UNIST, 북극 해빙 분포 한 달 앞서 예측하는 AI '아이스네스트' 개발

가로·세로 6.25㎞ 구역별 북극 해빙 분포 예측 기술

북극항로 운항 돕는 AI 개발… 일반 선박도 북극항로

UNIST 연구진이 한 달 뒤 북극 바다의 얼음 분포를 정밀하게 내다보는 인공지능(AI) 기술을 내놨다.

쇄빙선 없이도 일반 선박이 안전한 북극항로와 출항 시기를 정하는 데 실질적인 길잡이가 될 전망이다.

기존 영국 기상청 모델보다 항로 개통일 예측 오차를 절반 이하로 줄이며 상용화 가능성을 높였다.

UNIST 지구환경도시건설공학과 임정호 교수팀은 한국수자원공사 수자원위성연구소 김영준 박사, 캐나다 매니토바대 연구진과 함께 북극 해빙 예측 AI '아이스네스트(IceNest)'를 개발했다고 15일 전했다.

연구진: (좌측부터) 임정호 UNIST 교수, 김영준 한국수자원공사 수자원위성연구소 박사, 추민기 연구원. UNIST 제공

이번 기술의 핵심은 선박 운항에 직결되는 예측 정확도다. 베링해에서 노르웨이해로 이어지는 북동항로 모의 항해 결과, 아이스네스트의 통항 가능 시작일 평균 오차는 4.5일에 그쳤다. 영국 기상청 모델 '글로시5·6'(10.75일)과 비교해 오차를 절반 이상 줄였다.

통항 종료일 오차 역시 기존 3.5일에서 2.75일로 줄었다. 전체 항로 거리 예측 오차도 101.32㎞에서 88.64㎞로 좁혀졌다. 해빙이 빠르게 녹는 여름과 다시 얼어붙는 가을철에도 유럽 코페르니쿠스 기후변화서비스 모델보다 얼음 경계를 정확히 짚어냈다.

북극 해빙은 기온과 해수면 온도, 바람에 따라 수시로 모이고 흩어진다. 쇄빙선이 아닌 일반 상선이 안전하게 항해하려면 한 달 앞선 해빙 변화 데이터가 필수적이다.

연구팀은 서로 다른 두 위성자료와 생성형 AI인 '조건부 확산 모델'을 결합해 해법을 찾았다. 먼저 25㎞ 단위의 광역 위성자료와 기상 데이터를 여러 AI에 학습시켜 30일 치 해빙 농도를 도출한다. 이어 조건부 확산 모델이 이를 가로·세로 6.25㎞ 구역별로 촘촘하게 보정해 좁은 해협까지 담은 예측지도를 완성한다.

다만 실제 뱃길에 곧바로 투입하려면 보완할 과제도 남았다. 연구팀은 해빙 농도뿐 아니라 얼음 두께와 이동 속도, 파도 변수까지 통합한 후속 연구가 필요하다고 설명했다.

임정호 교수는 "북극 전체의 해빙 변화와 항로 주변의 세밀한 얼음 분포를 함께 예측하고, 이를 모의 항해에 적용해 실제 항로를 계획하는 데 쓸 수 있음을 확인했다"며 "북극항로를 이용할 수 있는 시기와 구간을 미리 파악해 선박의 운항 계획과 항로 선택에 도움을 줄 것으로 기대한다"고 말했다.

이번 연구에는 UNIST 추민기 연구원이 제1저자로 참여했으며, 해양수산부와 교육부 지원을 받았다. 연구 성과는 국제학술지 '사진측량·원격탐사 저널'에 지난 9월 22일 온라인 게재됐다.

기후변화로 북극항로 상업 운항에 대한 해운업계의 관심이 커지는 가운데, 기존 해외 기상청 모델의 예측 오차를 절반 이하로 꺾은 국내 연구진의 성과가 돋보인다.

이번 연구는 학술적 성취를 넘어 선박의 연료비 절감과 안전 운항이라는 실물 경제 효과로 직결된다는 점이다.

아이스네스트는 북극해의 얼음 분포를 최대 30일 앞서 예측해 선박의 운항 계획을 돕는 기술이다. [생성형AI이미지]

영남취재본부 김수로 기자 relationship6007@asiae.co.kr