AI 머신러닝, 새 기후모델 ‘얼스 머신’ 前 구글CEO MS창립자 후원
기후과학에 드리워진 ‘구름’은 가시지 않을 것 처럼 보였다.
지구 기후 컴퓨터 모델은 숫자 데이터, 복잡성 및 계산력이 증가했지만 여전히 몇 가지 질문에 더 정확하게 답할 수 없다. 2100년까지 지속 가능한 해수면 벽은 얼마나 높아야 하는지, 온난화는 앞으로 10년 동안 얼마나 나빠질 것인지, 2030년 북극 운송 경로는 어떤 모습일지 하는 물음들은 여전히 답을 알 수 없다. 기후 모델은 지구 온난화가 인류의 온실 가스 배출량에 따라 계속 증가 할 것이라는 데 모두 동의한다. 그러나 얼마나 빨리, 어떻게 고온이 지속될 것인지에 대한 불확실성은 계속되고 있다.
26일(현지시간) 미국과학진흥협회 주간 과학전문지 사이언스에 따르면 패서디나(Pasadena)에 위치한 캘리포티아 공대(California Institute of Technology, Caltech) 독일 출신 기후과학자 타피오 슈나이더(Tapio Schneider)는 개선 가능성을 믿는다. 그는 혼자가 아니다. 올 여름, 슈나이더가 이끄는 학술 컨소시엄과 전 구글(Google) CEO 에릭 슈미트(Eric Schmidt)와 마이크로소프트 공동설립자 폴 앨런(Paul Allen)을 비롯한 자선가들에 의해 지원되는 새로운 컨소시엄이 새로운 기후 모델을 만드는 야심찬 프로젝트를 시작할 예정이다.
인공 지능(AI), 인공위성 이미징 및 고해상도 시뮬레이션에서의 돌파구를 이용해 새로운 기후 모델은 해빙, 구름 형성 등과 같은 소규모 현상을 렌더링 하는 것을 변경하는 것을 목표로한다. 지구기계(Earth Machine) 모델이 그중 하나다.
초점은 현재 모델에서 불확실성의 주요 원인인 해안선을 벗어나 무역풍을 형성하는 층적운(stratocumulus)에 둔다. 범위를 몇 % 정도 변경하면 금세기 내에 글로벌 온난화 정도를 몇도 이상으로 올리거나 내릴 수 있다. 현재 모델은 어느 방향으로 나아갈 지 예측할 수 없다.
팀은 5 년 이내에 AI 강화 모델이 실제 관측과 구축된 클라우드 시뮬레이션을 통해 구름이 어떻게 작동 하는지를 학습해 불확실성 등 다른 것들을 해소하길 희망한다. 하지만 쉽지 않은 일이다.
이유있는 회의론
미국은 이미 많은 기후 모델을 가지고 있으며, 어떤 사람들은 왜 한정된 자원을 소요할 다른 모델을 더 필요로하는지 의문을 제기한다.
기후 모델 지구의 더 많은 기능을 시뮬레이션에 접목하고 있다. 모델에는 한때 대기와 해양만 포함되어있었다. 현재, 그들은 빙하, 토지이용 및 생물권 등도 포함하고 있다.
또 슈퍼 컴퓨터 처리성능의 발달로 더 높은 해상도 모델링과 상호 작용을 하고 있다. 1970년대 이래로 이들 모델이 사용하는 컴퓨팅 능력은 1 억배 증가했다. 모델이 점차 복잡해짐에 따라 모호함을 더 잘 반영하지만 불확실성은 여전히 남아있다.
모든 모델은 같은 방식으로 작동한다. 지구를 한면에 25Km에서 50Km 정도의 셀이있는 메쉬로 잘라내어 역동적인 코어라는 코드 세트를 사용해 수년에서 수세기 동안 대기와 해양의 동작을 시뮬레이션한다.
