지속성 다이어그램 군집의 최적 클러스터 수 선택

본 논문은 급박한 의사결정 상황에서 활용되는 시뮬레이션 앙상블 데이터를 효율적으로 분석하기 위한 새로운 방법론을 제시한다. 시뮬레이션 결과는 일반적으로 고차원이고 방대한 양을 차지하므로, 이를 직접 메모리에 적재하거나 시각화하기 어렵다. 이를 해결하기 위해 위상 데이터 분석(TDA) 기법을 적용해 각 시뮬레이션 결과를 지속성 다이어그램(persistence diagram)이라는 2차원 점군으로 압축한다. 지속성 다이어그램은 데이터의 토폴로지적 특징(예: 극소점, 고리, 구멍 등)의 탄생(birth)과 소멸(death) 시점을 나타내며, 대각선에 가까운 점은 잡음, 멀리 떨어진 점은 중요한 구조를 의미한다. 압축된 지속성 다이어그램을 군집화하는 핵심 알고리즘은 Vidal et al.