본 논문은 대규모 언어 모델(LLM)인 GPT-4 Turbo를 활용하여, Weather Research and Forecasting (WRF) 모델의 미세물리 매개변수화 관련 2699편의 논문을 분석한 연구 결과를 제시합니다. Web of Science와 Scopus에서 검색된 논문들을 대상으로, 각 논문에서 모델 구성과 성능 정보를 추출하여, 9가지 주요 미세물리 매개변수화(Lin, Ferrier, WRF Single-Moment, Goddard Cumulus Ensemble, Morrison, Thompson, WRF Double-Moment 등)의 사용 현황과 체계적인 편향을 분석했습니다. 분석 결과, 2020년 이전에는 1-moment 매개변수화가, 2020년 이후에는 2-moment 매개변수화가 더 많이 사용되었으며, 9가지 매개변수화 중 7가지는 강수량을 과대평가하는 경향을 보였습니다. 지역별 편향 또한 다르게 나타났는데, Lin, Ferrier, Goddard 매개변수화는 대부분의 지역에서 강수량을 과소평가한 반면, 나머지 6가지 매개변수화는 중국, 동남아시아, 미국 서부, 중앙 아프리카 등에서 특히 강수량을 과대평가하는 경향을 보였습니다. 본 연구는 LLM을 활용하여 방대한 과학 문헌을 분석하고 연구 문제를 해결하는 새로운 방법을 제시합니다.
