포아송 PCA로 배경 방사선 억제 및 핵 위협 탐지 향상

본 논문은 이동형 감마선 스펙트럼 센서를 이용한 핵 위협 탐지 시스템에서 배경 방사선을 정확히 모델링하는 것이 핵심 과제임을 강조한다. 기존 연구(Tandon 등, 2012)에서 제시된 PCA 기반 배경 모델은 가우시안 분포를 전제로 하여, 특히 고에너지 채널에서 카운트가 낮은 경우 실제 포아송 특성을 충분히 반영하지 못한다는 한계를 가지고 있었다. 이를 보완하기 위해 저자들은 포아송 손실 함수를 적용한 PCA, 즉 포아송 PCA를 도입하였다. 포아송 PCA는 Collins et al.(2002)의 E‑PCA 개념을 확장한 것으로, 손실 함수를 포아송 로그우도 형태로 정의함으로써 데이터의 이산성 및 비대칭성을 보존한다. 실험은 라우렌스 리버모어 국립 연구소와 카네기 멜론 대학의 협업으로 진행되었으며, 4×16 NaI 플라스틱 스캐너를 장착한 차량이 도시 환경에서 1초 간격으로 방사선 데이터를 수집하였다. 학습 데이터는 약 1,000개의 순수 배경 스펙트럼이며, 테스트 데이터는 1 ~ 20 m 거리별로 20개의 세트가 구성되었다. 각 세트는 동일한 수의 배경(음성) 데이터와, 가상의 방사성 물질(양성) 데이터를 포함한다. 양성 데이터는 실제 배경 스펙트럼에 방사성 물질의 기대 카운트를 합성함으로써 생성되었다. 세 가지 모델을 비교하였다. 첫 번째는 전통적인 가우시안 PCA, 두 번째는 포아송 PCA, 세 번째는 현재 현장에 배치된 가우시안 PCA 기반 스펙트럼 이상 탐지기이다. 각 모델은 학습된 배경 모델을 사용해 테스트 샘플을 재구성하고, 재구성 오차를 점수화한다. 점수 분포의 차이를 정량화하기 위해 대칭 Kullback‑Leibler 발산(SK L)을 히스토그램 기반으로 계산하였다. 주성분 수는 2~5개를 시험했으며, 포아송 PCA는 최적화 초기값에 민감하므로 30번의 무작위 초기화 실험을 수행해 95 % 신뢰구간을 도출하였다. 결과는 다음과 같다. 센서가 소스에 가까울수록(1~3 m) 모든 모델이 높은 SKL 값을 기록해 배경과 소스를 명확히 구분했다. 그러나 거리와 함께 카운트가 감소함에 따라 가우시안 PCA와 기존 스펙트럼 방법의 SKL이 급격히 낮아졌다. 반면 포아송 PCA는 특히 10 m 이상 거리에서 상대적으로 높은 SKL을 유지했으며, 최적 주성분 수는 3~4개일 때 가장 큰 차이를 보였다. 이는 포아송 모델이 낮은 기대값 영역에서 분산을 정확히 추정해 ‘설명되지 않은’ 변동을 과소평가하지 않기 때문이다. 또한, 포아송 PCA는 짧은 관측 시간(1 s)에서도 신호‑대‑노이즈 비율을 개선할 가능성을 보여, 이동형 센서가 연속적인 경로를 따라 데이터를 수집할 때 실시간 위협 감지에 유리함을 시사한다. 논의에서는 포아송 PCA가 멀리 있는 미약한 소스 탐지에 강점을 가지는 반면, 근거리에서는 가우시안 PCA가 계산 효율성과 정확도 면에서 우수할 수 있음을 언급한다. 따라서 실제 시스템에서는 거리 혹은 예상 카운트 수준에 따라 두 모델을 동적으로 전환하거나, 앙상블 방식으로 결합하는 것이 최적의 탐지 성능을 제공할 것으로 제안한다. 마지막으로, 이 연구는 포아송 기반 차원 축소 기법이 방사선 감시 분야뿐 아니라 저카운트 이벤트를 다루는 다른 분야에도 적용 가능함을 암시한다.