복잡한 광학 시스템을 위한 데이터 기반 드리프트 보정: 시간 가변 베이지안 최적화 적용

초록

본 논문은 최신 고밝기 X‑ray 광원을 이용한 장시간 실험에서 발생하는 미세한 빔 드리프트를 실시간으로 보정하기 위해, 슬라이딩 윈도우 기반 시간 가변 베이지안 최적화(TVBO)를 제안한다. 6개의 결정으로 구성된 하드 X‑ray Split‑and‑Delay 시스템을 모델링하고, 선형·비선형·불연속 드리프트 및 다목표(강도·위치) 제약 상황을 시뮬레이션으로 검증하였다. TVBO는 최소 샘플링으로 최적 파라미터를 추정하고, 노이즈와 시간 변화에 강인한 특성을 보여, 서브 마이크론·나노라디안 수준의 빔 안정성을 몇 시간에 걸쳐 유지할 수 있음을 입증한다.

상세 분석

이 연구는 X‑ray 자유 전자 레이저(FEL)와 같은 차세대 광원에서 요구되는 극한의 빔 정밀도(서브 마이크론 위치, 나노라디안 각도)를 유지하기 위한 새로운 데이터‑드리븐 제어 프레임워크를 제시한다. 기존 PID 기반 피드백은 센서 수가 제한된 고차원 시스템에서 제어 매트릭스가 비대각화되지 않아 한계가 있었으며, 특히 가이드 빔이 없거나 진단 채널이 부족한 경우 적용이 어려웠다. 저자들은 이러한 문제를 해결하기 위해 베이지안 최적화(BO)의 확장형인 시간 가변 베이지안 최적화(TVBO)를 도입한다. TVBO는 가우시안 프로세스(GP) 서러게이트 모델을 최신 w개의 샘플에만 학습시키는 슬라이딩 윈도우 방식을 사용해, 오래된 데이터가 현재 시스템 동역학을 왜곡하는 것을 방지한다.

핵심 기술적 요소는 다음과 같다.

1. GP 서러게이트와 커널 선택 – Matern ν=5/2 커널을 사용해 12차원 입력(θ, χ 각도)과 빔 위치 오차 사이의 비선형 관계를 모델링한다. 알레아트릭 노이즈는 실험 데이터에서 추정된 100 nm 수준을 반영한다.
2. 획득 함수 – 탐색‑활용 균형을 위해 Upper Confidence Bound(UCB)와 β=0.1을 선택, 이는 노이즈가 큰 환경에서도 안정적인 샘플링을 가능하게 한다.
3. 윈도우 크기 w – 선형 드리프트 상황에서는 w=40(샘플)으로 설정해 충분한 추세 학습과 빠른 적응을 동시에 달성했으며, 비선형·불연속 드리프트에서는 더 작은 윈도우가 필요함을 시뮬레이션을 통해 확인하였다.
4. 다목표 제약 – 빔 강도 제약을 추가한 다목표 TVBO를 구현, 이는 강도 감소 없이 위치 보정을 수행하도록 GP 기반 제약 모델을 병렬 학습한다.

시뮬레이션은 2×1D 파동전면 전파 코드를 이용해 실제 HXRSND 시스템을 재현했으며, 실험 데이터와의 비교를 통해 모델 정확도를 검증하였다. 선형 드리프트(≈300 nm/1 min) 상황에서 TVBO는 10 분 간격의 수동 교정 없이도 위치 오차를 <100 nm 수준으로 억제했다. 비선형·불연속 드리프트(예: 급격한 온도 변동)에서도 윈도우 크기를 조정함으로써 빠른 재학습이 가능했으며, 다목표 제약 상황에서도 빔 강도 손실 없이 위치 보정이 이루어졌다.

이러한 결과는 TVBO가 전통적인 피드백 루프 대비 샘플 효율성이 높고, 고차원·노이즈가 심한 광학 시스템에서 실시간 최적화를 수행할 수 있음을 보여준다. 또한, 슬라이딩 윈도우 기반의 시간 적응 메커니즘은 장시간 실험 동안 발생하는 다양한 드리프트 패턴을 자동으로 추적·보정할 수 있어, 실험 운영 효율성을 크게 향상시킬 것으로 기대된다.