칼텍 연구진은 기후변화처럼 시스템의 작동 조건 자체가 달라질 때 나타나는 티핑 포인트를 예측하는 딥러닝 모델을 제시했다. 이번 연구는 일상적인 날씨 변화나 허리케인 같은 극한 현상 예측과 달리, 시스템이 임계점을 넘어 이전 상태로 돌아가기 어려워지는 순간을 찾는 데 초점을 뒀다. 연구진은 재귀 신경 연산자(RNO)를 사용해 시간에 따라 물리 조건이 바뀌는 과정을 학습하게 했고, 내부 기억 구조로 변화의 흐름을 계속 추적하도록 설계했다.
이 모델은 학습한 물리 법칙에 따른 예측과 실제 시스템 거동의 차이가 커지는 시점을 신호로 삼아 임계점 접근을 감지한다. 연구진은 이산화탄소 농도 상승에 따라 해양 저층운이 급격히 사라지는 단순화한 기후 시나리오에서 이를 검증했다. 그 결과 저층운 소멸 시점을 2년 이상 앞서 예측했고, 시점 오차는 약 11일이었다. 연구는 기후과학뿐 아니라 생태학, 역학, 항공기 설계처럼 급격한 시스템 변화의 조기 경보가 필요한 분야에도 활용 가능성을 보여줬다.