|
|
보 도 자 료 |
|
|
보도 일시 |
2022. 10. 18.(화) 09:00 |
배포 일시 |
2022. 10. 18.(화) 09:00 |
|
담당 부서 |
국립기상과학원 |
책임자 |
과 장 |
이혜숙 |
(064- 780- 6750) |
|
인공지능기상연구과 |
담당자 |
연구관 |
박기준 |
(064- 780- 6751) |
|
기상·기후 인공지능(AI)으로 기후위기 해법 찾는다 |
|
- 국립기상과학원, 제1회 한- 미 기상·기후 인공지능(AI) 학회 개최- |
□ 국립기상과학원(원장 김성균)은 ‘2022년 한국기상학회 가을학술대회(학회장 부산대 하경자 교수)’와 연계하여 10월 19일(수)부터 21일(금)까지 광주 김대중컨벤션센터에서 ‘제1회 한- 미 기상·기후 분야 인공지능(AI) 활용 학회’를 개최한다.
○ 기상청과 미국 해양대기청*은 2008년부터 ‘한- 미 기상협력회의’를 진행해 오고 있다. 이번 학회는 2020년 제7차 한- 미 기상협력회의 당시 미국 측의 제안과 국내외 민·관·학 연구 협력 확대로 세계 최고의 기상 분야 디지털 융합 역량 확보를 도모하고 있는 기상청의 이해가 맞물려 공동 개최에 합의한 결과이다.
* 미국 해양대기청: NOAA(National Oceanic and Atmospheric Administration)
○ 이번 학회는 ‘2022년 한국기상학회 가을학술대회’의 특별분과로 대면·비대면으로 동시에 진행되며, 국내외 10여 개의 민·관·학 기관에서 100여 명이 참여하여 48편의 연구 결과를 발표할 예정이다.
□ 또한, 학회에 앞서 국립기상과학원은 10월 17일과 18일 양일간 미 해양대기청 인공지능 전문가들과 국제 공동 연구 확대를 위한 협력회의를 진행한다.
○ 협력회의에서는 미국 해양대기청의 요청에 따른 국립기상과학원 수치모형 연산 속도 가속화 기술 이전과 양국 민간·학계 참여 방안을 포함한 기상·기후 분야 한- 미 인공지능 공동 연구 주제에 대한 논의가 이루어질 예정이다.
□ 그리고 학회와는 별개로 국립기상과학원은 미국 해양대기청 및 엔비디아(NVIDIA)와 공동으로 인공지능의 기상 분야 활용 교육을 시행한다.
○ 교육의 주제는 ‘인공지능을 이용한 태풍 유형 분류’로, 참석자들은 인공지능 모형의 구축, 학습 및 성능 검증까지 수행할 예정이다.
□ 김성균 국립기상과학원장은 이번 학회에 대해 “기후위기 시대, 태풍과 집중호우 등 위험기상을 대비하는 디지털 역량 강화를 위한 국내외 민·관·학 토론의 장을 처음으로 마련한 데 의의가 있습니다.”라며, “더 나아가 국립기상과학원은 국제적인 협력을 지속·확대해 나감으로써, 세계 최고의 기상·기후 디지털 융합기술 연구개발과 인재 양성에 앞장서겠습니다.”라고 밝혔다.
□ 붙임 1. 제1회 한- 미 기상·기후 분야 인공지능 학회 개요
2. 인공지능 영상 기반 태풍 분류 교육 훈련 홍보자료
|
붙임 1 |
제1회 한- 미 기상·기후 분야 인공지능 학회 개요 |
□ 개요
○ (배경) 제7차 한- 미 기상협력회의 시 미국 측 제안에 따라 양 기관 자료·인공지능 분야 연구 확대를 위한 학회 공동 개최 합의
○ 행사명 (국문) 제1회 한- 미 기상·기후 분야 인공지능 활용 학회
(영문) 1st KMA- NOAA Workshop on AI for Weather and Climate
In Association with 2022 KMS Annual Meeting
○ 주요 일정 및 장소
- (협력회의) ‘22. 10. 17.(월)~10. 18.(화) / 기상청(서울, 대전)
- (학 회) ‘22. 10. 19.(수)~10. 21.(금) / 김대중컨벤션센터(광주)
○ (추진방법) 2022 한국기상학회 가을학술대회 특별세션(온·오프 병행)
- 주최 : 기상청 국립기상과학원, 미해양대기청(NOAA)
- 주관 : 기상청 국립기상과학원, 미해양대기청(NOAA), 한국기상학회
○ 참석 규모 : 약 100여 명
(한국) 기상청(과학원), KAIST, 서울대, 전남대, 엔씨소프트, SIA 등
(미국) NOAA(EMC, AI센터), NCAR, NVIDIA, AI2ES 센터(오클라호마대학) 등
□ 주요 내용
○ 수치모형의 연산속도 가속화 및 예측 결과 보정 기술
○ 관측자료 기반 초단기 예측 연구 및 자동화 기술
○ 인공지능 영상 기반 태풍 분류 교육 훈련 등
□ 주요 일정
|
일시 |
내용 |
비고 |
|
|
10. 17.(월) |
13:30~18:00 |
학회 및 협력회의 |
예보정책과 예보기술과 |
|
10. 18.(화) |
13:30~16:00 |
학회 및 한- 미 협력방안 토의 |
과학원, 국제협력담당관 |
|
18:00~21:00 |
한- 미 협력방안 협의 |
국립기상과학원장 |
|
|
10. 19. (수) |
08:30~09:00 |
기상학회 등록 |
|
|
09:00~10:50 |
기상학회 개회식 |
||
|
11:00~11:30 |
학회 개회식 - 환영사 : 국립기상과학원장 - 축사 : 한국기상학회장 - 단체 사진 촬영 |
- |
|
|
11:30~12:30 |
세션Ⅰ : 기조 연설 |
2인 |
|
|
12:30~13:50 |
오찬 |
||
|
13:50~15:20 |
세션 II : 물리과정 에뮬레이션(I) |
기조연설 1, 구두 발표 3 |
|
|
15:40~18:00 |
세션 III : 관측기반 초단기 예측(I) |
구두발표 7 |
|
|
18:30~21:00 |
환영 만찬 |
기상학회 |
|
|
10. 20.(목) |
09:00~10:30 |
세션 IV : 자료동화 |
기조연설 1 구두발표 3 |
|
10:50~12:20 |
세션 V : 설명가능 인공지능 |
기조연설 1 구두발표 3 |
|
|
12:20~13:20 |
오찬 |
||
|
13:20~14:30 |
포스터 세션 |
||
|
14:30~16:10 |
세션 Ⅵ : 수치예보모델 후처리(I) |
기조연설 1 구두발표 3 |
|
|
16:20~18:00 |
세션 Ⅶ : 관측기반 초단기 예측(II) |
