AI가 풀어낸 중국 고문서, 500년 강수량 재구성

초록

본 연구는 생성형 AI 확산 모델을 활용해 1368‑1911년 중국 사료에 기록된 홍수·가뭄 서술을 정량적 강수량으로 전환한다. 현대 기후 관측·시뮬레이션으로 사전 학습한 모델이 사건 서열을 입력받아 월별 강수장을 생성하고, 이를 통해 5세기 동안의 계절·공간별 강수 변동과 엘니뇨 연계성을 고해상도로 재현한다. 검증은 161년 검증 기간, 기존 재구성 비교, 현대 기후와의 물리적 일관성 확인을 통해 수행되었다.

상세 분석

이 논문은 전통적인 점대점 회귀 방식이 갖는 한계를 뛰어넘는 새로운 패러다임을 제시한다. 먼저 사료에서 추출한 ‘기후 사건’(홍수·가뭄 등)을 31년 기준의 극단 사건 밀도와 매핑하는 과정에서, 저자들은 사건 기록이 실제 기후 변동의 최극값을 반영한다는 가설을 세우고, 이를 시뮬레이션 데이터에 맞추어 보정한다. 이렇게 구축된 사건‑강수 매핑은 대규모 CESM1‑CAM5 시뮬레이션(총 1,710년)으로부터 생성된 합성 데이터셋에 대해 학습된다. 핵심 모델은 3차원 확산 모델이며, U‑Net 백본을 기반으로 20백만 파라미터를 보유한다. 입력은 연간·하반기·계절별 사건 시퀀스이며, 출력은 12개월 전체 강수량이다. 모델은 ‘시작일 프롬프트’를 이용해 음력 설날 변동을 보정하고, 불확실성 추정이 가능한 확산 과정으로 설계돼 월별 변동성까지 포착한다.

검증 전략은 세 단계로 구성된다. 첫째, 161년 검증 구간에서 재구성 강수와 시뮬레이션 기반 ‘진실값’ 간의 상관계수·RMSE를 보고, 계절별 특히 겨울에 불확실성이 높음을 인정한다. 둘째, 기존 문헌(예: 독립적인 고문서 기반 재구성)과의 교차 검증을 통해 공간·시계열 일치를 확인한다. 셋째, EOF 분석과 ENSO‑SO 연결성을 검증함으로써 재구성된 강수 패턴이 동아시아 계절풍·서태평양 아열대 고기압 변동과 물리적으로 일치함을 보인다.

사례 연구에서는 1593년 허이강 대홍수, 1640년 청정 가뭄, 1877년 광서 가뭄을 정량화한다. 연간·계절별 z‑score를 통해 1593년 강우가 +3σ 이상, 1640·1877년 가뭄이 -2σ 이하로 나타나며, 강우·가뭄 강도가 544년 전체 재구성 중 상위 몇 퍼센트에 해당하는지 순위화한다. 또한, 월별 재구성을 통해 1721년 가뭄 기간 동안 강우 이상치가 남서쪽에서 동쪽으로 이동하는 ‘강우 이동 패턴’도 포착한다.

이 연구의 강점은 (1) 대규모 시뮬레이션 기반 사전 학습으로 사건‑강수 복합 확률분포를 직접 학습, (2) 3차원 확산 모델을 통한 시간·공간 일관성 보장, (3) 불확실성 정량화와 계절·월별 해상도 제공이다. 반면 한계점은 (가) 겨울 강수 재구성 정확도가 낮아 해석 시 주의 필요, (나) 사료 기록이 극단 사건에 편중되어 평균 기후 변동을 완전히 포착하지 못함, (다) 훈련 데이터가 단일 기후 모델(CESM1‑CAM5)에 의존해 모델 편향이 전이될 가능성이다. 향후 관측 기반 재분석 자료와 다중 기후 모델을 결합하거나, 겨울 기록을 보강하는 고문서 발굴 작업이 필요하다.

전반적으로, 본 논문은 생성형 AI와 전통 사료학을 융합해 수백 년 규모의 고해상도 강수 재구성을 가능하게 함으로써, 기후 변동성, ENSO 영향, 극단 사건의 역사적 사회경제적 파급 효과를 정량적으로 탐구할 새로운 연구 기반을 제공한다.