그러나 구름의 형성 등 지구에서 일어나는일의 대부분은 그 보다 작은 단위에서 발생한다. 그러므로 이러한 현상은 기후 과학 전문 용어상 간접적으로 “매개 변수화”되어야한다. 그런 다음 모델러는 다양한 조정을 통해 세계를 가장 잘 표현할 수 있도록한다. 튜닝이라는 프로세스다. 슈나이더의 멘토이자 뉴저지 주 프린스턴의 유명한 모델링 센터 지구물리학 유체역학 연구소의 한 과학자 인 아이작 헬드(Isaac Held)는 “직감과 경험주의 및 일부 물리적으로 관측된 법칙이 혼합되어 있다”고 말한다
“현재의 모델도 훌륭하다. 그러나 단점은 과학자들을 괴롭힌다.”
기존 모델은 북극의 온도 변화와 해빙 문제 해결에 고투하고 있다. 이전에 Schneider와 함께 일했던 MIT(Massachusetts Institute of Technology)의 대기과학자 폴 오골먼(Paul O’Gorman)은 “비가 잘못된 장소에 내리고 있다”고 말한다. 특히 중요한 것은 모델이 대개 서북 아메리카 연안에서 형성되고 그 지역을 식히는 데 도움이되는 층적운(stratocumulus)을 시뮬레이팅하지 못하는 경우다.
슈나이더(46 세)는 처음부터 구름 문제를 다루지는 않았다. 칼텍(Caltech)에서 그는 해들리 셀(Hadley cell, 무역풍 및 이와 연관된 자오면 순환 양상. 해들리 순환이라고도 한다)와 같은 거대한 대기 흐름에 집중했다. 대기 순환대는 적도에서 아열대로 공기를 이동시킨다. 이 패턴은 기후모델이 간단한 물리 법칙을 사용해 시뮬레이션 할 수있는 유형이다. 그러나 스위스 취리히 연방공대(ETH Zurich)에 있으면서 기후 모델이 그룸 행동에 대한 새로운 데이터를 통합하는 데 더 효과적일 수 있다는 확신을 갖게됐다.
그는 2016년 칼텍으로 돌아와 Pasadena에 위치한 NASA의 제트추진연구소(Jet Propulsion Laboratory, JPL)와 공동연구에서 JPL 구름 전문가 요아 텍세이라(João Teixeira)와 긴밀히 협력했다. 이것이 이제 약 20명에 달하는 연구원들과 협업의 시작이었다.
AI, 머신러닝(ML)…새 기후 모델에
AI, 특히 머신러닝(ML)이 상승세였고, 슈나이더와 텍세이라(Teixeira)는 이것이 구름 난제에 도움이 될 수 있다고 생각했다. 곧 그들은 칼텍에서 수학자 앤드류 스튜어트(Andrew Stuart)를 영입했다. 연구팀은 구름에 관한 위성 데이터의 방대한 아카이브가 있는 JPL에서 연구원을 추가로 영입했다. MIT에서는 연구원들이 모든 가능한 인공위성과 바다의 부표 측정 데이터를 반영한 해양 모델을 만들었다.
MIT그룹은 더 큰 목표를 가지고 있었고, 회원들은 Schneider를 환영했다. “항상 아이디어는 지구 시스템 모델로가는 것이 었다”고 MIT 물리 해양학자 라파엘 페라리(Raffaele Ferrari)가 말했다.
초기 협력은 새로운 기후 모델 창안에 두지 않았다. 미국은 이미 6 개의 주요 모델을 가지고있다. 그러나 그들은 완전한 기후 모델이 그들의 혁신을 통합할 것이라는 것을 확인하고 싶었다. 그들은 기존 모델로 시작해 새로운 모델을 만드는 것이 가장 좋은 방법이라고 판단했다.
캘리포니아 몬테레이(Monterey)에있는 해군 대학원(Naval Postgraduate School)의 응용 수학자 프랑크 지랄도(Frank Giraldo)는 해군의 새 동력 코어, 차세대 기상 및 기후 모델의 핵심인 수학 엔진을 다뤘다. 비정역학 비통합 대기 모델 (Non-hydrostatic Unified Model of the Atmosphere)은 병렬계산을 위해 설계됐다. 코어는 또한 유연하고 독립적이다. 동일한 모델에서 방정식을 다양한 정도의 정확도로 풀 수 있기 때문에 구름을 실시간으로 확대하면서 Earth Machine이 지구의 저해상도 개요를 제공 할 수 있어야한다.
