제목: GAN 딥러닝 기법 이해 및 이를 활용한 인위적인 허리케인 만들기​

최근 지구과학분야에서 기계학습을 활용한 연구가 급속도로 증가하고 있는 추세에서 여러 가지 머신러닝/딥러닝 기법을 익혀보고 실제 연구에 적용해보는 과정의 필요성이 날로 증가 하고 있다.본 특강에서는 딥러닝 기법 중 하나인 GAN(GenerativeAdversarialNetwork) 의 기본적인 개념을 익히고 이 방법을 활용하여 허리케인을 모사해볼 수 있는 가능성을 논해 보고자 한다.방법론의 이해를 위하여 GAN이 이미지 분석 및 네트워킹 연구 분야에 활용된 선행 연구 예시를 간단히 살펴볼 예정이며 이 중 이미지 분석에 적용한 연구 사례를 참고하 여 허리케인의 재현을 시도해보고자 한다.물리역학적인 이해를 통해 허리케인을 재현하고 자 하는 방식과는 달리 허리케인의 관측 이미지를 활용한 기계학습을 통해 허리케인을 재현 하고 실제 허리케인 관측 사례와의 비교를 수행해 봄으로서 공학적인 접근방식을 통한 지구 대기 현상의 재현의 의미와 한계에 대해서 고찰해볼 수 있을 것이다.

제목: 대기경계층 모델링 ​

지표면과 맞닿아 지표면 마찰의 영향을 직접적으로 받게 되는 대기 층을 대기경계층이라고 하며 지표면과 대기 사이의 운동량, 열, 그리 고 물질의 교환은 대부분 대기경계층을 통해 이루어지게 된다. 교환 과정은 대부분 난류에 의해 나타나며 이와 같은 물리과정을 이해하고 예측하기 위해서는 난류에디를 해석 (resolve)할 수 있는 수치모델이 필요하다. 큰에디모사(Large-Eddy Simulation) 모델을 이용하여 도 시 대기경계층과 열대해양대기경계층을 모델링한 사례를 보여주려고 한 다. 전지구모델에서는 해상도의 한계로 인하여 대기경계층 내 교환과정 을 직접 해석할 수 없으며 따라서 물 리모수화 방안을 이용하여 아격 자 규모의 교환효과를 모델링한다. 한국형수치예보모델(KIM)에서 대 기 경계층 내 기온이 어떻게 모의되는지 살펴보고 예측정확도를 평가 한 결과를 보여주려고 한다.​

​