IBM·NASA, 기상·기후 오픈소스 파운데이션 모델 'Prithvi WxC' 공개

Prithvi WxC는 IBM과 NASA가 오크리지 국립연구소의 지원을 받아 개발한 기상 및 기후 분야 오픈소스 파운데이션 모델입니다. 가중치와 코드는 현재 허깅페이스에서 바로 내려받을 수 있습니다.

단순히 내일의 기온이나 강수를 맞히는 단일 목적 예측 도구가 아니라, 전 지구 시뮬레이션부터 국소 지역 분석까지 다채롭게 미세 조정할 수 있는 기반 모델입니다.

무엇을 할 수 있나

기존 기상 AI가 고정된 데이터셋을 바탕으로 단일 예보 작업에만 집중했던 것과 달리, Prithvi WxC는 다양한 입력값과 환경에 맞춰 유연하게 변형할 수 있습니다.

기본 파운데이션 모델과 함께 특정 과학 및 산업 과제를 해결하는 미세 조정 모델 두 종도 허깅페이스에 함께 공개되었습니다.

첫 번째 미세 조정 모델은 데이터 다운스케일링을 지원합니다. 기온, 강수, 지표풍 같은 저해상도 기상 데이터를 최대 12배까지 고해상도로 변환하여 정밀한 국소 기상 예보와 장기 기후 변화 시뮬레이션을 생성합니다.

두 번째 미세 조정 모델은 대기 중력파 매개변수화에 특화되어 있습니다. 중력파는 구름 형성과 항공 난기류에 직접적인 영향을 미치지만 기존 수치 모델로는 정확히 포착하기 어려웠습니다. 이 모델은 중력파 발생을 더 정밀하게 추정하여 기후 예측의 불확실성을 크게 줄여 줍니다.

실제 적용도 빠르게 진행되고 있습니다. 캐나다 환경기후변화부는 실시간 레이더 데이터를 활용한 초단기 강수 예보와 15km 해상도의 전 지구 예보를 km 단위로 상세화하는 다운스케일링 테스트를 진행 중입니다.

아카이브에 공개된 연구 논문에 따르면, 이 모델은 임의로 추출한 단 5%의 지표면 온도 데이터만으로도 전 지구 지표면 온도를 정확하게 복원해 내며 뛰어난 데이터 동화 성능을 입증했습니다.

어떻게 만들었고 어디서 써보나

Prithvi WxC는 NASA의 MERRA-2 프로젝트가 축적한 40년 치 지구 관측 데이터를 기반으로 사전 학습되었습니다. 오크리지 국립연구소 국립컴퓨팅과학센터의 연산 지원을 통해 전 지구와 지역, 국소 규모를 아우르는 아키텍처를 완성했습니다.

기본 모델과 중력파 매개변수화 모델은 허깅페이스의 NASA-IBM 공식 페이지에서, 다운스케일링 모델은 허깅페이스 IBM Granite 페이지에서 다운로드할 수 있습니다. 기술 논문 역시 아카이브에서 확인 가능합니다.

왜 중요한가

기후 연구자나 환경 데이터 개발자, 기후 리스크를 정밀하게 평가해야 하는 기관이라면 지금 바로 살펴볼 가치가 충분합니다. 40년 치 지구 관측 데이터를 대규모로 학습시키는 비용을 들이지 않고도 고성능 기후 분석 파이프라인을 구축할 수 있기 때문입니다.

우리는 IBM과 NASA가 단기 예보 점수 경쟁에 매달리는 대신, 다운스케일링이나 중력파 같은 기후 과학의 난제를 오픈소스로 풀어내는 기반을 제공한 점이 매우 영리한 선택이라고 봅니다.