강수량의 정확한 파악은 지구의 물 순환을 이해하고 수자원과 재해 대응을 위해 중요하다. 강수량 추정을 위한 알고리즘에는 다양한 방법들이 제안되어 왔으며, 최근에는 인공지능(AI) 머신러닝을 이용한 방법들이 많이 제안되고 있다.

KAIST(총장 이광형)는 문술미래전략대학원(건설및환경공학과 및 녹색성장지속가능대학원 겸임) 김형준 교수와 도쿄대학교(University of Tokyo) 등으로 구성된 국제 공동연구팀이 인공위성에 탑재된 마이크로파 라디오미터(주1)의 관측값을 이용해 지상 강수량을 추정하는 새로운 기계학습 방법을 제안했다.

연구팀은 기존의 방법과 비교해 전 강수량에 대해 오차(RMSE)를 최소 15.9%에서 최대 42.5%까지 줄이는 데 성공했다.

단순한 데이터 주도(data-driven)모델은 대량의 훈련 데이터가 필요하고 물리적인 일관성이 보장되지 않으며 결과의 원인 분석이 어렵다는 등의 문제가 있었다. 연구팀은 이번 연구에서 위성 강수량 추정에 대한 분야 지식을 명시적으로 포함함으로써 학습 모델 내의 상호 의존적인 지식 교환을 구현했다.

구체적으로, 하나의 모델로 여러 개의 태스크(문제)를 해결하는 딥러닝 기법으로 관련된 여러 태스크를 동시에 학습시킴으로써 태스크 간의 공통 요소를 학습하여 모델의 전반적인 성능이 향상되는 멀티태스크 학습(multitask learning) 기법을 사용해 강수 여부를 인식하는 분류 모델과 강수 강도를 추정하는 회귀 모델을 통합하고 동시에 학습시켰다.

이번 연구에서 제안한 기계학습 모델에는 이번에 포함된 메커니즘 외에도 다양한 물리적 메커니즘을 포함할 수 있다. 예를 들어, 비 또는 눈, 진눈깨비 등 강수 종류의 분류 및 상승 기류 또는 층상 구름 유형 등 강수를 일으키는 구름 유형의 분류를 포함함으로써 앞으로 추정의 정확도가 더욱 향상될 것으로 기대된다.

한편, 이번 연구 결과는 국제 학술지 ‘지구물리 연구 레터(Geophysical Research Letters)’에 '수동 마이크로파 강수량 예측과 '비/비 오지 않음' 분류를 동시에 검색하기 위한 멀티태스크 러닝(Multi-Task Learning for Simultaneous Retrievals of Passive Microwave Precipitation Estimates and Rain/No-Rain Classification-다운)'란 제목으로지난 5일 게재됐다.