새 모델에 대한 중대한 진전은 최근 낮은 구름에 대해 훨씬 더 선명한 그림과 그 활동 방식을 나타낸 시뮬레이션에서 비롯된다. LES(Large Eddy Simulation)라고 불리는 이 모델은 글로벌 수준의 수 백년에 걸친 기후 모델 대신 좁은 범위, 높은 해상도를 선택한다. 이 모델은 대기의 작은 부분의 변화를 수 일간 재창조하며, 셀은 겨우 10 미터 밖에되지 않는다. 고해상도에서 구름 형성의 주요 측면 – 예를 들어 해가 뜨거워 진 공기를 구름 위로 흐르게하는 수증기가 올라갈 때까지 위로 향하게하는 대류 -은 물리적 법칙에서 직접 발생한다. 시애틀의 워싱턴 대학 (University of Washington) 구름 과학자 크리스 브래더튼(Chris Bretherton)은 이같은 연구 결과가 때로는 현실과 매우 흡사하다고 말한다.
몇 년 전, Bretherton은 LES를 사용해 2 ° C의 온도 상승이 어떻게 저층 해양구름(층적운)에 영향을 미치는지 연구하는 프로젝트를 이끌었다. 두 가지 피드백이 나타나는데, 둘 다 온난화를 악화시킬 것이다. 첫째, 더 높은 기온은 더 많은 건조한 공기가 위로부터 얇은 구름을 관통, 구름이 더 두꺼워지고 더 많은 태양 에너지를 반사하는 것을 방지하는 것처럼 보였다. 둘째, 증가된 이산화탄소 (CO2) 수준은 구름 꼭대기 근처에서 열을 가두어 냉각을 방지한다. 이러한 냉각은 구름을 형성하는 난기류를 유도하기 때문에 그 효과는 구름 형성을 방해해 더 많은 온난화를 초래할 수 있다. Bretherton은 CO2 배출량이 줄어들지 않는다면 열대 지방의 낮은 구름이 대부분 사라질 가능성이 있다고 말한다.
캘리포니아의 로렌스 리버모어 국립 연구소 (Lawrence Livermore National Laboratory)의 대기 과학자 인 스티븐 클라인(Stephen Klein)은 실제 구름 관측을 포함한 다른 증거들로부터 “낮은 구름의 피드백은 긍정적”이라고 밝혔다.
이러한 획기적인 기술은 세계적인 모델로 발전하지 못했다. 왜냐하면 거기에 도달 할 수있는 기술적인 방법이나 연결고리가 생기지 않았기 때문이다. 그러나 Schneider 팀은 기후 모델에서 한 셀 크기의 측면에서 최대 100 킬로미터의 영역 내에서 며칠 동안 구름 동작을 시뮬레이션 할 수있는 LES를 구축하고 있다. LES는 낮은 구름에 초점을 맞춘 Python Cloud Large Eddy Simulation (PyCL)이라는 Caltech에서 개발한 모델을 기반으로한다. 슈나이더는 “이러한 시뮬레이션은 완벽하지 않을 수도 있지만 우리가 가지고있는 것보다 훨씬 더 낫다”고 말했다.
AI, 기후 모델링에 통합
모든 것이 계획대로 진행된다면 Giraldo의 코드는 지구기계 내부의 개별 셀로서 즉각적으로 1000개의 PyCLES 유형 모델을 실행할 것이다. 이 머신은 AI를 사용해 관측 및 시뮬레이션 된 구름을 연구하고, 축적된 지식을 전 세계 구름을 시뮬레이팅하는데 필요한 주요 규칙 향상에 활용한다.
Bretherton의 그룹과 캘리포니아 대학의 기후모델러 마이클 프릿차드(Michael Pritchard)를 비롯한 여러 연구자들이 대기의 고해상도 시뮬레이션을 AI 신경 네트워크(neural networks)로 훈련했다. 그 후 상승 대기에서 온도와 습도가 얼마나 빨리 변하는 지와 같은 몇 가지 고전적인 경험 법칙을 대체하는데 AI를 활용했다.
뉴럴 네트워크와 기후는 불안정하다.