기조연설 1 구두발표 3 |
|
|
10. 21.(금) |
09:00~10:20 |
세션 Ⅷ : 수치예보모델 후처리(II) |
구두발표 4 |
|
10:30~12:20 |
세션 Ⅸ: 물리과정 에뮬레이션(II) |
구두발표 3 |
|
|
09:00~12:20 |
해커톤 : 합성곱신경망 기반 태풍 강도 분석 |
NVIDIA |
|
□ 학회 발표 순서
|
날짜 |
세션명 |
좌장 |
발표 |
제목 |
발표자 |
소속 |
|
10월 19일 (수) |
1 |
박기준 (국립기상 과학원) |
11:00 - 11:30 |
학회 개회식 |
||
|
11:30 - 12:00 |
keynote: How AlphaWeather incorporates Weather Forecast : Can be a Locomotive of Next- Generation Forecast system? |
이혜숙 |
국립기상 과학원 |
|||
|
12:00 - 12:30 |
keynote: Advances in Artificial Intelligence and Machine Learning for Operational Numerical Weather Prediction |
Vijay Tallapragada |
NOAA EMC |
|||
|
2 |
Robert Redmon (NOAA, NCAI) |
13:50 - 14:20 |
keynote: Can we Design a New NWP Data Assimilation System Based Entirely on AI Techniques? Advantages & Challenges |
Sid Boukabara |
NOAA, NESDIS |
|
|
14:20 - 14:40 |
Introducing ML Components into NWP Models: Challenges and Perspectives |
Vladimir Krasnopolsky |
NOAA EMC |
|||
|
14:40 - 15:00 |
Recent Development in Artificial Intelligence at KIAPS |
오태진 |
차세대수치모델 개발사업단 |
|||
|
15:00 - 15:20 |
Forecast Impact Assessment of AI- based Data Assimilation using NOAA's Global Forecasting System |
Eric Maddy |
NOAA |
|||
|
15:20 - 15:40 |
Using machine learning to improve data assimilation for weather forecasting |
Alan Geer |
ECMWF |
|||
|
10월 20일 (목) |
3 |
Vladimir krasnopolsky (NOAA, EMC) |
09:00 - 09:30 |
keynote: Deep learning- based post- processing of numerical weather predictions |
윤세영 |
KAIST |
|
09:30 - 09:50 |
Operational Demonstration of an AI- based Hyper- Local Wind and Solar Energy Forecast Enhancement |
Allen Huang |
CIMMS |
|||
|
09:50 - 10:10 |
Deep Learning for Post- processing Ensemble Weather and Subseasonal Prediction |
Zhu Yuejian |
NOAA |
|||
|
10:10 - 10:30 |
Machine Learning for Model Parameterizations and Post- processing |
Sue Ellen Haupt |
NCAR |
|||
|
4 |
Vijay Tallapragada (NOAA/ EMC) |
10:50 - 11:20 |
Keynote: NVIDIA Earth- 2 Digital Twin Initiative |
Jeff Adie |
NVDIA |
|
|
11:10 - 11:30 |
Partial- convolution- implemented generative adversarial network (GAN) for global oceanic data assimilation |
함유근 |
전남대학교 |
|||
|
11:30 - 11:50 |
Machine learning correction of parameterized physics in coarse- resolution FV3GFS across a range of climates |
Christopher Bretherton |
Allen Institute for Artificial Intelligence (AI2) |
|||
|
11:50 - 12:10 |
Recent advances of radiative transfer emulator in WRF model |
송환진 |
경북대학교 |
|||
|
12:10 - 12:30 |
Neural network emulator for melting processes in a bulk- type cloud microphysics parameterization |
임교선 |
경북대학교 |
|||
|
5 |
오태진 (차세대 수치모델 개발사업단) |
14:50 - 15:20 |
keynote: NOAA Center for Artificial Intelligence: Piloting our way to an AI Ready Agency and Workforce |
Robert Redmon |
NOAA, NCAI |
|
|
15:20 - 15:40 |
The Challenges of Developing Trustworthy AI Systems for High Impact Weather Prediction |
David John Gagne |
NCAR |
|||
