AI 주식
악파 예측 AI 분석을 통한 해양 안전 향상
이번 주는 엔지니어 팀이 악파를 예측하고 경고할 수 있는 AI 신경망을 입증한 연구를 발표하면서 해양 연구와 해양 안전 분야에 중요한 이정표가 된 주간입니다. 특히, 이러한 거대한 현상은 한때 예측 불가능하다고 여겨졌으며 수세기 동안 큰 손실을 초래해 왔습니다. 알아두어야 할 내용은 다음과 같습니다.
악파
악파는 킬러, 괴물, 극한 파 등 다양한 이름으로 불립니다. 이 파들은 정상적인 해양 상태보다 두 배에 달하는 높이를 가지며, 갑자기 나타나 그 길을 가는 사람들을 큰 위험에 빠뜨립니다. 역사적으로 악파는 바다 여행자들의 전설 속에 등장했으며, 이 거대한 파가 동료 선원을 바다 깊은 곳으로 끌고 가는 이야기가 전해졌습니다. 오늘날에도 이러한 파는 여전히 큰 위협이 됩니다.
특히, 이러한 드문 해양 현상은 규모와 파괴력 면에서 쓰나미와 유사합니다. 그러나 잘 알려진 쓰나미와 달리 악파는 지진과 같은 눈에 띄는 사건 없이도 나타날 수 있습니다. 따라서 이 크고 예측 불가능한 파는 해양 기반 시설, 여행자, 기타 장비에 큰 위험을 초래합니다.
악파는 어떻게 형성되는가
최근까지는 충분한 데이터와 계산 능력이 없어 신뢰할 수 있는 악파 형성 메커니즘을 만들기 어려웠습니다. 따라서 이러한 드문 현상에 대한 과학은 대부분 사건 발생 후 관측 데이터를 수집하는 방식에 의존했습니다. 이러한 정보는 연구자들이 악파가 형성되는 세 가지 주요 방식을 규명하도록 이끌었습니다.
점진적 축적
흥미롭게도 악파는 다른 파와 결합할 필요 없이 형성되고 축적될 수 있습니다. 걸프 스트림과 같은 강한 해류가 공명하고 확장되어 거대한 해양 이상 현상을 만들 수 있습니다. 이 현상을 연구하는 과학자들은 종종 베냐민-페어 불안정성이라는 방법을 사용해 단일 파열의 확장을 설명합니다. 이는 연구자들이 포착한 가장 드문 형태의 악파 중 하나입니다.
다중 파 간 간섭
악파 형성에 대해 가장 널리 이해된 메커니즘은 여러 파가 완벽한 타이밍에 만나 증폭되는 경우입니다. 파가 축적되고 공명하면 전류와 파도의 격렬함이 증대됩니다. 이를 눈덩이 효과에 비유할 수 있는데, 각 파가 더 큰 운동량에 흡수되어 거대한 벽을 형성하고 그 길을 가는 모든 것을 파괴합니다.
악파를 판별하는 현재 방법
전 세계적으로 신뢰할 수 있는 악파 예보 시스템은 아직 없습니다. 이러한 현상은 매년 수십억 달러의 피해를 초래할 가능성이 있음에도 불구하고 말이죠. 악파를 판별하기 위해 가장 일반적으로 사용되는 방법은 실시간 해양 데이터를 기반으로 하며, 사건이 발생한 직후에만 해수면 상승을 감지해 과학자들에게 알립니다. 이 전략은 조기 경보와 안전 조치 측면에서 큰 한계를 가지고 있습니다.
악파 연구
부표 측정을 통한 이상 파 예측 연구는 이러한 독특한 해양 현상을 밝히고자 합니다. 연구진은 현재 해양 상태를 기반으로 악파가 발생할 확률을 예측할 수 있는 AI 신경망을 만들고자 했습니다. 이 접근법의 일환으로 연구자들은 악파 형성 전 어떤 전조가 나타나는지를 규명하려 했습니다.
이 접근법은 현장 측정 장치와 고급 신경망을 활용해 이전 파와 최종 악파 사건 사이의 기능적 관계를 보여주는 것을 목표로 했습니다. 더 중요한 점은 팀이 악파를 만들기 위해 개별 파가 동기화되는 단계를 포착하고 문서화하고자 했다는 것입니다.
시험 단계
시험은 신경망을 구축하면서 시작되었습니다. 팀은 장기 단기 기억(LSTM) AI 알고리즘을 사용하기로 결정했습니다. 이러한 AI 시스템은 입력 데이터와 출력 데이터 사이의 기능적 관계를 간소화하도록 설계되었습니다. 따라서 복잡한 시스템의 데이터 기반 예측을 만드는 데 이상적입니다.
