맨체스터 대학교 연구팀은 NVIDIA Earth-2 팀과 협력해 영국 전역의 대기 오염을 시뮬레이션하고 예측하는 인공지능 기반 모델을 개발했다. 공간 해상도는 2~3킬로미터다. 이 프로젝트는 기상 데이터와 대기 중 화학 반응을 결합하는 기존 모델의 높은 계산 비용을 줄이는 것을 목표로 한다.
이 연구는 맨체스터 대학교 지구·환경과학과 교수인 David Topping이 이끈다. 연구팀은 화학-기후 시뮬레이션으로 생성된 오염 데이터를 바탕으로 1년 전체를 시간당 간격으로 다룬 뒤, Earth-2 CorrDiff 모델을 학습시켜 오염물질 분포를 더욱 상세하게 나타내는 지도를 생성했다. NVIDIA에 따르면 이 모델은 첫 번째 학습 시도에서 성공했다.
화학 시뮬레이션에서 신속한 예측으로
기존 대기질 모델은 대기 화학을 기상 모델에 통합하기 때문에 상당한 계산이 필요하며, 이로 인해 세부 수준과 실행 횟수가 제한된다. 맨체스터 연구팀은 NVIDIA가 날씨와 기후를 위해 개발한 생성형 인공지능 프레임워크를 활용해 모든 반응을 기존 방식으로 계산하는 대신 오염 «필드»를 처리하려 했다.
학습에는 브리스틀에 있는 영국 슈퍼컴퓨터 Isambard-AI에서 8개의 그래픽 처리 장치가 탑재된 단일 노드가 사용됐다. 이 시스템은 NVIDIA GH200 Grace Hopper Superchip 5,448개를 탑재하고 있으며, 인공지능 작업에서 21엑사플롭스의 성능을 제공한다고 발표됐다. 공개된 자료에 따르면 학습에는 이틀이 걸렸다.
이후 연구팀은 Earth-2 StormCast 모델을 추가해 시간에 따른 예측을 생성하고 대기질 관측값을 직접 활용하도록 했다. 또한 연구진은 GB10 Grace Blackwell 칩을 기반으로 하는 데스크톱 시스템 NVIDIA DGX Spark에서 학습 및 추론 경로를 시연했다. Topping은 자신의 사무실에 DGX Spark가 있으면 슈퍼컴퓨터와 별개로 모델을 재학습하고 소규모 학습을 수행할 수 있다고 말한다.
이 발전이 중요한 이유
자료에 따르면 대기 오염은 지난해 영국에서 약 3만 명의 사망에 기여했으며, 이는 예측 개선이 공중보건과 직접적인 관련이 있음을 의미한다. 보건 서비스는 이러한 예측을 활용해 천식과 같은 질환을 앓는 환자들에게 다음 날 또는 다음 주에 거주 지역의 오염이 증가할 것으로 예상된다는 사실을 알릴 수 있다.
연구팀은 실시간 대기질 측정값을 수신하는 엣지 인공지능 장치와 모델을 연결하는 방안도 시험하고 있다. 제시된 응용 분야로는 산불 발생 시 신속한 의사결정 지원과 오염 관련 정부 정책의 잠재적 변화가 미치는 영향을 시뮬레이션하는 것이 있다.
실제로 무엇이 달라지는가?
가장 큰 변화는 작업 흐름이 비용이 많이 드는 중앙집중식 실행에서, 적어도 추론과 일부 학습의 경우 데스크톱에서 실행할 수 있는 모델로 전환된다는 점이다. 연구팀은 추가적인 공개 데이터를 통합해 모델의 정확도를 거리 수준으로 높일 계획이며, 다른 국가와 도시도 자체 데이터를 활용해 지역 모델을 구축할 수 있도록 학습 데이터와 작업 흐름을 오픈 소스로 공개할 예정이다.
그러나 자료는 기존의 전통적인 화학 모델과 비교한 예측 정확도에 관한 상세한 정량적 결과를 제시하지 않으며, 이 모델을 기반으로 보건 서비스나 공공 경보 시스템이 실제로 운영되고 있음을 아직 입증하지도 않는다. 따라서 실시간 예측과 임상 응용에 관한 약속은 실제로 이용 가능한 서비스가 아니라 현재 탐색 중인 목표로 남아 있다. 현재 이 프로젝트의 중요성은 Earth-2 프레임워크를 대기 오염 분야로 이전할 수 있음을 보여주고 모델링 도구에 대한 접근 장벽을 낮추는 데 있다. 다만 독립적인 검증, 현지 데이터의 품질, 공개 자원의 배포 시점은 답이 필요한 과제로 남아 있다.