지진 영상·역산을 위한 L0·L1·L2 혼합 최적화 기하학적 접근

초록

본 논문은 L0, L1, L2 노름을 각각 위상·반군집 이론과 기하학적 해석을 통해 정의하고, 순차적 적용 전략을 제시한다. L0는 진동수·구조적 복잡도 카운팅, L1은 최소 기하학적 설명(스파이크 제거)으로, L2는 미분 방정식 기반 최소제곱 적합으로 해석한다. 저자는 L0 → L1 → L2 순서로 데이터를 전처리·정제한 뒤 최종 마이그레이션을 수행함으로써 잡음 억제와 해상도 향상을 입증한다.

상세 요약

본 논문은 지진 데이터 처리에서 흔히 사용되는 L0, L1, L2 노름을 각각 독립적인 수학적 의미와 물리적 역할에 따라 재해석한다. L0 노름은 전통적인 “0‑norm” 개념을 넘어서, 위상수학에서의 베티 수나 호몰로지 차원과 유사하게 데이터의 구조적 복잡성을 카운팅하는 연산으로 정의된다. 이는 진폭 크기에 무관하게 이벤트의 존재 여부만을 세는 방식으로, 잡음이 큰 고진폭 구간에서도 안정적인 특성 추출이 가능하다. 논문은 이를 “조합론적 카운팅”이라 부르며, 데이터 행렬의 스파스 패턴을 그래프 이론의 연결 성분 수와 매핑한다.

L1 노름은 최소 기하학적 설명(minimal geometric description)이라는 관점에서 해석된다. 여기서 “기하학적 설명”은 데이터 포인트를 최소한의 선형 혹은 비선형 파라미터 집합으로 근사하는 것을 의미한다. L1 정규화는 스파스 해를 유도함으로써 급격한 진폭 변동(스파이크)이나 외란을 억제한다. 논문은 이를 위상적 “노이즈 차단” 메커니즘으로 모델링하고, L0 카운팅 결과를 기반으로 선택된 후보 이벤트에만 L1 최적화를 적용함으로써 과도한 스무딩을 방지한다.

L2 노름은 가장 전통적인 최소제곱 해석으로, 미분 방정식 기반의 파동 전파 모델에 데이터를 피팅한다. L2는 진폭 정보를 최대한 활용하므로, 전파 속도 모델링이나 파라미터 추정에 높은 민감도를 보인다. 그러나 잡음에 취약하므로, 앞선 L0·L1 단계에서 이미 잡음이 크게 감소된 데이터에 적용될 때 최적의 해상도를 제공한다.

핵심적인 기여는 세 노름을 동시에 최적화하는 것이 아니라, 위상·조합론적 전처리(L0) → 스파스 정제(L1) → 미분 방정식 피팅(L2)이라는 순차적 파이프라인을 제안한 점이다. 이 과정은 세미그룹(semigroup) 이론을 이용해 각 단계의 연산자를 비가역적 변환으로 모델링하고, 전체 파이프라인을 비가역적 연산의 합성으로 표현한다. 따라서 전체 최적화는 각 단계가 독립적으로 수렴한 뒤, 최종적으로 연속적인 미분 연산에 의해 완성된다.

실험 결과는 합성 모델과 실제 현장 데이터에 대해 SNR 향상, 구조적 해상도 개선, 그리고 마이그레이션 이미지의 기하학적 왜곡 감소를 보여준다. 특히 L0 단계에서 잡음이 크게 억제된 후 L1 단계에서 스파스 구조가 강조되며, 최종 L2 단계에서 파동 방정식에 부합하는 고해상도 이미지를 얻는다. 이러한 단계적 접근은 기존의 단일 L2 최소제곱 마이그레이션 대비 계산 효율성도 향상시킨다.

결론적으로, 논문은 위상·조합론적 관점에서 L0, L1, L2 노름을 재정의하고, 세미그룹 이론을 활용한 순차적 최적화 프레임워크를 제시함으로써 지진 영상·역산 분야에 새로운 방법론적 패러다임을 제공한다.