알고리즘은 분류와 같은 문제에 최선이다. 예를 들면 수백만 개의 라벨이 붙은 사진에서 개가 어떻게 생겼는지를 학습하는 경우다. 이 코드는 종종 인간의 추론상 설명 할 수없는 객체가 어떻게 생겼는지에 대한 복잡한 모델을 구성한다. 이 접근법은 훈련 데이터 밖에서 무언가를 만났을 때 무너질 수 있다. 이러한 이유 때문에 Stuart와 Schneider는 ‘지구기계’ AI에 이를 사용하지 않았다. 그들은 어려운 지식을 바탕으로 구름에 대한 지식을 활용할 수있는 코드를 개발하고 학습된 직감으로 틈을 메우며 모델러가 전형적으로 수행하는 수동튜닝을 본질적으로 기계로 대체 할 수 있기를 희망한다.
그 학습은 개별 시스템에 의해 주도되지 않을 것이다. 개별 구름 시스템은 대기의 혼돈으로 각인돼 있다. 오히려 AI는 구름의 범위 및 기타 요인에 대한 계절적 또는 연간 통계를 통해 날씨의 소음을 제거한다. Stuart와 Schneider는 각각의 경험칙을 AI에 일임, 모델과 연결, 확률을 계산함으로써 현재 기후 모델에서 아직 보지 못한 불확실성에 대한 전반적인 계산을 시도한다. 모델이 세계를 얼마나 정확하게 렌더링하는지 측정 할 수있는 지표를 개발할 것이다. 그들은 기후 시스템의 일부 측면에 대한 모델의 단기 정확도가 수십 년 적용 가능성을 보여준다는 최근의 통찰을 입증하려 한다.
성공은 불확실하지만 팀은 동의했다. 스튜어트는 “우리가 하는 일은 과학적으로 완전히 정직한 것”이라고 말했다. 그러나 이 접근법은 기후 모델링 전반에 걸쳐 새로운 아이디어를 촉발시켜야한다고 덧붙였다.
Schneider가 팀을 구성하고 일반 계획을 수립 할 때 그는 여전히 큰 문제에 직면했다. 미국 정부가 또 하나의 기후 모델에 자금을 지원할 것 같지는 않다. 도널드 트럼프 (Donald Trump) 백악관 대변인은 기후 과학 분야에서의 삭감을 제안하기 전에 버락 오바마 전 (前) 대통령 당선자는 국가가 많은 모델을 지원할 필요가 있는지 여부를 조사했다.
기술 자선가, 특히 이미 해양학에 크게 투자한 엘런(Allen)은 참신한 연구를 찾고있었다. 그들은 기후 예측을보다 구체적으로 만들 수있는 큰 잠재적 보상으로 위험한 투자를 모색했다. Schneider는 이미 GPS 수신기를 소형화 한 Caltech 졸업생 찰스 트림블(Charles Trimble)과 캘리포니아 로스 알토스(Los Altos)에 있는 헤이징-시몬재단(Heising-Simons Foundation)의 Earth Machine에 대한 예비 지원을 이미 받았다. 그러나 그들은 연간 5백만 달러가 더 필요했다.
야망, 메트릭스, 혁신이 결합된 Caltech ‘ Earth Machine’
Caltech 팀의 야망, 메트릭스 및 혁신이 결합된 ‘ Earth Machine’은 정확히 Allen이 후원을 원하던 분야였다고 컴퓨터 엔지니어 크리스 에무라(Chris Emura)는 말한다. 그는 Allen과 Schneider의 제휴를 이끌고있다. 지난 해 앨런의 팀은 모델링 세계에 몰두해 주요 센터를 방문, 할 수있는 일과 할 수없는 일을 측정했다. Schneider의 프로젝트에 대해 Emura는 높은 수준에서 “책임감있는 위험”이라고 말했다.
이 팀은 또한 워싱턴 DC의 보전 자선 단체 인 윈드워드 기금 (Windward Fund)으로부터 관심을 얻었다. 지난 달 단기 실용적 기후 예측을 향상시키는 작업을 지원하기 시작했다.
