AI-based Weather and Climate Foundation Models
AI 기반 기상/기후 기반 모델 (Foundation Model) 개발
Supervised learning 기법을 기반으로 전지구 대기–지면–해양–해빙이 결합된 기상·기후 기반 모델(Foundation Model)을 개발합니다. Energy Based Model, Vision Transformer 등 다양한 AI 기법을 활용하여 개별 지구 시스템 요소의 물리적 특성을 학습하고, 지구 시스템 요소 간 상호작용을 현실적으로 모의할 수 있는 학습 방법을 연구합니다. 또한 위성, 레이다, 현장 관측 등 다양한 지구환경 데이터를 통합적으로 처리할 수 있는 Multimodal AI 기법을 개발하여 범용적인 지구 시스템 예측 모델 구축을 목표로 합니다.
We develop a global weather and climate foundation model that couples the atmosphere, land surface, ocean, and sea ice using supervised learning techniques. By leveraging advanced AI approaches such as Energy-Based Models and Vision Transformers, we study methods for learning the physical characteristics of individual Earth system components and realistically modeling their interactions. In addition, we develop multimodal AI techniques that can integrate diverse Earth observation data, including satellite, radar, and in-situ measurements, with the goal of building a general-purpose Earth system prediction model.
Advancement of AI-based Global Atmosphere–Land and Ocean Models
AI 기반 전지구 대기–지면 모델 및 해양 모델 고도화
대규모 관측 및 재분석 데이터를 활용하여 AI 기반 전지구 대기–지면 모델과 해양 모델의 예측 성능을 향상시키는 연구를 수행합니다. 다양한 지구 시스템 변수의 시공간적 변동성을 효과적으로 학습할 수 있는 AI 기반 모델 구조와 학습 방법을 개발하며, 대기·해양·지면 간 상호작용을 반영한 보다 현실적인 Earth System Prediction 모델을 구축하는 것을 목표로 합니다
We conduct research to improve the predictive performance of AI-based global atmosphere–land and ocean models using large-scale observational and reanalysis datasets. Our work focuses on developing AI model architectures and training strategies that can effectively learn the spatiotemporal variability of key Earth system variables. By incorporating interactions among the atmosphere, ocean, and land surface, we aim to build more realistic Earth system prediction models.
