NVIDIA Earth-2, 관측 데이터 실시간 반영 기능 추가

ai.euno.news 자동 뉴스 요약

NVIDIA가 기상 관측 데이터를 AI 예보 모델에 실시간으로 반영하는 데이터 동화(data assimilation) 기능을 Earth-2 플랫폼에 추가했다. 개발자 블로그를 통해 21일 공개한 이번 업데이트는 풍력·태양광 발전소 센서, 레이더, 위성 관측 등 갈수록 늘어나는 지역 단위 관측 데이터를 예보 파이프라인에 직접 끌어들이는 방식을 제시한다.¹

핵심은 두 가지 기법이다. 하나는 지역 모델에 주로 쓰이는 ‘점 관측 기반 확산 모델 제약’이고, 다른 하나는 전 지구 모델을 대상으로 서로 다른 데이터셋을 하나의 일관된 상태로 통합하는 ‘동화’다. NVIDIA는 이 중 전자를 구현하는 도구로 점수 기반 데이터 동화(Score-Based Data Assimilation, SDA)를 소개했다. SDA는 CorrDiff나 StormCast 같은 확산 기반 AI 다운스케일링·예보 모델에 관측값을 결합해, 모델을 재훈련하지 않고도 예측을 실제 관측과 맞아떨어지도록 유도하는 기법이다.

작동 방식은 확산 모델의 노이즈 제거 단계마다 개입하는 구조다. 확산 모델은 여러 단계를 거쳐 노이즈를 걷어내며 고해상도 예측을 만들어내는데, SDA는 각 단계에서 중간 예측값을 관측값과 비교해 결과를 관측 쪽으로 조금씩 밀어붙인다. 이 과정에서 관측 지점 근처는 불확실성이 줄어들고, 관측이 없는 먼 지역은 다른 모델 입력값과 AI 시뮬레이션에 더 의존하면서 예측 분포가 넓어진다.

관측값을 모델에 연결하려면 관측 연산자(observation operator)를 정의해야 한다. 모델 출력값을 실제 측정 지점에서 기대되는 물리량으로 바꿔주는 장치인데, 기온이나 풍속처럼 직접 측정하는 값이면 주변 격자값을 보간하는 정도로 충분하다. NVIDIA는 풍력 터빈의 발전량을 풍속의 대리 측정값(proxy)으로 쓸 수 있다는 예도 들었는데, 직접 관측하지 않는 물리량도 간접 지표를 통해 모델에 반영할 수 있다는 뜻이다.

이 방식이 실무에서 갖는 의미는 크게 두 가지다. 먼저 예보 갱신 주기를 앞당길 수 있다. 기존 수치 분석(numerical analysis)은 처리에 시간이 오래 걸려 정해진 일정에 맞춰서만 발표되는데, 자료에 소개된 예시에서는 6시간 주기로 배포되는 전 지구 분석에 의존하면서도 SDA를 통해 1시간 간격으로 예보를 갱신하는 파이프라인을 구성했다. 다음으로는 자체 보유하거나 제3자로부터 확보한 지역 특화 관측 데이터를 예보에 끌어들일 수 있다는 점이다. 공개된 전 지구 분석 자료만으로는 담아내기 어려운 특정 자산 위치나 응용 분야에 맞춰 예보를 조정할 수 있다는 얘기다.

다만 NVIDIA는 SDA의 효과가 관측값의 수와 공간 분포, 정확도, 그리고 예측 대상 물리량의 특성 길이 척도(characteristic length scale) 같은 여러 요인에 좌우된다고 밝혔다. 이 조건에 대한 구체적 설명은 자료에서 문장이 끊겨 확인되지 않는다. 해당 튜토리얼은 Earth2Studio가 설치된 개발 환경과 NVIDIA RTX PRO 또는 데이터센터급 GPU, 기본적인 파이썬 지식을 요구하며, 소요 시간은 약 30분으로 안내됐다.

읽기 목록은 이 브라우저에 저장됩니다.