공지능(AI) 기상 예측 모델 '젠캐스트'가 제트기류 등 작거나 중간규모 공기흐름을 통한 기상 예측에서는 정확도가 떨어지는 것으로 확인됐다. 광주과학기술원(GIST)은 윤진호 환경·에너지공학과 교수 연구팀이 국내외 협력 연구로 구글 딥마인드 '젠캐스트'가 날씨 예보 핵심 원리인 '나비효과'를 실제 대기처럼 충분히 재현하지 못하는 근본적인 한계를 규명했다고 31일 밝혔다. 연구는 윤진호 교수(교신저자)와 김희수 석사과정생(제1저자)이 주도하고, 류지훈 미국 유타주립대 박사후연구원, 손석우 서울대 지구환경과학부 교수, 정지훈 세종대 환경융합공학과 교수, 김형준 KAIST 문술미래전략대학원 교수가 공동저자로 참여했다. 연구 결과는 국제학술지 'npj 클라이밋 앤 애트모스페릭 사이언스'에 온라인으로 게재됐다. 김희수 석사과정생은 전화통화에서 "태풍같은 큰 규모에서는 젠캐스트 기상예측에 문제가 없었지만, 중간규모 이하 기상 예측에서는 정확도가 떨어졌다"며 "이유는 예측을 생성할 때 사용한 노이즈가 예보 과정에서 완전히 제거되지 않고 남아 있음을 확인했다"고 설명했다. 그는 또 "젠캐스트뿐 아니라 유사한 방식의 AI 기상예측 모델에서도 비슷한 특성이 나타난다"며 "현재 널리 쓰이는 성능 지표만으로는 AI 모델이 실제 대기 물리를 제대로 반영하는지 판단하기 어렵다는 점을 보여주는 것"이라고 부연 설명했다. 젠캐스트는 구글 딥마인드가 지난 2024년 공개한 AI 기상예측 모델이다. 대규모 과거 기상 데이터를 학습한 뒤 '확산 모델'을 활용해 확률적 방식으로 수일에서 최대 약 2주(15일) 범위의 날씨를 예측한다. 날씨 예보는 초기 조건의 아주 작은 차이가 시간이 지남에 따라 크게 확대되는 '나비효과' 영향을 받는다. 이러한 특성 때문에 기상청 등에서는 초기 조건을 조금씩 달리해 여러 번 예측을 수행하는 '앙상블 예보'를 통해 예측 불확실성을 확률적으로 산출하고 있다. 실제 유럽중기예보센터 수치예보모델(ECMWF IFS)은 날씨예보 방정식에 기반한 비선형적 특성을 활용해, 초기 조건의 작은 차이가 시간이 지나며 점차 증폭되고 다양한 경로의 미래 상태로 자연스럽게 전개되도록 설계돼 있다. 이를 통해 날씨 불확실성과 극한 기상 발생 가능성을 확률적으로 평가한다. 반면 젠캐스트 같은 AI 기반 기상예측 모델은 물리 방정식 대신 데이터를 학습해 예측을 수행한다. 동일한 초기 상태에서 시작해 예보 과정에서 '무작위 잡음'(노이즈)을 주입하고 이를 제거하는 방식을 통해 서로 다른 예측 결과(앙상블 멤버)를 생성한다. 이에 연구팀이 지난 2021년 52주간 제트기류가 흐르는 대기상층(9~10km)에서 운동에너지 변화를 놓고, 유럽중기예보센터 수치예보모델과 젠캐스트의 예보를 비교 분석했다. 그 결과 기존 수치예보 모델에서는 '나비효과'가 나타난 반면, 젠캐스트에서는 예보 과정에서 주입된 잡음이 실제 대기에서처럼 자연스럽게 확산되지 않고 특정 규모에 머무르며 인위적인 흔적처럼 남는 구조적 한계가 있음이 확인됐다. 김희수 석사과정생은 "실제 대기에서는 서로 다른 규모의 흐름이 상호작용하며 에너지가 이동하고 날씨가 형성되지만, 젠캐스트에서는 이러한 규모 간 상호작용이 상대적으로 약해 현실적인 대기 흐름을 충분히 재현하지 못하는 것으로 나타났다"고 설명했다. 젠캐스트는 태풍같은 큰 규모의 흐름은 비교적 잘 모델링하면서도, 구름 형성이나 폭풍 발달과 밀접한 중간 규모 이하에서는 에너지 흐름이 비정상적으로 유지되고 실제 대기와 다른 '잡음 형태'의 패턴이 나타나는 특징도 확인됐다는 것이 연구팀 설명이다. 윤진호 교수는 "현재 AI 모델이 생성하는 다양한 예측 결과(앙상블)가 물리 법칙에 따른 불확실성이라기보다 통계적 다양성에 기반할 가능성을 시사한다"며 "AI 기상예측 모델의 성능 평가에서 정확도뿐 아니라 물리적 타당성을 함께 검증할 필요가 있다"고 말했다.

2026.03.31 09:25박희범 기자