스톡캐스틱 배리어 함수 합성 툴박스 StochasticBarrier.jl

1. 서론에서는 스톡캐스틱 배리어 함수(SBF)가 마팅게일 이론을 기반으로 확률 시스템의 안전성을 정적 제약식으로 평가할 수 있다는 점을 강조한다. 기존 연구는 SOS 기반 다항식 합성에 머물렀으며, 실용적인 툴이 부족해 로봇·자율주행 등 실제 응용에 적용하기 어려웠다. 이를 해소하고자 저자들은 Julia 기반 오픈소스 툴킷 StochasticBarrier.jl을 제안한다. 2. 이론적 프레임워크에서는 시스템 모델을 xₖ₊₁ = f(xₖ) + wₖ (wₖ ~ N(0, Σ)) 로 정의하고, 안전 집합 X_s, 초기 집합 X₀, 시간 지평 N을 설정한다. SBF B(x)는 (2a)–(2c) 조건을 만족하면 안전 확률 하한 P_s ≥ 1 – (η + Nβ) 를 보장한다. 3. SOS‑SBF는 B(x)를 SOS 다항식으로 가정하고, Theorem 2.1에 따라 SDP 형태의 제약식(4a‑4e)으로 변환한다. 여기서 L₀, L_u, L_s는 SOS 보조 다항식이며, SDP 솔버(Mosek, SCS 등)를 통해 η와 β를 최소화한다. 4. 비다항·비다항식 시스템을 다루기 위해 PWA 포함 모델을 도입한다. 각 파티션 q∈Q에 대해 f_q(x)=A_q x + b_q 로 상한·하한을 정의하고, Theorem 2.2에 따라 기존 SOS 제약에 파티션별 전이 보정항을 추가한다. 파티션은 하이퍼레크탱글 격자로 자동 생성된다. 5. PWC‑SBF는 B(x)를 파티션별 상수값 b_i 로 정의한다. 전이 커널 T의 하한·상한 p_ij 를 구해 (7)식으로 구간을 만든 뒤, Theorem 2.3에 따라 LP(이중성 기반), CEGIS‑LP, GD 세 가지 최적화 문제를 설정한다. GD 방식은 연속적인 경사 하강을 이용해 대규모 파티션에서도 메모리 효율을 확보한다. 6. 구현 세부사항에서는 Julia의 다중 파라미터 타입, LazySets.jl을 이용한 집합 연산, NetCDF 기반 전이 바운드 저장·로드, 그리고 사용자 친화적인 API(synthesize_barrier, generate_partitions 등)를 제공한다. 시스템 설정 예시로 선형, 다항, PWA 포함 2차원 사례를 상세히 제시한다. 7. 실험에서는 30여 개 벤치마크(선형·다항·PWA 포함, 차원 1~6)와 두 기존 도구(PRoTECT, StochasticBarrierFunctions)를 비교한다. 주요 지표는 (i) 합성 시간, (ii) 안전 확률 하한, (iii) 최대 지원 차원이다. 결과는 StochasticBarrier.jl이 성공적인 합성 비율 100%에 가까우며, 평균 10³배 빠른 실행 시간, 안전 확률 하한이 기존 도구 대비 평균 0.15~0.35 상승, 차원 확장성에서 2배 이상 높은 성능을 보였다. 특히 PWC‑GD 엔진은 5~6 차원 시스템에서도 메모리 초과 없이 해결할 수 있었다. 8. 논의에서는 현재 가우시안 잡음 가정, 이산시간 모델에 제한된 점을 인정하고, 비가우시안·연속시간 확장, 학습 기반 파티션 최적화, 그리고 실시간 검증 파이프라인 통합 등을 향후 연구 과제로 제시한다. 9. 결론에서는 StochasticBarrier.jl이 SOS와 PWC 두 축을 모두 지원함으로써 확률 시스템 안전 검증의 실용성을 크게 높였으며, 오픈소스 커뮤니티와의 협업을 통해 지속적인 기능 확장이 가능함을 강조한다.