일기예보와 과거 분석에 의한 머신러닝 방정식 결합해 번개 예측
10분에서 30분사이에 번개가 언제 어디에 칠 지 예측하는 모델 개발
강우량, 시기, 장소 등 2시간 내에 포착하도록 머신러닝 훈련시켜
우리는 속도가 빠른 것을 번개(lightning) 같다고 한다. 그렇다면, 실제로 번개는 정말로 빠를까? 과학적으로 밝혀낸 번개의 속도는 일반적으로, 시속 약 360,000,000km다. 초속은 약 100,000km/s로 정말 빠른 속도다.
번개는 구름과 구름, 구름과 지표면 사이에서 공중 전기의 방전이 만들어낸 불꽃으로 이 중 구름과 지표면 사이에서 발생한 번개를 낙뢰라고 하며, 눈으로 볼 수 있는 기상 현상이다.
슈퍼컴의 발달은 각종 악기상의 예보를 앞당겨 피해를 줄이고 있다. 우리나라도 지난달 25일 충북 청주시 국가기상 슈퍼컴퓨터센터에는 슈퍼컴 5호기가 1초에 5경1,000조 번의 계산을 통해 빠르게 기상 예보를 하고 있다.
하지만, 이렇게 빠르게 지상에 왔다 가는 낙뢰는 언제, 어디서, 어떻게 칠지 그 비밀의 문이 열리지 않았는데 최근 들어 사정이 달라지고 있다. 이는 슈퍼컴과 인공지능에 의한 수치예보 모델 덕분이다.
미국에서만 해마다 20명 이상의 사람들이 벼락에 의해 목숨을 잃고, 비행기 추락, 산사태, 가옥 화재 등 수많은 재해의 주범이 벼락에 의한 낙뢰 현상이라고 볼 때, 이는 매우 반가운 일이 아닐 수 없다.
그동안 번개가 과학자들에게 공공연한 비밀이 된 이유는 뇌운을 만드는 과정이 알려지지 않았기 때문이다. 그러나 최근에 기상청에서 운용하고 있는 수치형 일기예보 모델은 인공지능에 의해 매우 정밀한 예측이 가능해졌다.
슈퍼컴과 인공지능은 엄청난 대기의 빅데이터를 매우 빠른 시간에 분석해 마치 럭비공처럼 어디로 튈지 모르는 번개의 향방을 예측해내고 있는 것이다.
정지위성이 핵심 데이터 제공
지난 13일 과학 기자 한나 히키(Hannah Hickey)는 워싱턴 대학 뉴스(University of Washington News)에 “인공지능은 더 나은 번개 예보를 만들 수 있다”는 기사를 썼다.
한나 기자에 따르면, 지난해 8월 15일 캘리포니아 북부와 중부에 엄청난 숫자의 번개가 쳐서 큰 화재를 촉발했다. 이렇듯, 번개는 가장 파괴적인 자연의 힘 중 하나이지만 예측하기 어렵다.
이에 워싱턴 대학은 머신러닝을 기반으로 번개 예보를 개선하는 데 사용될 알고리즘을 개발했다. 더 나은 번개 예보는 잠재적인 산불에 대비하고, 번개에 대한 안전 경고를 개선하며, 더 정확한 장거리 기후 모델을 만드는 데 도움이 된다는 것이 연구팀의 설명이다.
김대현 대기과학부 부교수는 “우리가 아는 한, 우리의 연구는 머신러닝 알고리즘이 번개에 효과가 있다는 것을 처음으로 입증한 것”이라고 말했다.
이 새로운 기술은 일기예보와 과거 번개 사건의 분석에 기초한 머신러닝 방정식을 결합했다. 지난 13일 미국지구 물리연맹 가을 회의에서 제시된 하이브리드 방식은 기존의 선도적인 기술보다 이틀 먼저 미국 남동부 지역에 번개를 예측해냈다.
“이것은 뇌우와 같은 악천후 시스템에 대한 예보가 머신 러닝에 기초한 방법을 사용함으로써 개선될 수 있다는 것을 보여준다”라고 UW 대기과학부 박사 연구원 웨이 쳉(Wei Cheng)이 말했다.
연구원들은 AI 컴퓨터가 날씨 변수와 번개 사이의 관계를 발견하도록 하면서 지난 2010년부터 2016년까지 번개 데이터로 머신러닝을 훈련시켰다. 그런 다음 실제 낙뢰 관측을 활용하고, AI가 지원되는 기술과 기존 물리 기반 방법을 비교해 지난 2017년부터 2019년까지의 날씨에 관한 기술을 테스트했다.