|
15:40 - 16:00 |
Explainable Artificial Intelligence for Precipitation Forecasting |
최재식 |
KAIST |
|||
|
16:00 - 16:20 |
An Introduction of Various Deep Learning Studies for Weather Phenomena in the KISTI |
조민수 |
한국과학 기술정보 연구원 |
|||
|
6 |
송환진 (KNU) |
16:40 - 17:00 |
Update on the NSF AI Institute for Research on Trustworthy AI in Weather, Climate, and Coastal Oceanography (AI2ES) |
Amy McGovern |
OU/AI2ES |
|
|
17:00 - 17:20 |
Weather News Generation with Hierarchical Copy Network |
최상혁 |
NCSoft |
|||
|
17:20 - 17:40 |
Accelerating Machine Learning with open standards and data |
Roy Varghese |
Microsoft |
|||
|
17:40 - 18:00 |
Advances toward integrated AI/ML and data assimilation for operational forecasting |
Stephen G. Penny |
Sofar Ocean Technology |
|||
|
18:00 - 18:20 |
Artificial Intelligence for weather forecasts at the German Meteorological Service: Status and perspectives |
Richard Müller |
DWD |
|||
|
18:20 - 18:40 |
Machine Learning at the European Centre for Medium- Range Weather Forecasts |
Peter Dueben |
ECMWF |
|||
|
10월 21일 (금) |
7 |
이혜숙 (국립기상 과학원) |
09:00 - 09:20 |
Precipitation Nowcasting Improvements based on an Advanced Deep Learning Model using Composited Radar Reflectivity and ERA5 Reanalysis |
김원수 |
한국과학 기술정보 연구원 |
|
09:20 - 09:35 |
Application of deep- learning- based video frame interpolation technique for geostationary meteorological satellite images |
최예지 |
SIA |
|||
|
09:35 - 09:50 |
Operation and verification of AI- based model for precipitation nowcasting using weather radar data |
김선영 |
국립기상 과학원 |
|||
|
09:50 - 10:05 |
Deep learning for tropical cyclone intensity change prediction |
김정환 |
전남대학교 |
|||
|
10:05 - 10:20 |
Multi- task learning based tropical cyclone intensity forecasting through the synergistic fusion of geostationary satellite data and numerical forecasting model output |
이주현 |
UNIST |
|||
|
10:20 - 10:40 |
Using optical flow to remove storm motion from GOES- 16 image sequences to help machine learning algorithms detect convection |
이윤진 |
CIRA |
|||
|
8 |
박기준 (국립기상 과학원) |
10:55 - 11:10 |
Evaluation of deep- learning- based very short- term rainfall forecasts in South Korea |
오석근 |
서울대학교 |
|
|
11:10 - 11:25 |
Domain knowledge- guided UNet approach for spatial downscaling of GDAPS model’s air temperature forecast in summer |
조동진 |
UNIST |
|||
|
11:25 - 11:40 |
Improving Sub- seasonal Precipitation and Temperature Outlooks with Deep Learning |
Fan Yun |
NOAA |
|||
|
11:40 - 11:55 |
Long Video Generation with Memory Efficient Bidirectional Transformers |
유재훈 |
KAIST |
|||
|
11:55 - 12:10 |
A Study on the Methodology of Building AI Training Datasets for AI/ML/NLP based on Forecast Support Solution |
김인경 |
국립기상 과학원 |
|||
|
12:10- 12:25 |
Artificial Neural Network on GEFSv12 Reforecast products for Summer Rainfall forecast on Extended Range over CONUS |
M.M. Nageswara Rao |
NOAA |
|||
|
붙임 2 |
인공지능 영상 기반 태풍 분류 교육 훈련 홍보자료 |