- 더 빠르고 정확한 예측 위한 코디프 NIM, 포캐스트넷 NIM 공개

- 코디프 NIM, 전통적 기상 예측보다 500배 빠른 속도와 10,000배 높은 에너지 효율 제공

- 포캐스트넷 NIM, 대규모 예측 세트로 기후 기술 제공업체에 기상이변 예측 지원

 

엔비디아가 17일부터 22일까지(현지시간) 미국 애틀랜타에서 개최되는 '슈퍼컴퓨팅 2024(SC24) 콘퍼런스에서 2가지 새로운 엔비디아(NVIDIA) NIM 마이크로서비스를 발표했다. 이는 엔비디아 어스-2(Earth-2)에서 기후 변화 모델링 시뮬레이션 결과를 500배까지 가속화할 수 있다.

 

어스-2는 날씨와 기후 조건을 시뮬레이션하고 시각화하는 디지털 트윈 플랫폼이다. 새로운 NIM 마이크로서비스는 기후 기술 애플리케이션 제공업체에게 기상이변 현상 예측을 지원하는 고급 생성형 AI 기반 기능을 제공하며, 엔비디아 NIM 마이크로서비스는 데이터를 안전하게 보호하면서 파운데이션 모델의 배포를 가속화할 수 있도록 지원한다.

 

기상이변의 발생 빈도가 증가하면서 재난 안전과 대비 그리고 재정적 영향에 대한 우려가 커지고 있다. 올해 상반기에 자연재해로 인해 약 620억 달러의 보험 손실이 발생했으며, 블룸버그(Bloomberg)의 보고서에 따르면 이는 10년 평균보다 약 70% 증가한 수치이다.

 

엔비디아는 코디프(CorrDiff) NIM과 포캐스트넷(FourCastNet) NIM 마이크로 서비스를 출시한다. 이들은 기상 기술 기업들이 더 높은 해상도와 더 정확한 예측을 보다 빠르게 실현할 수 있도록 지원한다. 또한 기존 시스템과 비교해 우수한 에너지 효율성을 제공한다.

 

고해상도 모델링을 위한 새로운 코디프 NIM 마이크로서비스

엔비디아 코디프는 킬로미터 규모의 초고해상도를 위한 생성형 AI 모델이다. 지난 3월 GTC 2024에서는 코디프가 대만 상공의 태풍을 초해상도로 처리하는 시연을 선보였다. 코디프는 기상 예측 모델인 WRF(Weather Research and Forecasting)의 수치 시뮬레이션으로 훈련돼 12배 더 높은 해상도로 날씨 패턴을 생성한다.

 

최소 수 킬로미터 이내를 시각화할 수 있는 고해상도 예측은 기상학자와 산업계에 필수적이다. 보험과 재보험 업계는 위험 프로필을 평가하기 위해 상세한 기상 데이터에 의존한다. 그러나 WRF 또는 고해상도 신속 갱신 모델(High-Resolution Rapid Refresh, HRRR)과 같은 기존의 수치 기상 예측 모델을 사용해 이러한 수준의 세부 정보를 얻으려면 비용과 시간이 너무 많이 소요돼 실용적이지 않은 경우가 많다.

 

코디프 NIM 마이크로서비스는 CPU를 사용하는 전통적인 고해상도 수치 기상 예측보다 500배 빠르고 10,000배 더 에너지 효율적이다. 또한, 코디프는 현재 300배 더 큰 규모로 운영되고 있다. 이는 미국 전역을 대상으로 초해상도나 저해상도 이미지와 동영상의 해상도를 높여 결빙, 우박 등의 강수 현상을 수 킬로미터 단위의 가시성으로 예측할 수 있다.

 

새로운 포캐스트넷 NIM 마이크로서비스로 대규모 예측 실현

모든 사용 사례에 고해상도 예측이 필요한 것은 아니다. 일부 애플리케이션은 더 낮은 해상도의 대규모 예측 세트를 통해 더 많은 이점을 얻을 수 있다. IFS, GFS와 같은 최신 수치 모델은 계산상의 제약으로 인해 각각 50개와 20개의 예측 세트로 제한된다.

 

현재 이용 가능한 포캐스트넷 NIM 마이크로서비스는 전 세계적으로 중간 규모의 대략적인 예보를 제공한다. 기후 기술 제공업체는 유럽중기예보센터(European Centre for Medium-Range Weather Forecasts)나 미국해양대기청(National Oceanic and Atmospheric Administration)과 같은 운영 기상 센터의 초기 동화 상태를 사용할 수 있다. 이를 통해 기존 수치 기상 모델보다 5,000배 빠르게 향후 2주 동안의 예보를 생성할 수 있다.

 

이로써 기후 기술 제공업체는 다양한 규모의 기상이변과 관련된 위험을 예측할 수 있는 새로운 기회를 얻는다. 아울러 현재의 계산 파이프라인이 간과하는 낮은 확률의 사건 발생 가능성을 예측할 수 있게 된다.

 

#엔비디아#NIM#어스-2