본 논문은 기존 수치예보(NWP)의 계산 집약성과 물리적 불완전성을 해결하기 위해 물리 법칙을 통합한 심층 학습 기반의 새로운 기상 예보 프레임워크인 PhyDL-NWP를 제안합니다. PhyDL-NWP는 물리 방정식과 잠재적인 힘 매개변수화를 데이터 기반 모델에 통합하여 임의의 시공간 좌표에서 기상 변수를 예측하고, 자동 미분을 통해 물리적 항을 계산하며, 물리 정보 손실 함수를 사용하여 예측값과 지배 역학을 일치시킵니다. 연속 함수로서의 기상 모델링을 통해 해상도에 무관한 다운스케일링을 가능하게 하며, 사전 훈련된 모델을 최소한의 오버헤드로 미세 조정하여 최대 170배 빠른 추론을 달성합니다. 실험 결과, PhyDL-NWP는 예보 성능과 물리적 일관성을 모두 향상시키는 것으로 나타났습니다. 단 55,000개의 매개변수만 사용합니다.
