다중조건 에너지·스펙트럼 매칭을 위한 웨이브렛 패킷 기반 확산 모델

초록

**
본 연구는 파형 재구성을 위한 웨이브렛 패킷 변환과 변분 확산 모델(EDM)을 결합해, 응답 스펙트럼과 시간‑에너지 특성을 동시에 만족하는 지진 가속도 기록을 생성한다. Transformer 기반 조건 인코더와 U‑Net 내부의 교차‑Attention을 통해 스펙트럼, Arias 강도, Husid 곡선 등 이질적인 조건을 효율적으로 융합하고, 2차 Heun 샘플러로 추론 속도를 크게 높였다. NGA‑West2 데이터셋 실험에서 에너지 발생 시점·지속시간 제어가 크게 개선되었으며, 스펙트럼 적합도와 파형 다양성도 유지됨을 확인하였다.

**

상세 분석

**
이 논문은 지진공학에서 가장 난제 중 하나인 “동일 스펙트럼을 갖지만 에너지 분포가 다른 파형”을 해결하기 위해 세 가지 핵심 기술을 결합한다. 첫째, Daubechies‑6 웨이브렛 패킷 변환을 이용해 16 384 포인트의 가속도 시계열을 128 × 128의 2차원 계수 행렬로 변환한다. 웨이브렛 패킷은 완전 복원성을 보장하므로, 생성된 계수를 역변환하면 별도의 위상 복원 과정 없이 오차 10⁻¹⁴ 수준의 고정밀 파형을 얻을 수 있다. 이는 기존 STFT + Griffin‑Lim 방식이 수십 번의 반복을 필요로 하는 점과 비교해 계산 효율성과 정확도에서 큰 장점을 제공한다.

둘째, 조건부 확산 모델로 Elucidating Diffusion Model(EDM)을 채택한다. EDM은 노이즈 스케줄링, 스케일링 프리컨디셔닝, 손실 가중치 등을 체계적으로 설계해 학습 안정성을 높인다. 논문에서는 로그 정규분포(μ = ‑1.2, σ = 1.2)로 샘플링한 σ를 0.002~80 구간에 배치하고, λ(σ) = (σ²+σ²_data)/(σ·σ_data)² 로 손실을 균등하게 가중한다. 또한, 네트워크 출력은 Dθ(x,σ)=c_skip·x + c_out·Fθ(c_in·x, c_noise) 형태로 스케일링을 적용해 입력·출력의 분산을 1로 정규화한다. 이러한 설계는 고노이즈 단계와 저노이즈 단계 모두에서 균형 잡힌 학습을 가능하게 한다.

셋째, 다중조건 융합을 위해 경량 Transformer 인코더와 U‑Net 내부의 교차‑Attention을 도입했다. 스펙트럼 벡터(S_a, H(t))와 스칼라 강도 지표(I_A, T₅, D₅‑95, E_th) 등을 각각 임베딩한 뒤, 다중 스케일 Attention 레이어에 삽입해 조건 정보를 시계열 특징과 깊게 결합한다. 이 구조는 기존 GAN·VAE 기반 방법이 주로 진원·거리와 같은 몇 개의 스칼라 변수에만 의존하던 한계를 넘어, 에너지 시간곡선(Husid)과 Arias 강도까지 동시에 제어한다.

추론 단계에서는 25개의 노이즈 레벨(총 50번의 네트워크 호출)만으로 2차 Heun ODE 솔버를 사용해 빠르게 샘플링한다. 이는 전통적인 DDPM이 1000 스텝을 필요로 하는 것에 비해 20배 이상 효율적이며, deterministic한 경로를 제공해 동일 조건·노이즈 시 동일 파형을 재현할 수 있다.

실험 결과, NGA‑West2 데이터셋(≈ 8 000건)에서 제시된 5가지 조건 집합에 대해 에너지 시작 시점(T₅)과 지속시간(D₅‑95)의 평균 절대 오차가 기존 스펙트럼‑조건 모델 대비 30 % 이상 감소하였다. 동시에 응답 스펙트럼 매칭 지표(RMSE)와 파형 유사도(PSNR)도 기존 방법과 동등하거나 약간 우수했다. 조건 다양성(conditional diversity) 평가에서는 동일 조건에 대해 서로 다른 초기 노이즈를 넣었을 때도 스펙트럼과 에너지 분포가 크게 변하지 않으며, 파형 형태는 충분히 다양함을 확인했다.

이러한 결과는 지진공학 실무에서 요구되는 “특정 스펙트럼·에너지 조합”을 정확히 구현하면서도, 다수의 파형을 동시에 제공해 확률론적 비선형 해석에 활용할 수 있음을 의미한다. 또한, 웨이브렛 패킷 기반 표현과 EDM‑Heun 샘플링의 결합은 고주파 성분 보존과 연산 효율성을 동시에 달성한 점에서 향후 다른 지진·구조 동역학 데이터 생성에도 확장 가능성이 크다.

**