과학과 사회에 있어 일기예보는 중요합니다. 현재 가장 정확한 날씨 예측 시스템은 대기 상태를 이산적인 그리드(discretized grids) 형태로 표현하고 이러한 상태 간의 전환을 설명하는 편미분 방정식을 수치적으로 해결하는 수치 날씨 예측(numerical weather prediction; NWP) 방법입니다. 그러나 이 절차는 계산 비용이 많이 듭니다. 이에 최근 인공지능 기반 방법들은 규모에 따라 기상 예측을 가속화할 수 있는 가능성을 보여주었지만, 예측 정확도는 여전히 NWP 방법보다 상당히 낮습니다.

이 연구에서는 정확한 중거리의 지구 기상 예측(medium-range global weather forecasting; 일기예보에서 3-7일 후의 날씨를 예측하는 것)을 위한 인공지능 기반 방법을 소개합니다. 저자들은 지구 특화된 사전 확률(prior)이 장착된 3차원 심층 네트워크가 기상 데이터의 복잡한 패턴을 처리하는 데 효과적이며, 계층적 시간 집계 전략이 중거리 예측에서 누적 오류를 줄인다는 것을 보여줍니다. 39년간의 글로벌 데이터에 대해 훈련된 Pangu-Weather 프로그램은 세계 최고의 NWP 시스템인 유럽중거리기상예보센터(European Centre for Medium-Range Weather Forecasts; ECMWF)의 운영 통합 예보 시스템과 비교할 때 테스트된 모든 변수의 재분석 데이터에 대한 더 강력한 결정론적 예측 결과를 얻습니다.

연구진들의 방법은 극단적인 일기 예보와 앙상블 예보에서도 잘 작동합니다. 재분석 데이터로 초기화하면 열대 사이클론 추적의 정확도도 ECMWF-HRS보다 높다는 점을 확인했습니다.