TianJi: 물리적 메커니즘 발견을 위한 자율형 인공지능 기상학 시스템

TianJi:An autonomous AI meteorologist for discovering physical mechanisms in atmospheric science

인공지능(AI)은 기존의 수치 모델과 유사한 수준의 성과를 데이터 기반 기상 예측 분야에서 보여주고 있지만, 여전히 통계적 피팅에 의존하며 대기 현상의 물리적 인과 메커니즘을 밝혀내는 데 어려움을 겪고 있습니다. 물리 기반의 메커니즘 연구는 여전히 전문가의 지식과 복잡한 수작업에 크게 의존하며, 이는 지구 시스템 과학 탐색의 효율성을 저해하는 병목 현상입니다. 본 연구에서는 복잡한 수치 모델을 사용하여 물리적 메커니즘을 검증할 수 있는 최초의 'AI 기상학자' 시스템인 TianJi를 제안합니다. TianJi는 대규모 언어 모델 기반의 다중 에이전트 아키텍처를 통해 작동하며, 자동으로 문헌 연구를 수행하고 과학적 가설을 생성합니다. 또한, 우리는 과학적 연구를 인지적 계획과 엔지니어링 실행으로 분리합니다. 메타 플래너는 가설을 해석하고 실험 로드맵을 설계하며, 전문화된 작업 에이전트 그룹은 데이터 준비, 모델 설정 및 다차원 결과 분석을 협력적으로 수행합니다. 두 가지 대표적인 대기 역학 시나리오(스퀄 라인 콜드 풀 및 태풍 경로 편차)에서 TianJi는 인간의 개입 없이 전문가 수준의 완전한 실험을 수행하며, 연구 기간을 몇 시간으로 단축합니다. 또한, TianJi는 상세한 결과 분석을 제공하고, 생성된 결과로부터 가설의 타당성을 자율적으로 판단하고 설명합니다. TianJi는 지구 시스템 과학에서 AI의 역할이 '블랙박스 예측기'에서 '해석 가능한 과학적 협력자'로 변화하는 것을 보여주며, 과학적 메커니즘 탐색의 새로운 패러다임을 제시합니다.

Artificial intelligence (AI) has achieved breakthroughs comparable to traditional numerical models in data-driven weather forecasting, yet it remains essentially statistical fitting and struggles to uncover the physical causal mechanisms of the atmosphere. Physics-oriented mechanism research still heavily relies on domain knowledge and cumbersome engineering operations of human scientists, becoming a bottleneck restricting the efficiency of Earth system science exploration. Here, we propose TianJi - the first "AI meteorologist" system capable of autonomously driving complex numerical models to verify physical mechanisms. Powered by a large language model-driven multi-agent architecture, TianJi can autonomously conduct literature research and generate scientific hypotheses. We further decouple scientific research into cognitive planning and engineering execution: the meta-planner interprets hypotheses and devises experimental roadmaps, while a cohort of specialized worker agents collaboratively complete data preparation, model configuration, and multi-dimensional result analysis. In two classic atmospheric dynamic scenarios (squall-line cold pools and typhoon track deflections), TianJi accomplishes expert-level end-to-end experimental operations with zero human intervention, compressing the research cycle to a few hours. It also delivers detailed result analyses and autonomously judges and explains the validity of the hypotheses from outputs. TianJi reveals that the role of AI in Earth system science is transitioning from a "black-box predictor" to an "interpretable scientific collaborator", offering a new paradigm for high-throughput exploration of scientific mechanisms.