또 슈나이더의 연구는 캘리포니아 주 팔로알토에있는 슈미트 가족 재단 (Schmidt Family Foundation)의 전 CEO 에릭 슈미트 (Eric Schmidt)와 웬디 슈미트 (Wendy Schmidt)의 과학 중심 자선 단체인 뉴욕시의 슈미트 퓨처스 (Schmidt Futures)의 후원을 받았다. “보수적인 접근과 대담한 접근의 매력적인 조화”라고 수석 과학자 스튜어트펠드만 (Stuart Feldman)은 말한다.
지지와 부러움, 회의론
Earth Machine 프로젝트에 대한 지지와 부러움, 회의론이 혼합되어 나타나고 있다.
Oslo 대학의 대기 과학자 트러드 스토레브모(Trude Storelvmo)는 “이것은 매우 환영 받고 혁신적인 아이디어”라고 말한다. 그녀는 NASA 구름 위성이 계획보다 거의 10 년 이상 작동했기 때문에 확장된 구름 관측이 연구를 뒷받침 할 수 있다고 덧붙였다.
반대로 플로리다 마이애미대학의 구름 과학자 에이미 클레멘트(Amy Clement)는 더 복잡한 모델을 만드는 것에 중점을 두고있다. 그는 “결과적으로, 우리는 기후 시스템에 대한 근본적인 이해를 얻을 수 있는 많은 능력을 잃어 가고 있다고 생각한다”고 말한다. Schneider의 통찰력을 고려할 때 이 모델은 그러한 이해를 유도 할 수 있다고 덧붙였다.
반면 Bretherton은 그룹의 야망을 좋아하지만 새로운 모델의 필요성에는 의문을 제기한다. 그는 “우리는 이미 미국에서 너무 많은 기후 모델을 가지고있다”며 “그것은 자원을 분열시키고 과학적 진보를 더디게 만든다”고 지적한다.
다른 사람들은 기존 모델이 더 높은 해상도로 전 세계적으로 운영 될 때의 보상을 새 프로젝트가 저해한다고 생각한다. 유럽의 기후 과학 공동체의 상당수는 익스트림 어스(Extreme Earth)에 투자, 셀당 1km의 해상도를 추진하고 있다. 이는 수퍼 컴퓨터 네트워크가 필요하고 기존 모델만큼 오래 걸리지는 않겠지만 Schneider가 AI를 통해 향상시키고자 하는 많은 매개 변수를 제거, 물리학적으로 대체 할 것이다.
독일 함부르크의 Max Planck Institute for Meteorology의 기후 과학자 보른 스티븐(Bjorn Stevens)는”나는 이런 것들을 매개 변수화하는 아이디어에 좌절하고 있다”며 “내가 더 흥미롭게 느낀 것은 기존의 규칙을 제거하는 것”이라고 말했다.
“불확실성을 줄일 수는 없다”
또한 Earth Machine은 구름 문제를 해결할 수 있다는 가정에 입각해 있다고 캘리포니아 주 샌디에고의 스크립스 해양 연구소 (Scripps Institution of Oceanography)의 구름 과학자 조엘 노리스 (Joel Norris)는 덧붙인다. AI를 포함, 어떤 종류의 매개 변수화도 구름을 의미있는 정도로 분석할 수는 없다는 것이다. 그는 “불확실성을 줄일 수는 없다”고 말한다. 구름을 표현하는 데 필수적인 일부 위성 관측 (예 : 대기권의 수증기의 정확한 위치)은 단순히 존재하지 않는다.
*참고:Science insurgents plot a climate model driven by artificial intelligence

편집장/ Editor-in-Chief
국가 안보 정책과 연계된 과학기술 분야 혁신 등 영향력 있는 분석을 생산하고 있다. 주로 핵심 과학기술 연구, 글로벌 안보, 지정학, 해양 전략을 주제로 집필한다.
Contact: navy@scimonitors.com / LinkedIn
많이 본 기사
1[Series2]Nvidia Isaac and GR00T: The Race for Robot AI Platform Dominance
2Voyager 1 Reaches One Light-Day From Earth, a First for Any Human-Made Object
3Google GTIG Finds AI Agent That Builds and Runs Exploits Without Humans
4[Series1]OpenAI Disbands Robotics Team as Physical AI Race Shifts
5Fermilab, IBM and NVIDIA Plan Modular Quantum Computing Platform



