1월 23일 2023 | 글쓴이:중국과학원의 Zhang Nannan ㅣ 원본기사: https://phys.org/news/2023-01-deep-learning-based-ai-infer-indonesian.html
딥러닝의 아키텍처 모델. 출처: 중국해양연구소
중국과학원 해양 연구소(IOCAS)와 난징 정보과학기술대학의 과학자들이 딥 러닝 방식을 이용해 인도네시아 통류(ITF : 지구 기후에 중요한 해류로, 온난하고 상대적인 담수가 북태평양에서 인도양으로 저위도로 이동하는 현상)의 추론 및 예측 시스템을 성공적으로 구축하고 ITF 수송에 대해 유효한 예측을 실현했다.
이 연구는 1월 16일 해양과학 프론티어에 게재되었다.
인도네시아 바다는 열대 해역을 연결하는 유일한 해양 채널이며, ITF는 인도양 해역과 태평양 해역 사이의 해역 간 교류를 위한 핵심 해양 역학 요소이다. ITF는 강력한 물질과 에너지 수송을 가지고 있어 인도-태평양의 물질 및 에너지 균형과 지역 및 세계 기후 변화에 중요한 역할을 담당한다. 그러나 주로 수치 시뮬레이션 시스템에 의존하여 ITF 예측을 하는데, 이 시스템은 종종 모델 편향이 크고 불확실성이 크다.
이에 후시젠(Prof. Hu Shijian) 교수가 이끄는 연구진은 인공지능 방식과 위성관측을 결합해 ITF의 추론 및 예측 시스템을 구축하자는 아이디어를 제시하고 다양한 딥-러닝 모델로 실험을 진행했다.
인도-태평양 압력 구배는 ITF의 주요 추진 요인이므로 연구자들은 인도양 분지와 태평양 분지 사이의 해수면 높이를 사용하여 ITF의 이동을 추론하고 예측했다. 그들은 결합 모델 상호 비교 프로젝트 6단계 (Coupled Model Intercomparison Project) 모델과 단순 해양 데이터 동화 (Simple Ocean Data Assimilation) 데이터 세트에서 제공하는 방대한 데이터를 사용하여 컨볼루션 신경망 (CNN)을 훈련하고 ITF 전송의 시계열을 재구성했다.
훈련결과는 CNN 모델에 기반한 시스템이 ITF 전송의 전체 분산 중 약 90%를 재현한다는 것을 보여주었으며, 이는 시스템이 ITF 전송에 대한 유효한 추론을 달성할 수 있음을 나타낸다.
연구진이 이 시스템을 1993년부터 2021년까지 위성 데이터와 추가로 결합해 ITF의 시계열을 추론하고 구성한 결과, 시계열이 국제적으로 유명한 ITF의 현장 관측 데이터와 잘 일치하는 것으로 나타났다. 그들은 이 AI 시스템으로 ITF를 예측할 수 있는 가능성을 탐색했고, 결과는 시스템이 7개월의 선행 시간으로 유효한 예측을 할 수 있음을 보여준다.
Hu 교수는 “ITF AI 추론 및 예측 시스템은 인도-태평양의 해양 순환과 기후 변화에 대한 연구를 수행하는 데 중요한 도구를 제공하며, 이는 현장 해양 관측의 압력을 어느 정도 완화할 수 있다” 라고 말했다.
Translated from the original English version by Global Climate Media.
This article was original published on Phys.org
