Accelerating Wildfire Hazard Mapping Across Canada with an AI Surrogate Modelling Framework
작성자
카테고리
Empty
저자
Hager Radi Abdelwahed, Toluwaleke Olutayo, Chirag Goel, Jana Osea, Aldo Zaimi, Tom Swystun, Sandy Erni, Francisco Emiliano Lopez Saavedra, Yan Boulanger, Gaetan Marceau Caron
💡 개요
캐나다의 빈번해지는 산불 위험 수준을 신속하게 지도화하기 위해, 기존의 시간이 오래 걸리는 시뮬레이션 방식 대신 AI 기반의 서러게이트 모델링 프레임워크를 제안합니다. 이 프레임워크는 번 확률, 연소 강도, 확산 속도 등을 높은 정확도로 빠르게 예측하며, 기존 방식 대비 806배의 연산 속도 향상과 13%의 메모리 절감 효과를 달성했습니다. 이를 통해 산불 위험 지역을 실시간에 가깝게 파악하고 효과적인 대응 전략 수립에 기여할 수 있습니다.
🔑 시사점 및 한계
•
AI 서러게이트 모델이 복잡한 물리 기반 산불 시뮬레이션의 계산 병목 현상을 극복하고, 신속하고 정확한 위험 지도화가 가능함을 입증했습니다.
•
표준화된 AI 모델 학습, 미세 조정, 평가 프레임워크와 도메인 특화 지표 및 반사실적 평가 프로토콜을 제시하여 AI 모델의 신뢰성과 일반화 성능을 향상시켰습니다.
•
제안된 모델은 아직 학습되지 않은 지역이나 극한 상황(out-of-distribution)에서의 일반화 성능 검증과 지속적인 모델 개선이 필요합니다.