새로운 방법은 미국 남동부처럼 번개가 많이 치는 곳에서는 선도적인 기술보다 약 이틀 전에 번개를 예측할 수 있었다. 이 방법이 미국 전역에서 훈련됐기 때문에, 번개가 덜 치는 곳에서는 성능이 정확하지 않은 것으로 알려졌다.
머신러닝은 지난 2008년부터 지구 번개를 추적해 온 워싱턴 대학(UW)에 기반을 둔 협력 단체인 세계번개지역 네트워크(WWLLN, World Wide Lightning Location Network)에 의해 훈련됐다.
“머신러닝은 많은 데이터가 있어야 하는데 이는 머신러닝 알고리즘이 몇 가지 가치 있는 일을 하기 위한 필수 조건 중 하나다”라고 김 교수는 말했다. 또 “5년 전만 해도, 우리는 WWLLN에서조차 충분한 자료를 가지고 있지 않았기 때문에 이것이 가능하지 않았다”라고 밝혔다.
아울러, 번개를 감시하는 장비의 상업적 네트워크가 현재 미국에 존재하고, 새로운 정지궤도 위성은 우주에서 한 지역을 지속해서 감시할 수 있으며, 더 많은 머신 러닝을 가능하도록 정확한 번개 데이터를 제공한다.
“핵심적인 요인은 WWLLN이 우리에게 제공할 수 있는 데이터의 양과 품질”이라고 쳉은 말했다. 또 “머신러닝 기술이 발전함에 따라 정확하고 신뢰할 수 있는 번개 관측 데이터 세트를 보유하는 것이 점점 더 중요해질 것”이라고 덧붙였다.
번개 발생의 날씨 조건 학습
지난 2019년 11월 17일 미국의 과학기술 대중 잡지 ‘파퓰러 메카닉스(Popular Mechamics)’에는 ‘번개가 언제 칠지 예측할 수 있는 인공지능’에 관한 기사가 실렸다.
기사 내용에 따르면, 스위스의 에콜 폴리테크니크 페데랄 드 로잔의 연구원들은 번개가 가장 가까운 10분에서 30분 사이에 언제 칠지 예측할 수 있는 시스템을 만들었다.
현재 연구팀은 그들의 새로운 도구가 낙뢰로부터의 보호를 만드는데 쓰이도록 유럽 레이저 피뢰침 프로젝트에 사용되기를 원하고 있다고 밝혔다.
연구팀에 따르면, 번개는 수백만 달러 가치의 농작물을 사라지게 하는 화재를 일으키기 때문에 농부들에게 해롭다. 또 이 자연재해는 토네이도나 허리케인보다 매년 더 많은 사람을 죽인다는 주장이다.
하지만 그들은 지금 이 악명높은 번개의 유일한 경고 시스템은 폭풍우 구름이라고 밝혔다. 즉, 이 거대한 전하가 언제 발생할지 정확히 예측하기는 어려움이 있으나, 에콜 폴리테크니크 페데랄 드 로잔의 연구팀은 이제 그 답을 갖고 있다.
연구팀은 표준 기상 자료와 머신러닝을 이용해 30km 반경 안에서 번개를 가장 가까운 10분에서 30분까지 예측할 수 있는 비교적 간단하고 저렴한 시스템을 고안해냈다.
“우리는 머신러닝 기술을 사용해 기상학적 매개 변수의 단일 장소 관측을 통해 가까운 곳과 먼 곳의 번개 위험을 성공적으로 예측했다”라고 기후와 대기 과학 저널에 게재된 논문에서 밝혔다.
연구원들은 새로운 번개에 대해 예측을 할 수 있는 알고리즘을 만들기 위해 과거의 번개 데이터를 사용했다.
이를 위해 전형적으로 번개를 일으키는 날씨 조건을 인식하도록 머신러닝 알고리즘을 훈련시켰다. 구체적으로, 그들은 스테이션 수준의 기압, 기온, 상대 습도, 풍속 등 네 가지 변수를 사용했다. 이 훈련 데이터는 2006년과 2017년 사이에 도시와 산악 환경의 12개 스위스 기상 관측소에서 나왔다.
알고리즘이 학습 단계를 완료한 후, 그것은 새로운 번개에 대해 정확한 예측을 했다. 기상 데이터를 바탕으로 훈련한 모델이 실시간 계산으로 낙뢰 타격을 예측한 것은 이번이 처음이라고 연구원들은 주장했다. 그리고 이 모델의 장점은 기존 데이터를 기반으로 하기 때문에 상당히 저렴하고, 쉽게 복제할 수 있다는 것이다.
이 기술을 고안한 박사과정 학생인 아미르 호세인 모스타자비(Amir Hossein Mostazabi)는 사이언스 데일리와의 인터뷰에서 “현재 시스템은 느리고, 매우 복잡하며 레이더나 위성으로 획득한 값비싼 외부 데이터가 필요하다”라고 말했다.
