아시아·태평양경제협력체 기후센터(APCC)와 한국과학기술연구원(KIST) 연구팀은 인공지능 딥러닝 기술을 활용해 전세계 기상·기후에 영향을 주는 ‘매든-줄리안 진동(MJO)’ 예측 성능을 높이는 데 성공했다고 26일 밝혔다.

매든-줄리안 진동은 인도양에서 발생해 태평양으로 이동하는 거대한 열대 구름 집단이다. 약 30~90일 주기로 지구를 순환한다. 이 구름 떼는 열대 지역에 비를 뿌리는 데 그치지 않고, 우리나라를 포함한 전 세계의 가뭄 폭염 태풍 등을 조절하는 ‘원격조정기’ 역할을 한다. 매든-줄리안 진동을 얼마나 정확하게 오래전부터 예측하느냐가 기상·기후 예측 정확도를 결정할 수 있다.

연구팀은 “기존 인공지능 예측 모델은 대기 및 해양의 변동 성분만을 학습하는 데 초점을 맞춰 왔다”며 “하지만 계절적 배경과 주변 기후 환경이 매든-줄리안 진동이 움직임에 큰 영향을 준다는 점에 주목해 연구를 진행했다”고 밝혔다. 계절적 배경은 1년 동안 한 지역에서 반복적으로 나타나는 대기 현상의 평균적 특징이 계절에 따라 어떻게 달라지는지를 의미한다.

연구팀은 “입력 데이터를 ‘현상(MJO 변동)’과 ‘배경(기존 기후 상태)’으로 분리해 인공지능에게 동시에 학습시키는 새로운 딥러닝 기법을 개발했다”며 “등산객의 움직임만 보는 것이 아니라 그 산의 지형과 날씨를 함께 분석해 등산객이 어디로 갈지 맞히는 것과 같은 원리”라고 설명했다.

그 결과 새로운 인공지능 모델은 매든-줄리안 진동 움직임을 △겨울철에는 약 26일 △여름철에는 최대 29일까지 신뢰도를 높였다. 예측 기간이 길어질수록 주변의 배경 기후 정보가 예측 정확도를 높이는 데 더 중요한 역할을 한다는 사실도 과학적으로 증명했다.

김아영 기자 aykim@naeil.com