세포 이동 모델 파라미터 식별을 위한 새로운 최적화 알고리즘

초록

본 논문은 고해상도 영상으로부터 얻은 세포 이동 데이터를 이용해, 기하학적 진화법칙과 표면 반응‑확산 시스템을 결합한 모델의 파라미터를 추정하는 알고리즘을 제시한다. 두 가지 목표 함수(Sharp‑interface와 Phase‑field)를 정의하고, 비선형 최소제곱 형태로 전개한 뒤 Levenberg‑Marquardt 방법으로 최적화한다. 인공 데이터와 실제 효모 세포 실험 데이터를 통해 알고리즘의 견고성, 노이즈 저항성, 3차원 적용 가능성을 검증한다.

상세 분석

이 연구는 세포막의 기하학적 변형과 막 표면에 존재하는 화학종의 반응‑확산을 동시에 기술하는 복합 자유경계 문제를 다룬다. 모델식(2.4‑2.5)은 표면 장력·굽힘 강성·볼륨 보존 항 등을 파라미터 c로 두고, 이 파라미터가 관측된 셀 형태와 농도 분포에 어떻게 영향을 미치는지를 정량화한다. 핵심은 두 종류의 목표 함수 설계에 있다. 첫 번째인 Sharp‑interface 형태는 Hausdorff 거리와 가장 가까운 점 사이의 농도 차이를 직접 계산해 직관적이지만 비미분성이라 전통적인 구배 기반 최적화에 제한이 있다. 두 번째인 Phase‑field 형태는 작은 인터페이스 두께 ε를 도입해 거리 함수를 부드러운 이진 함수 φ로 변환하고, 농도는 표면에서 정상 방향으로 연장한 후 cos‑형 가중치를 부여한다. 이 방식은 L²‑노름으로 정의된 부드러운 목표 함수를 제공해 Levenberg‑Marquardt 같은 2차 최적화 기법의 수렴 이론을 적용할 수 있게 한다.

알고리즘 구현에서는 파라메트릭 표면 유한요소법을 사용해 전방 문제를 효율적으로 해결한다. 이는 기존의 레벨셋·페이즈필드 전방 해법보다 메모리와 연산량이 적어 파라미터 탐색 반복에 적합하다. Jacobian은 수치적 차분이 아닌, 목표 함수의 직접 미분(Phase‑field 경우) 혹은 자동 미분 툴을 활용해 얻는다. 가중치 wi는 위치 오차와 농도 오차의 상대 중요도를 조절할 수 있어, 실험 목적에 따라 맞춤형 최적화를 가능하게 한다.

수치 실험에서는 인공 데이터에 Gaussian 노이즈를 추가해 강인성을 평가했으며, ε 값 변화에 따른 민감도 분석을 수행했다. 3‑차원 사례에서도 알고리즘이 수렴함을 보였고, 실제 효모 세포의 단극 성장 영상에 적용해 표면 장력·반응 속도 파라미터를 추정, 실험적 추정치와 일치하는 결과를 얻었다. 전체적으로 목표 함수 설계와 Levenberg‑Marquardt 결합이 고차원 자유경계 파라미터 식별 문제에 효과적임을 입증한다. 다만, Phase‑field 목표 함수는 ε 선택에 민감하고, 계산 비용이 Sharp‑interface 대비 약 2배 정도 증가한다는 점이 한계로 남는다. 향후에는 자동 ε 튜닝 및 고성능 병렬 구현이 필요하다.