최근 중국 연구진이 미세먼지(PM10) 예측의 정확도를 획기적으로 높일 수 있는 새로운 AI 모델인 '옴니PM-넷(OmniPM-Net)'을 발표했습니다. 이 모델은 기존 화학 수송 모델(CTM)의 격자형 예측과 그래프 신경망(GNN)의 지점별 예측이라는 두 가지 방식의 장점을 통합하여, 미세먼지 농도가 높거나 황사가 심할 때도 더욱 신뢰할 수 있는 예보를 제공합니다.
옴니PM-넷은 컨볼루션 조건부 신경 프로세스(ConvCNP) 기반의 융합 모델로, 불규칙한 GNN 지점 예측 데이터를 지형을 고려한 가우시안 세트 컨볼루션을 통해 정규 격자 데이터로 변환합니다. 이후 다중 스케일 공간 소스 어텐션(SSA) 모듈을 활용해 유럽연합 코페르니쿠스 대기 모니터링 서비스(CAMS)의 예측 데이터와 결합합니다. 이 통합된 공간 표현을 바탕으로 108시간(4.5일) 후의 미세먼지 농도를 지점 또는 격자 단위로 일관되게 예측할 수 있습니다. 2024년 한 해 동안 중국 내 1,618개 대기질 측정소 데이터를 분석한 결과, 옴니PM-넷은 기존 GNN 모델 대비 지점 수준 정확도에서 평균 절대 오차(MAE)를 21.14에서 22.00 ug/m3로 개선했으며, CAMS 모델의 MAE는 30% 감소시켰습니다. 특히 고농도 미세먼지 구간(90번째 백분위수)에서는 GNN 대비 9%, CAMS 대비 25%의 MAE 감소를 보였고, 황사 발생 시에도 예측 정확도가 크게 향상되었습니다.
옴니PM-넷의 등장은 미세먼지 예보의 질을 한 단계 끌어올릴 잠재력을 가지고 있습니다. 기존 모델들이 가지고 있던 국지적 편향이나 공간적 연속성 부족 문제를 해결함으로써, 대중에게 더욱 정확하고 신뢰할 수 있는 미세먼지 정보를 제공할 수 있게 됩니다. 이는 미세먼지로 인한 건강 피해를 줄이고, 정부나 기관이 보다 효과적인 대응 전략을 수립하는 데 중요한 기반이 될 것입니다. 특히 기후 변화로 인해 황사 등 고농도 미세먼지 발생 빈도가 높아지는 상황에서, 이러한 정교한 예측 기술은 사회 전반의 대응 능력을 강화하는 데 크게 기여할 것으로 기대됩니다.