딥마인드, 날씨 AI 모델 WeatherNext 3 공개…1시간 갱신·5km 고해상도

왜 지금 날씨 AI인가

날씨는 단순히 우산을 챙길 문제가 아니에요. 바람과 강우, 폭염·가뭄은 농업, 글로벌 공급망, 신재생에너지, 국가 경제까지 이어지는 연쇄 효과를 만들어요. AI 기반 예측은 전통적인 물리 모델보다 빠르고 정확해졌지만, 극지역이나 해안·산간 등 국소적이고 급변하는 날씨는 여전히 어려운 문제로 남았어요. Google DeepMind가 9월 3일 공개한 WeatherNext 3는 이 빈틈을 겨냥한 모델이에요.

WeatherNext 3의 핵심 변화

이번 버전의 가장 큰 변화는 실시간 위성 데이터를 직접 학습에 사용하는 점이에요. 기존 WeatherNext 2는 수치예보(NWP) 모델의 6시간 전 데이터로 학습했지만, WeatherNext 3는 1시간 단위로 업데이트되는 지구 정지궤도 위성 모자이크를 입력으로 받아요. 해상도도 크게 올라, 표면 온도·수증기는 5km, 기타 표면 변수는 10km, 대기 변수는 25km에서 예측을 생성해요. 이는 이전 25km 그리드보다 약 5배 가늘어진 해상도예요.

모델 아키텍처는 Functional Generative Network 메시 트랜스포머 하나로, 전 지구적인 대기 흐름부터 국지적 지형 효과까지 일관된 출력을 만들어요. 강수 확률, 열대저압부 경로, 기상 관측소 수준의 희소 좌표까지 한 모델이 네이티브로 예측해요.

출처: DeepMind 공식 블로그

실시간 위성 데이터가 만든 정확도 향상

기존 AI 날씨 모델이 NWP 데이터에 의존한 까닭은, 고해상도 실제 관측을 구하기 어려웠기 때문이에요. NWP 슈퍼컴퓨터 시뮬레이션은 6시간의 데이터 지연이 생기고, 급변하는 비나 기온 같은 변수에는 편향이 누적돼요.

WeatherNext 3는 실시간 위성 모자이크, NASA GPM 위성 기반 강수 데이터, 전 지구 강수 재분석 데이터를 함께 사용해요. 독립 평가 기관 Brightband의 라이브 리더보드에서 현재 가장 앞서는 결과를 보이며, 중기 전 지구 강수 예측에서 CRPS 개선 폭이 IMERG 대비 최대 60%, MRMS 대비 30%, 관측 강수량 대비 10%예요.

출처: DeepMind 공식 블로그

이렇게 높아진 해상도는 해안·계곡·산간 지역에서 특히 유용해요. 기존 모델은 이런 곳의 기온 차이나 강수 경계를 흐릿하게 표현했지만, WeatherNext 3는 5km 그리드에서 국소적 지형 효과를 포착해요.

신재생에너지와 재해 대응까지 확장

이번 모델은 100m 단위 풍속 예측을 추가해 풍력 단지 출력 예측에 바로 활용할 수 있어요. 또한 구름 양과 일사량 데이터를 고해상도로 내놓아 태양광 설비의 발전량 예측도 지원해요. 전력망 운영자나 재생에너지 개발사는 수요와 공급을 더 정밀하게 맞출 수 있어요.

급변하는 폭풍·전선 같은 재해 발생 시에도 1시간 주기의 빠른 업데이트가 의미가 커요. DeepMind는 비상 대응자가 갑작스러운 바람 변화를 추적하거나, 항공 교통 관제사가 비행 경로를 계획할 수 있다고 설명해요. 특히 라틴아메리카·아프리카·아시아태평양처럼 고해상도 예측이 부족했던 지역에 지역화된 고품질 예보를 제공하는 게 주요 목표예요.

앞으로의 과제와 시사점

오늘부터 Google Search, Gemini 앱, Google Maps, Maps Platform 날씨 API, Google Earth Engine에 WeatherNext 3가 적용되기 시작해요. 1일 이상 장기 예측의 강수 정확도는 최대 50% 개선돼요.

아직 대기 예측에 내재한 불확실성은 남아 있어요. 그럼에도 실시간 관측을 기반으로 NWP의 지연과 편향을 우회하는 이 접근은, 날씨 AI의 패러다임을 관측 중심으로 바꾸고 있어요. 연구자·개발자는 BigQuery와 Earth Engine, Google Cloud Storage에서 예측 데이터를 바로 쿼리하거나 대량 다운로드할 수 있어요.

참고 링크

• DeepMind 공식 블로그: WeatherNext 3
• WeatherNext 3 논문 (arXiv)
• WeatherNext 3 개발자 문서
• Brightband 독립 평가 리더보드