WeatherNext: AI 모델이 사이클론 예측에서 돌파구를 마련하다

Google DeepMind는 열대 사이클론의 경로, 강도 및 풍속 구조를 예측하는 데 있어 최첨단 정확도를 달성한 AI 모델인 WeatherNext를 발표했습니다. 이 모델은 예보관들에게 평균 하루의 추가적인 예측 정확도를 제공하며, 이는 3일 예보가 이전 모델의 2일 예보만큼 정확해졌음을 의미합니다.

최첨단 사이클론 예측 정확도

WeatherNext Cyclones는 사이클론 경로, 강도 및 풍속 구조를 예측하는 데 있어 24시간 이상의 리드 타임 이점을 제공합니다. Nature에 발표된 연구에 따르면, 이러한 개선은 지난 20년간의 추세에 기반할 때 약 10년 치의 기상학적 발전을 의미합니다.

주요 성능 벤치마크는 다음과 같습니다:

Position Error: WeatherNext Cyclones는 2023년에서 2025년 사이의 3일 예보에 대해 ENS 모델과 비교하여 현저히 낮은 위치 오차(약 100 km)를 보여줍니다.
Intensity Error: 이 모델은 동일한 기간 동안 HWRF 모델보다 낮은 강도 오차(약 11 kt)를 달성합니다.

기술적 아키텍처 및 학습

WeatherNext는 전 지구적 대기 흐름(사이클론의 경로를 결정함)과 국지적 열역학적 과정(강도를 결정함) 사이의 간극을 메웁니다. 이 모델은 두 개의 별도 모델링 기술을 필요로 하는 대신 단일 AI 모델로서 이를 달성합니다.

학습 데이터 및 모달리티

이 모델은 두 가지 서로 다른 데이터 모달리티로 공동 학습되었습니다:

Global Weather Dynamics: 거의 20테라바이트의 전 지구적 대기 데이터.
Historical Observations: 거의 5,000개의 과거 폭풍 데이터를 포함하는 IBTrACS 데이터베이스.

앙상블 예보 및 불확실성

WeatherNext는 기상 불확실성을 포착하기 위해 Functional Generative Networks (FGNs)를 사용하여 예측 앙상블을 생성합니다. 이 시스템은 실행당 50개의 예측에서 1,000개 멤버의 앙상블로 확장되었습니다. 이를 통해 모델은 2025년 허리케인 Melissa의 사례에서 볼 수 있는 급격한 강화 이벤트와 같은 드물지만 중대한 "tail-risks"를 포착할 수 있습니다.

계산 효율성 및 해상도

WeatherNext는 TPU에서 15일간의 단일 예보를 생성하는 데 1분 미만이 소요됩니다. 특히, 이 모델은 전통적인 모델보다 100배 더 거친 해상도인 28x28km의 데이터를 사용하여 높은 정확도를 달성합니다. 소형 버전인 WeatherNext 2-mini는 훨씬 더 거친 111x111km 해상도에서도 강력한 성능을 유지하며 작동합니다.

실세계 영향 및 오픈 소스 공개

WeatherNext는 이미 운영상의 유용성을 입증했습니다. 2025년 허리케인 시즌 동안, 이 모델은 National Hurricane Center (NHC)가 자메이카의 허리케인 Melissa의 급격한 강화 및 상륙을 예측하는 데 도움을 되어, 중요한 사전 경고를 가능하게 했습니다.

글로벌 연구 및 회복력을 가속화하기 위해, Google DeepMind는 다음을 오픈 소스로 공개합니다:

WeatherNext Cyclones: 허리케인 시즌 동안 사용된 모델.
WeatherNext 2: 10월에 운영화된 업데이트된 버전.
WeatherNext 2-mini: 공개 Colab 노트북을 통해 단일 TPU에서 실행할 수 있는 소형 버전.

Google Earth AI와의 통합

WeatherNext 모델은 Google Earth AI의 일부이며 Weather Lab에 통합되어 있습니다. 이 플랫폼은 이제 사용자가 사이클론 경로와 함께 풍속, 온도, 강수량을 단일 뷰에서 시각화할 수 있도록 합니다.