상단여백
HOME 컴퓨팅인사이트 테크니컬리포트 포토
활화산 분화의 예측에 사용되는 인공지능(AI) 기술
[source=pixabay]

시애틀과 나폴리, 도쿄는 수천마일이나 떨어져 있지만 공유하고 있는 것이 있다. 잠재적으로 용암을 분출할 수 있는 위험요소, 바로 화산이다.

전세계적으로 약 8억명의 사람들이 화산에서 100Km 이내에 생활하면서 이와 같은 잠재적인 위험요소에 노출되어 있으며 이들의 생계수단에 위협이 되고 있다. 외진 지역에서 발생하는 분출조차도 화산재로 퍼지면서 공중보건, 농업과 관련 경제 모두를 붕괴시킬 수 있다.

일부 화산은 항상 용암을 뿌리는 반면 다른 화산은 매 년 혹은 수천 년에 한 번씩만 분출하기도 한다. 이로 인해 이러한 자연재해를 전세계적으로 이해하고 분석하는 일은 매우 어렵다.

브리스톨지구과학대학의 파비앙 알비노(Fabien Albino) 박사후 연구원과 같은 대학의 영상정보랩의 난티라 아난트라시리치(Nantheera Anantrasirichai) 연구원은 딥러닝 기술을 활용하면 화산활동의 흔적을 발견할 수 있다고 말한다.

대부분의 연구자들은 전통적으로 화산표면의 변화를 감지하기 위해 GPS나 경사계가 장착된 장비를 사용하고 있다. 그러나 모든 화산이 쉽게 접근 할 수 있지만은 않기에, 위성 데이터와 같은 원격감지 기법을 사용한다.

브리스톨대학 연구원들은 지구과학과 심층학습에 대한 각각의 전문성을 결합하고 간섭계를 분석하기 위해 신경망을 사용하고 있다. 이 레이더 스캔은 위성에서 지상지점까지의 거리 수치가 변하는 것에 주목하는데, 이는 화산의 마그마가 분출되기 전에 가열되고 팽창할 때 발생하는 지반변형을 확인할 수 있는 도구가 된다.

이들은 2개의 엔비디아 P100 GPU로 구동되는 브리스톨대학의 슈퍼컴퓨터인 블루크리스탈(BlueCrystal)을 사용해 약 900개의 활화산을 포함, 3만개의 간섭무늬에 대한 딥러닝 모델학습을 실시했다.

이를 통해 수동으로 화산활동의 흔적을 조사해야 할 간섭무늬의 수를 줄이고 연구자들이 조금 더 쉽고 포괄적인 연구 활동을 이어갈 수 있었다. 

이전의 연구자들은 하나의 화산암만을 볼 수 있었지만, 이와 같은 방법을 통해 전세계적으로 산재된 분화구 주변에서 어떤 일이 벌어지고 있는지에 대한 통찰력을 확보할 수 있었으며 경보시스템을 가동하는 데 도움을 줄 수 있었다.

이들 연구진은 지상의 변형신호와 유사한 대기변화를 더 잘 구분할 수 있도록 딥러닝 모델을 개선하고 있다. 합성된 데이터를 확보하면서 예측도를 높일 수 있도록 후속연구도 진행하고 있다.

관련 모델이 고도화된다면, 화산연구자들이 총 3만개의 간섭무늬를 모두 확인하지 않고 단 50개의 데이터만 활용하는 것으로 예측정보의 수준을 높일 수 있을 것으로 예상된다. 

특정 화산에서 폭발이 감지되면 지역 연구자들은 지상 기반 모니터링 장비로 현장에만 집중할 수 있다. 화산에 따라 지진활동이나 지반변형은 분화가 시작되기 몇 시간, 혹은 몇 달을 앞두고 어느 곳에서나 시작될 수 있어, 화산 근처에 살면서 위험에 노출된 최대 10억명의 사람들에게 이와 같은 정보를 활용한다면 더 나은 대피경고와 재난계획을 세울 수 있을 것으로 기대된다.

 

글 : 이샤 살리안(Isha Salian) / 과학·인공지능 라이터 / 엔비디아

 

최태우 기자  taewoo@itbiznews.com

<저작권자 © IT비즈뉴스-아이티비즈뉴스, 무단 전재 및 재배포 금지>

최태우 기자의 다른기사 보기
icon인기기사
여백
Back to Top