AI 혁신, 지진 여진 예측 정확도를 높이다

인공지능(AI) 머신러닝(Machine Learnin) 기술이 지진 피해를 줄이기 위한 예측 연구에 활용, 유의미한 결과를 도출하고 있다.  구글 ML 전문가를 포함한 하버드 대학 연구팀은 여진의 발생 위치를 예측하는 과정에 AI를 적용해 피해를 줄이는 방안을 연구했다.

지구는 기후변화부터 화산활동, 지진 등 불규칙적으로 발생하는 역동적인 활동을 겪으며 끊임없이 변화하고 있다. 지진은 최초의 ‘주진’후에  ‘여진’이 이어진다. 여진은 보통 주진보다 규모가 작지만 경우에 따라 복구 작업을 심각한 위협이 될 수 있다. 여진의 시기와 크기는 경험적 법칙에 기반해 이해하고 해석할 수 있지만 여진이 발생할 위치를 예측하는 것은 쉽지 않다.

하버드대 브랜든 미드(Bredan Meade) 교수는 여진이 발생할 수 있는 위치를 설명하는 연구에 딥러닝을 적용했다. 해당 연구 ‘대형 지진 이후 여진 패턴 딥러닝(Deep learning of aftershock patterns following large earthquakes)’은 지난 8월 네이처지에 게재됐다. 연구팀은 전 세계 118건 이상의 주요 지진에 대한 정보 데이터베이스를 활용해 연구를 시작했다.

연구팀은 주진으로 발생한 정적응력 변화와 여진이 발생하는 위치 간의 관계를 분석하기 위해 신경망(neural network)을 적용했다. 이 알고리듬을 통해 유용한 패턴을 파악할 수 있었다. 기존 방법은 예측 정확도가 낮은 반면 머신러닝을 활용한 현재의 방법은 보다 정확했다.

지진응력, 즉 물리적 압력을 가했을때 생겨나는 힘, 기본정보가 머신러닝 모델에 입력된다. 모델은 신경망으로 구성됐다. 일반적으로 신경망은 규모가 크다. 사물인식 등은 수천개의 레이어를 갖는다. 브랜든 미드가 이끄는 연구팀은 적은 수의 레이어를 갖는 신경망을 활용해서 이같은 결과를 얻었다.

연구에 머신러닝 연구원으로 참여한 구글 시니어 스태프 리서치 사이언티스트 마틴 와튼버그(Martin Wattenberg)는 “이번 실험에서 발견한 것은 적은 수의 신경망이 더 좋은 결과를 냈다는 점”이라며 “AUC측정 모델에서 0.5는 무작위, 1.0은 완벽한 예측이다. 이 수치를 대입했을때 기존 방법은 0.583을, 신경망은 0.849라는 결과가 나왔다”고 말했다.

논문에서는 13만1,000건 이상의 주진 – 여진 쌍에 대해 훈련된 신경망이 고전적 쿨롱의 파괴규준(classic Coulomb failure) 응력 변화보다 더 정확했다. 3만 개 이상의 주 충격 – 여진 쌍의 독립적 시험 데이터 세트(여유 0.849의 면적)에서 여진 위치를 예측할 수 있음을 제시, 학습된 여진 패턴이 물리적으로 해석 가능하다는 것을 발견했다. 전단 응력의 최대 변화, 폰 미제스(von Mises) 항복 기준 및 독립적 구성 요소의 절대 값의 합 스트레스 – 변화 텐서 각각은 신경망 예측에서 98 % 이상의 차이를 설명한다.

마틴에 따르면 기존 예측 정확도가 3%의 정확성을 보였다면 머신러닝은 6%의 정확성을 보였다. 아직은 실제 활용에는 낮은 수치로 여전히 개선이 필요하다. 하지만 AI가 기존 방법을 개선할 수 있다는 사실은 중요하다. 과학을 하는 방법을 새로운 시점에서 볼 수 있도록 도와준다.

지구과학 관련 응력(stress)은 복잡한 3차원적 힘으로 복합적인 요소들이 개입된다. 과학자들은 응력을 다양한 방법으로 표현할 수 있다. 물리량은 지진 뿐만 아니라 응력이나 힘에 대해 설명할때 사용된다.

연구팀은 기계 학습내용과 물리량의 상관관계에 대해 알아보기 위해 컴퓨터 시뮬레이션을 통해 인위적으로 지진을 발생, 신경망을 통해 예측해서 물리량과 비교했다. 마틴은 “폰 미제스 응력과 수치가 높은 상관관계를 보였다. 아직 이해할 수 없지만 흥미로운 결과”라고 말했다. 폰 미제스 응력은 본 미제스 항복조건에 사용되는 응력으로 하중을 받고 있는 물체 각 지점에서 비틀림에너지를 나탄내는 값이다. 물체는 외부로부터 힘이나 모멘트를 받게 되면 어느 정도까지는 견디지만 어느 순간 파괴된다. 이 파괴를 에측하는 기준 조건을 항복조건(yield criterion)이라고 부른다.

마틴은 “신경망 학습을 통해 여진을 예측, 기존 방법을 개선할 수 있었다. 아직 첫 단계에 불과하지만 흥미로운 결과”라며 “분석은 AI 모델과 신경망 예측 결과를 통해 다른 분야에 적용할 수 있다는 것을 의미한다”고 설명했다.

즉 연구는 여진 지점에 대한 향상된 예측을 제공하고 지진 사이클의 가장 활발한 부분에서 지진을 유발하는 물리량을 식별한다는 점에 의미가 있다.

*마틴 와튼버그(Martin Wattenberg) 구글 시니어 스태프 리서치 사이언티스트
마틴 와튼버그는 구글에서 인간 친화적인 AI를 만들기 위한 사람중심적 머신러닝(HCML, human-centered machine learning) 연구팀 PAIR 이니셔티브와 AI의 시각화를 시도하고 있는 빅 픽처팀을 공동으로 이끌고 있다. PAIR는 사람(People)과 AI 연구(AI Research)의 앞글자를 조합해 만든 단어다. UC버클리에서 수학 동적 시스템 분야 박사 학위를 취득했다.

관련 기사 : 딥러닝 머신러닝, 지진 탐사 추적에 활용한다