지질학자들이 인공 지능을 활용하여 산사태 예측을 개선합니다

UCLA의 지질학자들은 산사태 예측을 개선하기 위해 인공지능(AI)을 활용하는 획기적인 기술을 개발했습니다. Communications Earth & Environment에 게재된 논문에서 설명된 이 혁신적인 방법은 전통적인 예측 모델보다 향상된 정확성과 해석 가능성을 제공합니다. AI의 힘을 활용하여 지질학자들은 가뭄, 산불, 지진이 겹쳐 치명적인 산사태 위험을 증가시키는 캘리포니아와 같은 자연 재해에 취약한 지역에서 생명과 재산을 보호하는 것을 목표로 합니다.

산사태 발생을 예측하는 것은 지형의 형태, 경사, 배수 지역, 토양 및 암반 특성뿐만 아니라 기후, 강수, 수문학 및 지진으로 인한 지진 진동과 같은 환경 조건을 포함한 여러 요인의 영향을 받는 복잡한 작업입니다. 지질학자들은 전통적으로 이러한 요소를 물리적 및 통계적 모델에 통합하여 산사태 위험을 추정합니다. 이러한 모델은 합리적으로 정확한 예측을 제공할 수 있지만, 물리적 모델은 상당한 시간과 자원이 필요하며 대규모 적용에는 적합하지 않습니다. 반면 통계적 모델은 위험 요소 평가에 대한 투명성이 부족합니다.

산사태 예측을 위한 AI 활용

수년간 연구자들은 산사태를 예측하기 위해 AI 머신러닝 모델, 특히 심층 신경망(DNN)을 훈련시켜 왔습니다. 이러한 연결된 알고리즘 네트워크는 방대한 양의 데이터를 처리하고 빠르게 학습하는 데 뛰어나 매우 정확한 예측을 가능하게 합니다. 그러나 DNN은 예측을 설명하고 산사태 발생에 기여하는 특정 변수를 식별하는 데 한계가 있습니다.

DNN의 한계를 해결하기 위해 UCLA 연구자들은 슈퍼포저블 신경망(SNN)이라는 유형의 AI를 활용하는 방법을 개발했습니다. DNN과 달리 SNN은 서로 다른 데이터 입력의 결과를 분리하여 자연 재해에 가장 중요한 기여 요인에 대한 더 유용한 분석을 가능하게 합니다. 연구팀은 히말라야 동부 지역(산사태 빈도가 높은 지역으로 알려짐)과 관련된 다양한 지리적 및 기후 변수 데이터를 SNN에 공급했습니다. SNN 모델은 산사태 취약성 예측에서 DNN과 비교할 만한 정확성을 보여주면서 동시에 결과에 중요한 역할을 하는 변수에 대한 통찰력도 제공했습니다.

변수 분석 및 컴퓨팅 자원 절감

SNN 모델이 주요 변수를 식별하고 산사태 취약성에 대한 기여도를 정량화할 수 있는 능력은 지질학자들에게 귀중한 통찰력을 제공합니다. 또한 이 접근 방식은 딥러닝(DNN)에 비해 더 적은 컴퓨팅 자원을 필요로 하므로, 제한된 컴퓨팅 파워를 갖춘 환경에서도 효율적이고 적응력이 뛰어납니다. 연구진은 이 SNN 모델이 Apple Watch와 같은 소형 기기에서도 실행될 수 있어 강력한 컴퓨터 서버가 필요하지 않다고 강조했습니다.

미래 응용 및 조기 경보 시스템

UCLA 연구팀은 전 세계 다른 산사태 위험 지역으로 연구를 확장할 계획입니다. 특히 빈번한 산불과 지진이 산사태 위험을 악화시키는 캘리포니아와 같은 지역에서는 새로운 AI 예측 모델이 조기 경보 시스템 개발에 도움을 줄 수 있습니다. 이러한 시스템은 다양한 신호를 통합하여 홍수를 포함한 표면 재해의 범위를 예측함으로써 대비 및 대응 노력을 강화할 것입니다.

UCLA의 지질학자들은 인공지능(AI) 기술을 활용하여 산사태 예측을 혁신적으로 개선하는 데 성공했습니다. 중첩 가능한 신경망(Superposable Neural Networks)을 활용하는 이 방법은 기존 모델보다 정확도와 해석 가능성을 높여줍니다. 주요 변수를 식별하고 그 기여도를 정량화함으로써 이 AI 접근법은 지질학자들이 산사태에 영향을 미치는 요인들을 더 잘 이해할 수 있도록 합니다. 제한된 컴퓨팅 파워를 가진 기기에서도 실행할 수 있는 이 모델은 전 세계 산사태 위험 지역에서 조기 경보 시스템을 강화하고 생명과 재산을 보호할 잠재력을 가지고 있습니다.