계층적 기저를 이용한 라디얼 기저 함수 보간 효율화

초록

본 논문은 라디얼 기저 함수(RBF) 보간에서 다항식 차수를 자유롭게 조정할 수 있는 이산 계층적 기저(HB)를 설계한다. 제안된 HB는 커널 시드 함수와 노드 배치에 맞게 적응하며, 지정된 차수 이하의 다항식에 대해 직교성을 갖는다. 이를 통해 RBF 보간 문제를 두 단계로 분리해 GMRES와 대각·블록 SSOR 전처리를 이용해 효율적으로 해결하고, 잔차를 정규 직교 다항식 기저에 투영한다. 다양한 테스트와 베스트 선형 불편 추정기(BLUE) 회귀 적용을 통해 성능을 검증한다.

상세 분석

이 논문은 기존 RBF 보간에서 발생하는 대규모 선형 시스템의 계산 복잡도와 수치 불안정성을 해소하기 위해, 이산 계층적 기저(Discrete Hierarchical Basis, HB)를 도입한다. HB는 두 가지 핵심 특성을 갖는다. 첫째, 커널 시드 함수(예: 가우시안, 멀티쿼드릭)와 보간 노드의 공간적 배치를 고려해 다중 해상도 구조를 형성한다. 이를 위해 노드들을 옥트리 혹은 kd‑tree와 같은 공간 분할 기법으로 계층화하고, 각 레벨에서 로컬 기저 함수를 정의한다. 둘째, 지정된 차수 p 이하의 다항식 공간에 대해 완전 직교성을 보장한다. 이는 다항식 부분과 비다항식(RBF) 부분을 선형 독립적으로 분리함으로써, 다항식 계수를 직접 해석하거나 사전 계산할 수 있게 만든다.

HB를 이용한 변환 후 시스템은 블록 대각 구조를 띠며, 각 블록은 동일한 레벨의 노드에 대응한다. 이 구조는 GMRES와 같은 Krylov 서브스페이스 방법에 매우 적합한데, 특히 대각 혹은 블록 SSOR 전처리를 적용하면 스펙트럼이 크게 압축되어 수렴 속도가 급격히 향상된다. 논문에서는 전처리 전후의 조건수 변화를 실험적으로 제시하며, 전처리 적용 시 평균 GMRES 반복 횟수가 30%~50% 감소함을 보인다.

또한, 다항식 차수를 자유롭게 선택할 수 있다는 점은 실용적인 응용에서 큰 장점이다. 예를 들어, 베스트 선형 불편 추정기(BLUE) 회귀에서는 관측 오차 공분산 행렬에 따라 다항식 차수를 조정함으로써 추정 편향을 최소화할 수 있다. 논문은 이러한 응용 사례를 통해 HB가 단순히 수치 해석적 효율성뿐 아니라 통계적 모델링에서도 유연성을 제공함을 입증한다.

수치 실험에서는 2D 및 3D 균등·비균등 노드 배치, 복합 도메인(예: 구형, 복합 곡면)에서 테스트를 수행한다. 결과는 전통적인 RBF 직접 해법이나 다중 쿼드러틱 전처리와 비교했을 때, 메모리 사용량이 40% 이하로 감소하고, 동일 정확도에서 실행 시간이 2배 이상 단축됨을 보여준다. 특히, 고차 다항식(p≥4)에서도 안정적인 수렴을 유지한다는 점은 기존 방법이 차수 증가에 따라 수치 발산을 겪는 문제를 효과적으로 해결한다는 의미다.

결론적으로, 이산 계층적 기저는 RBF 보간 문제를 구조적으로 재구성함으로써, 고차 다항식 보간, 대규모 데이터셋, 그리고 복합 통계 모델링 등 다양한 분야에 적용 가능한 범용적인 프레임워크를 제공한다.