하이브리드OM: 물리 기반·데이터 기반 결합 글로벌 해양 모델링 및 효율적 지역 다운스케일링

초록

**
HybridOM은 가벼운 미분 가능한 수치 해석 코어와 서브그리드 현상을 보정하는 신경망을 결합한 하이브리드 해양 모델이다. 물리적 보존 법칙을 골격으로 유지하면서, Flux Gating 기반의 물리‑인포메드 다운스케일링을 통해 고해상도 지역 시뮬레이션을 효율적으로 수행한다. GLORYS12V1·OceanBench 실험에서 장기 S2S 시뮬레이션과 FuXi‑2.0 연계 단기 예보 모두에서 기존 물리 모델과 순수 AI 모델을 능가하며, 물리 일관성과 장기 안정성을 보장한다.

**

상세 분석

**
HybridOM은 두 가지 핵심 모듈로 구성된다. 첫 번째는 Physical Skeleton이라 불리는 미분 가능한 수치 해석 코어로, 열·염분 수송을 보존형 플럭스 발산 형태(식 4)로 구현하고, 속도·압력은 QG(Quasi‑Geostrophic) 잠재 와도(PV) 공간으로 투사해 빠른 중력파를 억제한다(식 5‑6). 이 설계는 전통적인 완전 해양 일반 순환 모델에 비해 연산량을 20‑30 %만 추가하면서도 질량·에너지 보존을 엄격히 유지한다. 두 번째는 Neural Flesh인 Nθ이다. U‑형 구조와 Dual‑Scale Ocean Attention(DSOA)을 사용해 로컬 에디와 전역 텔레커넥션을 동시에 학습한다. 로컬 윈도우 어텐션은 미세 난류를, 그리드 어텐션은 대규모 베이슨 흐름을 포착해, 기존 CNN‑기반 보정기보다 선형 복잡도로 스케일을 확장한다.

HybridOM은 Hybrid Integration 단계에서 물리 코어와 신경망을 동일 시간 단계에 결합한다. 물리 코어가 제공하는 기본 경향에 Nθ가 잔차 보정을 추가함으로써, 장기 롤아웃 시 발생하는 수치 드리프트를 역전시킨다. 학습은 K = 5 일 동안 미분 가능한 솔버를 풀어 예측 오차를 최소화하는 a‑posteriori 최적화(식 3)를 사용한다. 이는 단일 스텝 손실에 비해 장기 물리 일관성을 크게 향상시킨다.

지역 다운스케일링은 **Differentiable Flux Gating (DFG)**을 핵심으로 한다. coarse‑grid에서 얻은 플럭스 ˆF_l와 고해상도 물리 코어에서 계산된 플럭스 F_h를 적응형 소프트‑게이팅(σ)으로 가중합하고, 잔차 정제 네트워크 H_ref가 최종 플럭스 ˜F를 생성한다(식 10). 이렇게 얻은 플럭스는 고해상도 상태에 직접 적용돼 경계 조건 불일치와 스케일 불일치를 최소화한다. DFG는 물리적 흐름을 직접 조정하므로, 순수 AI 기반 초해상도 보간이 겪는 물리 위배 문제를 회피한다.

실험에서는 GLORYS12V1(전역 0.083°)과 OceanBench(다중 변수, 다중 해상도) 데이터를 사용해 두 가지 시나리오를 평가했다. (1) Long‑term S2S 시뮬레이션에서는 30 일 롤아웃 시 RMSE와 물량 보존 지표에서 기존 MITgcm‑based 모델과 DeepLearning‑Only 모델을 각각 15 %·20 % 개선했다. (2) Short‑term Operational Forecast에서는 FuXi‑2.0와 결합해 10 일 예보 시 평균 해수면 높이 RMSE가 0.12 m까지 낮아졌으며, 물리 일관성(질량 보존 오류 < 0.5 %)을 유지했다. 또한, 추론 속도는 순수 AI 모델과 동등하거나 약간 느리지만, 물리 코어가 제공하는 안정성 덕분에 재학습 없이도 다양한 기후 시나리오에 적용 가능했다.

전반적으로 HybridOM은 물리‑기반 안정성과 데이터‑기반 표현력을 효율적으로 결합한 최초의 글로벌 해양 하이브리드 모델이며, Flux Gating 기반 다운스케일링은 고해상도 지역 시뮬레이션을 실시간 운영 수준으로 끌어올리는 핵심 기술이다.

**