엔비디아가 고해상도 대기 역학을 에뮬레이션하는 새로운 생성형 AI 모델인 스톰캐스트(StormCast)를 발표했다. 이는 기후 연구와 예측을 개선하고 가속화하는 최신 기술로써, 허리케인과 토네이도를 비롯한 기타 기상이변의 발생 빈도와 심각성이 증가하는 요즘 핵심적인 역할을 할 것으로 기대된다.
현재 대서양 허리케인 시즌이 절정에 이른 시점에서, 엔비디아 리서치(NVIDIA Research)는 스톰캐스트가 폭풍보다는 크지만 사이클론보다는 작은 규모인 중규모에서 신뢰할 만한 날씨 예측을 가능하게 한다고 밝혔다. 이는 재난 계획과 완화에 매우 중요하다.
로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory)와 워싱턴 대학교(University of Washington)가 공동으로 작성한 논문에 따르면, 스톰캐스트는 극심한 기상 현상으로 미국에서만 매년 1,500억 달러 이상의 금전 피해, 인명 피해, 주택 파괴가 발생하고 있는 상황에서 등장했다.
이는 생성형 AI가 기후 연구와 실행 가능한 극한 기상 예측에서 엄청난 혁신을 촉진해 과학자들이 생명과 세계를 구하는 가장 중요한 과제를 해결하는 데 어떻게 도움을 주고 있는지 보여주는 한 가지 예시에 불과하다.
엔비디아 어스-2(Earth-2)는 AI, 물리 시뮬레이션, 컴퓨터 그래픽의 힘을 결합한 디지털 트윈 클라우드 플랫폼으로, 전례 없는 정확성과 속도로 전 세계적 규모의 날씨와 기후 예측을 시뮬레이션하고 시각화할 수 있도록 지원한다.
지난 6월 열린 컴퓨텍스(COMPUTEX) 2024에서 엔비디아 창립자 겸 CEO인 젠슨 황(Jensen Huang)은 어스-2를 통해 사용할 수 있는 코디프(CorrDiff)를 발표했다.
예를 들어, 대만의 NCDR(National Science and Technology Center for Disaster Reduction)에서는 어스-2의 일부로 제공되는 엔비디아 생성형 AI 모델 코디프를 사용해 태풍의 세밀한 세부 사항을 예측할 계획이다.
코디프는 기존 방법보다 1,000배 더 빠르고 3,000배 더 적은 에너지를 사용해, 25km 규모의 대기 데이터를 2km로 12.5배 수준으로 높여 초고해상도 변환이 가능하다.
즉, 이전에는 CPU에 거의 3백만 달러가 소요됐던 이 센터의 잠재적 생명 구조 작업이, 엔비디아 H100 텐서 코어(Tensor Core) GPU가 탑재된 단일 시스템에서는 약 6만 달러로 수행할 수 있게 되는 것이다. 이는 생성형 AI와 가속 컴퓨팅이 어떻게 에너지 효율성을 높이고 비용을 낮출 수 있는지 보여주는 엄청난 절감 효과의 예시다.
이 센터는 코디프를 활용해 도시 지역에서 강풍이 도로까지 내려와 건물을 파손하고 보행자에게 영향을 미치는 다운워시(downwash) 현상도 예측할 계획이다.
이제 스톰캐스트는 코디프에 시간별 자기회귀 예측(hourly autoregressive prediction) 기능을 추가해, 과거 데이터를 기반으로 미래의 결과를 예측할 수 있다.
세계 기후 연구는 지역 수준에서 시작된다.
날씨와 기후 변화의 물리적 위험은 지역 규모에 따라 크게 달라질 수 있다. 그러나 지역 수준에서 신뢰할 수 있는 수치적 날씨 예측에는 상당한 계산 비용이 수반된다. 이는 중규모에서 기본적인 유체 역학적 움직임을 표현하는 데 필요한 높은 공간 해상도 때문이다.
대류 허용 모델(Convection-Allowing Models, CAMs)이라고 하는 지역 기상 예측 모델은 전통적으로 연구자들이 해상도, 앙상블 크기, 경제성 측면에서 다양한 트레이드오프(trade off)에 직면해야 했다.
CAMs는 기상학자들이 폭풍의 진화와 구조를 추적하고, 대류 모드(convective mode)나 폭풍 형성 시 폭풍이 조직되는 상황을 모니터링하는 데 유용하다. 예를 들어, 토네이도의 발생 가능성은 폭풍의 구조와 대류 모드를 기반으로 한다.
미국 국립해양대기청(National Oceanic and Atmospheric Administration, NOAA)의 정지 궤도 운영 환경 위성을 사용해 시각화한 중규모 대류 시스템.
(이미지 제공: NOAA)
또한 CAMs는 연구자들이 인프라구조 수준에서 날씨와 관련된 물리적 위험에 대한 영향을 이해하는 데 도움이 된다.
예를 들어, 범 지구 기후 모델 시뮬레이션이 CAMs에 제공한 정보는 대규모 하천의 대기 수분 함량 변화를 취약한 해안 지역에서 나타나는 돌발 홍수 예측으로 변환하는 데 도움이 될 수 있다.
저해상도에서는 글로벌 데이터로 훈련된 머신 러닝 모델이 수치 기상 예측 모델의 유용한 에뮬레이터로 부상하고 있다. 극한 상황에 대한 조기 경보 시스템을 개선하는 데 사용되는 이 모델은 일반적으로 약 30km의 공간 해상도와 6시간의 시간 해상도를 가지고 있다.
이제 스톰캐스트는 생성형 확산(generative diffusion)의 도움으로 3km과 시간 단위의 시공간 해상도를 가능하게 한다.
이 모델은 아직 초키 단계임에도 불구하고 이미 강수 레이더와 함께 적용했을 때 최대 6시간의 리드 타임(lead times)으로 미국 NOAA의 최첨단 3km 단위 CAMs보다 최대 10% 더 정확한 예보를 제공한다.
또한 스톰캐스트의 출력물은 사실적인 열과 수분의 물리적 역학을 보여준다. 온도, 수분 농도, 바람과 강우 레이더 반사율 값 등 100가지가 넘는 변수를 미세한 간격의 여러 고도에서 예측할 수 있다. 이를 통해 과학자들은 폭풍이 가진 부력의 사실적 3D 진화를 확인할 수 있으며, 이는 AI 기상 시뮬레이션 분야에서 최초로 달성한 성과다.
엔비디아 연구원들은 계산 속도를 높이는 엔비디아 가속 컴퓨팅을 사용해 미국 중부 지역에서 약 3년 반 동안 수집한 NOAA 기후 데이터로 스톰캐스트를 훈련시켰다.
과학자들은 이미 이 모델의 이점을 활용하기 위해 노력하고 있다.
물리적으로 정확한 기후 시뮬레이션의 가속화와 시각화, 지구의 디지털 트윈과 더불어, 이러한 연구 혁신은 엔비디아 어스-2가 어떻게 기후 연구의 새롭고 중요한 시대를 열어가고 있는지 보여준다.
|
