HiRO ACE: 3km 전 지구 폭풍 해상 모델 기반 빠르고 정교한 AI 에뮬레이션 및 다운스케일링

초록

HiRO-ACE는 3 km 해상도의 전 지구 폭풍‑해상 모델 X‑SHiELD(10년 시뮬레이션) 데이터를 이용해 두 단계 AI 프레임워크를 구축한다. 첫 단계는 1° × 1°(≈100 km) 격자에서 확률적 자동회귀 방식으로 대기 상태를 예측하는 ACE2S이며, 두 번째 단계는 확산 기반 생성 모델인 HiRO가 ACE2S 출력(또는 직접 코어스닝된 X‑SHiELD)으로부터 3 km 강수장을 32배 다운스케일링한다. 결과는 99.99 % 분위수까지 극한 강수 분포를 정확히 재현하고, 평균 강수 편향을 10 % 이하로 유지한다. 한 대 H100 GPU로 10년 전 지구 규모 3 km 강수 데이터를 하루 안에 생성할 수 있어 기존 km‑스케일 시뮬레이션 대비 100배 이상 효율적이다.

상세 분석

HiRO‑ACE는 두 개의 독립적인 확률 모델을 순차적으로 결합함으로써 전 지구 규모의 고해상도 강수 예측을 실현한다. 첫 번째 모듈인 ACE2S는 기존 ACE2 모델에 조건부 정규화와 노이즈 주입을 추가해 확률적 자동회귀 구조를 만든 것이다. 이 모델은 6시간 간격으로 전 지구 대기 변수를 1° × 1° 격자에서 예측하며, 사전 학습 단계에서는 ERA5 재분석 데이터를 사용해 대기 역학을 학습하고, 이후 X‑SHiELD를 100 km 격자로 코어스닝한 데이터를 통해 미세 조정을 수행한다. 확률적 손실 함수를 적용함으로써 강수와 같은 고변동 변수의 격자‑스케일 변동성을 보존한다.

두 번째 모듈인 HiRO는 확산 기반 생성 모델(Diffusion Model)이며, CorrDiff 접근법을 변형해 “완벽 예측”(bicubic 보간)된 100 km 입력을 초기 평균으로 삼고, 이를 점진적으로 노이즈를 제거해 3 km 강수장을 복원한다. 입력 변수는 100 km 격자의 표면 풍속과 강수이며, 모델은 6시간 간격의 샘플을 독립적으로 생성한다. HiRO는 학습 시에 “완벽 예측”과 실제 X‑SHiELD 고해상도 강수 사이의 차이를 학습함으로써, 코어스닝된 입력만으로도 미세 구조와 강수 강도를 정확히 재현한다.

성능 평가에서는 2023년 검증 연도에 대해 ACE2S‑HiRO 조합이 X‑SHiELD와 거의 동일한 강수 히스토그램을 보이며, 99.99 % 분위수(≈500 mm day⁻¹)까지 편차가 5 % 미만이다. 가장 극단적인 1000 mm day⁻¹ 이상의 강수 사건도 HiRO‑ACE가 적절히 재현하지만, 99.9999 % 분위수에서는 약 20 % 정도 누락되는 경향이 있다. 이는 100 km 격자에서 극단 강수가 평균적으로 100–200 mm day⁻¹ 수준으로 억제되어, 다운스케일링 단계에서 완전 복원이 어려운 점을 반영한다.

계산 효율성 측면에서 ACE2S는 H100 GPU 한 대당 하루에 1500 년(시뮬레이션 연도) 규모를 처리할 수 있다. HiRO는 16° × 16° 패치 1년 데이터를 약 45분에 다운스케일링하며, 모델 최적화(예: 디노이저 증류)를 통해 10배 이상 가속화가 가능하다. 전체 훈련 비용은 X‑SHiELD 10년 시뮬레이션(≈800 GJ) 대비 1 % 수준이며, 추론 비용도 0.5 % 이하로 매우 저렴하다.

한계점으로는 (1) 극단 강수 사건의 완전 재현이 아직 부족하고, (2) 극지방(>65° S/N)에서는 입력 데이터가 부족해 적용이 제한되며, (3) 현재는 강수만을 다운스케일링 대상으로 삼아 다른 기후 변수(예: 온도, 습도)에는 확장되지 않았다. 향후 연구에서는 다변량 확산 모델을 도입해 복합 기후 변수의 고해상도 재현을 목표로 할 수 있다.