해양 부표
연구진은 미국 동부 해안과 태평양 섬 지역에 위치한 172개의 부표에서 데이터를 수집했습니다. 부표의 수심은 20미터에서 4000미터 이상까지 다양했습니다. 시험에 사용된 부표는 두 종류였으며, 각각 1.28 Hz 샘플링 속도의 Datawell 방향성 파동 측정기 MkIII와 2.56 Hz 속도의 Datawell 방향성 파동 측정기 MkIII였습니다. 이 장치들은 검증된 신뢰성을 가지고 있으며, 수직 변위를 모니터링하는 가속계도 포함합니다.
소스 – MATLAB
데이터셋
신경망은 악파 전 조건에 관한 연속 데이터 880년 분량에 해당하는 샘플 크기로 프로그래밍되었습니다. 구체적으로는 30분 간격 해수면 고도 측정 1,400만 건과 동일 부표에서 수집한 해수면 고도 측정 40,000건을 결합했습니다. 이 데이터를 스캔해 이상 현상을 확인했으며, 이후 알고리즘에 다시 입력해 이러한 요인을 식별하도록 학습시켰습니다.
해양 상황과의 연관성
연구진은 시험 단계에서 악파 샘플을 가능한 한 적게 만들면서도 실제 상황에 가깝게 유지하려고 노력했습니다. 샘플은 비악파와 악파 범주로 나뉘어 강화되었습니다. 특히 초기 데이터는 해안 데이터 정보 프로그램(CDIP)과 스크립스 해양 연구소의 협력을 통해 확보되었습니다.
악파 스캔
연구진은 메릴랜드 대학의 슈퍼컴퓨팅 자원을 활용해 파 샘플 데이터를 스캔했습니다. 이 접근법을 통해 NVIDIA A100 GPU와 로컬 NVIDIA Quadro P1000 GPU를 함께 사용해 AI 성능, 학습 시간 및 정확도를 크게 향상시킬 수 있었습니다.
결과
이 연구 결과는 엔지니어와 연구자들이 악파를 바라보는 방식을 크게 바꿀 수 있습니다. 한때 거의 불가능하다고 여겨졌던 이러한 현상은 AI 시스템을 통해 75% 정확도로 식별되었습니다. 구체적으로 악파의 75%가 나타난 지 1분 이내에 예측되었으며, 경고 시간이 5분으로 늘어났을 때 정확도는 73%로 약간 감소했습니다.
전체적으로 AI는 약 3천 건의 악파를 정확히 예측했으며, 855건은 AI 탐지를 피했습니다. 이는 시스템 정확도가 23%에 머물렀음을 의미합니다. 많은 연구자들이 이러한 현상을 파악하는 것이 불가능하다고 믿었지만, 이번 결과는 보다 효과적인 예측 시스템 도입을 위한 문을 열었습니다.
이점
이 연구는 시장에 여러 가지 이점을 제공할 수 있습니다. 첫째, 이는 최초의 신뢰할 수 있는 악파 예보 시스템 개념입니다. 복잡하고 예측이 어려운 악파를 실용적이고 비용 효율적인 솔루션으로 전환해 선박과 해양 플랫폼에 중요한 사전 경고를 제공할 수 있습니다.
현재 부표 데이터 활용
이 접근법의 또 다른 큰 장점은 새로운 센서나 시스템을 설치할 필요가 없다는 점입니다. 부표는 수십 년 동안 이미 배치되고 검증된 데이터 소스이며, 추적 가능한 역사를 가지고 있습니다. 이번 AI 예측 업그레이드는 소프트웨어 형태이므로, 이러한 장치가 제공한 방대한 데이터를 활용해 향후 성능을 지속적으로 개선할 수 있습니다.
보편적 적용
AI 훈련의 가장 흥미로운 측면 중 하나는 모델을 원래 부표 데이터 세트 외의 위치에도 성공적으로 적용할 수 있었다는 점입니다. 팀은 두 개의 오프사이트 부표에 대해 높은 확률로 악파 위험을 예측했습니다. 그들은 플로리다 잭슨빌 근처에 위치한 부표 132와 로스앤젤레스 연안의 산니콜라스 섬 근처에 위치한 부표 067을 대상으로 이론을 검증했으며, 알고리즘이 다른 지역에도 성공적으로 적용될 수 있음을 확인했습니다.
자체 개선
이러한 AI 알고리즘의 가장 큰 장점 중 하나는 데이터 세트를 지속적으로 개선하면서 이해도를 강화하고 성능을 향상시킬 수 있다는 점입니다. 데이터가 정제될수록 시스템은 더욱 발전합니다. 따라서 이 방법은 저비용이면서도 효율적인 운영 향상 방안을 제공합니다.
