실시간 태양풍 데이터 기반 조기 ICME 탐지 ARCANE 프레임워크

초록

ARCANE은 실시간 태양풍(Real‑Time Solar Wind) 데이터를 이용해 인터플래닛 코로나르 질량 방출(ICME)을 조기에 탐지하는 모듈형 프레임워크이다. ResUNet++ 딥러닝 모델이 기존 임계값 기반 방법보다 높은 정밀도와 재현율을 보이며, 전체 이벤트의 24 % 정도만 관측해도 평균 F1 점수 0.37을 달성한다.

상세 분석

본 논문은 실시간 운영 환경에서 ICME를 조기에 식별하기 위한 ARCANE이라는 통합 파이프라인을 제시한다. 데이터는 NOAA SWPC가 제공하는 실시간 태양풍(RTSW) 스트림을 사용했으며, 결측치와 노이즈를 고려해 10 분 해상도로 재샘플링하였다. 입력 변수는 Bx, By, Bz, |B|, Np, Tp, V, β 등 6개의 핵심 플라즈마·자기장 파라미터로 제한해 여러 우주선 간의 호환성을 확보했다. 모델은 기존 연구에서 과학용 고해상도 데이터를 학습한 ResUNet++ 구조를 그대로 적용했으며, 출력은 시간축상의 ICME 구간을 시그널 형태로 예측한다. 비교 대상으로는 전통적인 임계값 기반 탐지기를 사용했으며, 두 방법 모두 동일한 라벨링 절차와 평가 지표(F1, Precision, Recall, Detection Delay)를 적용했다. 결과는 ResUNet++가 특히 고강도(지자기장 회전·속도 급감이 뚜렷한) 이벤트에서 30 % 이상 높은 재현율을 보였고, 전체 평균 F1 점수는 0.37, 평균 탐지 지연은 이벤트 지속시간의 24 % 수준이었다. 실시간 데이터와 과학 데이터 간 성능 차이는 미미했으며, 데이터 양이 증가할수록 모델 성능이 지속적으로 향상되는 경향을 보였다. 주요 한계로는 라벨링된 카탈로그의 주관성, 실시간 데이터의 간헐적 결측, 그리고 조기 탐지 시 오탐 가능성이 제시되었다. 그러나 모듈형 설계와 포스트프로세싱(신뢰도 스코어링·시간 윈도우 조정) 덕분에 운영 환경에 쉽게 통합할 수 있다는 점이 큰 장점으로 부각된다.