이에 비해서 “우리의 방법은 어느 기상 관측소에서나 얻을 수 있는 데이터를 사용하고, 레이더와 위성 범위를 벗어나 통신망을 이용할 수 없는 외딴 지역을 커버할 수 있다”고 밝혔다.
단기간 강우에 정확한 예측
올해 3월 11일 영국의 연구진이 90분내로 강우량을 예측하는 데 효과가 높은 인공지능(AI) 모델을 만들었다는 보도가 나왔다.
이 소식을 전한 ‘VOA Learning English’에 따르면, 이 AI 모델은 런던에 있는 구글 소유의 연구 회사 딥마인드(DeepMind)의 과학자들이 만든 것으로 알려졌다. 또 이 회사는 영국 엑서터 대학과 영국의 국립 기상청의 연구원들과 협력했다.
연구팀은 이 모델을 테스트한 결과, 다른 기존 시스템보다 단기간 강우에 대해 정확한 예측을 했다고 밝혔다. 이 논문은 최근 네이처 지에 실렸다.
이 모델을 만들기 위해 연구원들은 ‘정밀방송’이라고 알려진 날씨 예측에 초점을 맞췄다. 이는 비와 같은 강수량을 1시간에서 2시간 이내에 예측하는 것이다. 그러나 이런 종류의 예측은 전통적으로 매우 어려운 연구로 알려져 있다.
하지만 이 모델이 완성되면서, 현재는 정확한 방송을 하게 됐고, 이는 기상 비상사태에 대비하기 위해 매우 중요한 도구라는 것이 이들의 설명이다. 물관리, 농업, 항공·지상 교통관제, 야외행사기획 분야 공무원들에겐 매우 훌륭한 지원 도구가 되고 있다.
영국 기상청은 1950년대 초부터 수치 기상 예보라고 불리는 시스템에 의존해 왔다. 이 방법은 ‘대기의 수학적 컴퓨터 모델과 함께 근착 기상 관측 정보’를 사용해 일기예보를 하는 것이다.
이 시스템은 레이더와 위성 데이터를 기반으로 대기 중 유체의 수위 및 이동에 대한 데이터를 수집한다. 그다음에 컴퓨터는 데이터를 처리하고, 미래의 날씨를 예측하기 위해 지도와 같은 모델을 만든다.
여기에다 기상청은 지난 2017년부터 완전히 작동하기 시작한 강력한 새로운 ‘슈퍼컴퓨터’를 활용하고 있다. 기상 예보관들은 “이 슈퍼컴이 만들어내는 세부 모형을 바탕으로 과거보다 정확한 예측을 할 수 있다”고 말한다.
일례로, 지난해 2월 29일 인도 다름살라의 캉그라 계곡 위로 비와 먹구름이 줄지어 보였다. 결국, 이 지역에는 아침부터 폭우와 뇌우가 몰아쳤다.
그러나 이 슈퍼컴퓨터는 한계가 있었다. 몇 시간, 며칠 또는 일주일 동안 매우 넓은 지역에 대한 예측만을 생성하도록 설계됐기 때문이다. 따라서 아직도 1시간에서 2시간 이내에 강수량을 예측하는 데 어려움을 겪는다.
이에 딥마인드팀은 이 수치예보 모델이 머신러닝을 통해 강우량, 시기, 장소를 90분에서 2시간 이내에 포착하도록 훈련시켰다.
머신러닝은 시간이 지남에 따라 패턴과 행동을 학습하도록 기계를 훈련시키기 위해 컴퓨터에 많은 양의 데이터를 제공하는 것을 포함한다. 이 경우, 시스템은 과거의 레이더 판독 값을 바탕으로 미래의 레이더를 예측하도록 훈련된다. 이 연구에는 영국과 미국의 레이더 데이터가 사용됐다.
“우리는 특히 사람들과 경제에 가장 큰 영향을 미치는 폭우에 대해 예측을 할 수 있는 이 모델들의 능력에 관심이 있었다”라고 연구팀은 말했다.
과학자들은 그들의 모델이 즉각적으로 날씨 패턴에 대한 예측을 만드는 것을 목표로 한다. 테스트 과정에서 연구팀은 이 모델이 경쟁 방법보다 통계적으로 유의미한 모습을 보였다고 말했다.
또한, 50명 이상의 기상 전문가로 구성된 기상청에서 AI 모델이 기존 예보 시스템보다 89% 더 정확하고, 유용하다는 평가를 내렸다고 연구원들은 보고했다.
AI타임스 조행만 객원기자 chohang5@kakao.com
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com