연구진
Thomas Breunung과 Balakumar Balachandran이 이 연구의 주요 연구원으로 참여했습니다. 그들은 전 세계적으로 악파를 높은 정확도로 판별하는 방법을 입증하는 목표를 달성했습니다. 특히 메릴랜드 대학이 슈퍼컴퓨팅 자원과 지원을 제공했으며, 이제 팀은 풍속, 위치, 수심 등 추가 데이터를 모델에 도입해 탐지 시간을 개선하고 사건의 높이를 판단하는 방안을 모색하고 있습니다.
오늘날 이 기술을 통합할 수 있는 기업
수많은 기업이 이 연구를 통해 즉각적인 혜택을 얻을 수 있습니다. 현재 수십억 달러 규모의 해양 인프라와 선박이 전 세계를 항해하고 있으며, 이들 기업은 재앙적인 손실과 인명 피해를 방지할 수 있는 기술에 투자할 의향이 큽니다.
1. Diamond Offshore Drilling Inc.
(DO
)
(DO )
Diamond Offshore Drilling Inc.는 텍사스 주 케이티에 본사를 둔 주요 석유 및 가스 시추 기업입니다. 이 회사는 1987년에 Diamond M Drilling으로 시장에 진입했으며 이후 여러 차례 리브랜딩을 거쳤습니다. 현재 44개의 해양 시추 장비를 보유하고 있으며, 그 중 32개는 반잠수식 플랫폼이고 5개는 드릴십입니다.
Diamond Offshore Drilling Inc.는 Hess Corporation, Petrobras, BP, Occidental Petroleum 등 세계 최대 석유·가스 기업들과 계약을 체결하고 있습니다. 화석 연료에 대한 수요와 기업의 입지를 고려할 때 이 주식은 강력한 “보유” 등급을 받습니다. 최근 친환경 에너지의 급증으로 일부 하락세를 겪었지만, 분석가들은 갈등 및 기타 요인으로 인해 가스 가격이 상승함에 따라 향후 이익이 증가할 것으로 전망합니다.
2. Sable Offshore Corp
(SOC
)
(SOC )
Sable Offshore Corp는 악파 예측 시스템을 활용해 해양 시추 장비와 플랫폼을 보호할 수 있는 또 다른 시추 기업입니다. 이 회사는 2020년에 Flame Acquisition Corp로 설립된 후 Sable이라는 이름으로 변경되었습니다. Sable은 캘리포니아 연안 연방 해역에 해양 사업을 운영하고 있으며, 76,000에이커에 달하는 해저 임대를 보유해 원유와 천연 가스를 파이프라인으로 운송합니다.
이 기업은 ExxonMobil, Canada Ltd, Imperial Oil Resources Limited, Pengrowth Energy Corporation 등 업계 선두 기업들과 다수의 전략적 파트너십을 맺고 있습니다. 최근 시장 변동성으로 주가가 하락했지만, 캘리포니아 내에서 이러한 서비스에 대한 수요가 증가하고 있어 Sable Offshore Corp는 지역 에너지 공급업체로서의 입지를 강화하고 있습니다.
악파 예측의 미래
이 연구는 악파라는 신비로운 현상을 밝히는 데 큰 기여를 했습니다. 이제 악파는 선원들의 전설이 아니라 예측 가능한 현상이 되었습니다. 앞으로 이러한 시스템은 해양 경제 전반에 통합되어 위험을 완화하고 효율성을 높일 것입니다. 특히 추가적인 강화 데이터를 확보함에 따라 시스템은 더욱 정확하고 향상될 것입니다.
곧 블록체인 네트워크와 같은 실시간 대규모 데이터 모니터링 시스템과 결합된 예측 기술을 볼 수 있을 것으로 기대됩니다. 이러한 개선은 전 세계 해양에서 발생하는 사건을 변조 불가능한 방식으로 기록하고 추적할 수 있게 해줍니다. 이 데이터는 과학자들이 이러한 드문 현상을 이해하는 데 큰 도움이 될 것입니다.
악파는 탐지를 통해 해결할 수 있는 문제입니다
현재 악파 발생을 완전히 막을 방법은 없습니다. 그러나 큰 손실을 방지하기 위한 첫 번째 단계는 언제, 어떤 요인으로 이러한 현상이 발생하는지를 파악하는 것입니다. 이 엔지니어들은 첫 발을 내디뎠으며, 앞으로의 연구가 생명을 구할 수 있는 기반을 마련했습니다. 현재 그들의 노력은 여러 산업에 “파도”를 일으키고 있습니다.
