Bounding the Null Space: Interval-Based Uncertainty Quantification for Non-Identifiable Groundwater Models

본 논문은 구간 산술(interval arithmetic)과 맥코믹 완화(McCormick relaxations)를 사용하여 식별 불가능한 지하수 모델에 대해 보장된 샘플링 없는 불확실성 경계를 제공하는 동시에, 특정 부호 및 비회전 제약을 통해 비물리적인 회전 흐름 문제를 해결하는 최적화 기반 경계 수축(OBBT) 프레임워크를 제안한다.

핵심

큰 문제: "잃어버린 퍼즐 조각"

당신이 지하에서 물이 어떻게 움직이는지 알아내려고 노력하고 있다고 상상해 보세요. 당신에게는 몇 가지 단서가 있습니다. 물이 어디에서 펌프로 뽑혀 나가는지, 비가 어디에 내리는지, 그리고 몇 개의 관정에서 측정한 수위 데이터가 있습니다.

하지만 땅은 매우 넓고, 당신이 가진 측정값은 몇 개뿐입니다. 이는 **비식별성(non-identifiability)**이라는 문제를 일으킵니다. 이는 마치 숨겨진 물체의 모서리 세 곳만 만져보고 그 물체의 정확한 모양을 추측하려는 것과 같습니다. 그 세 개의 모서리에 완벽하게 들어맞는 모양(암석의 종류, 유속, 수위의 조합)은 수백만 가지가 될 수 있습니다.

기존 방식 (샘플링):
대부분의 과학자들은 추측을 통해 이 문제를 해결하려고 합니다. 그들은 지하 상태에 대해 조금씩 다른 가정을 담은 수천 번의 컴퓨터 시뮬레이션을 실행합니다. 그리고 결과를 보고 이렇게 말합니다. "음, 수위는 아마 5미터에서 10미터 사이일 거야."

• 결함: 만약 당신이 겨우 1,000번만 추측한다면, 실제 극단적인 사례를 놓칠 수도 있습니다. 당신은 수위가 안전하다고(510m) 생각할지 모르지만, 실제 현실은 215m일 수도 있습니다. 충분히 많이 추측하지 못했기 때문에 위험을 과소평가한 것입니다.

새로운 방식: "상자 크기 줄이기" (OBBT)

저자들은 **최적화 기반 경계 축소(Optimization-based Bound Tightening, OBBT)**라고 불리는 완전히 다른 접근 방식을 제안합니다. 무작위로 시나리오를 추측하는 대신, 이 문제를 엄격한 규칙이 있는 수학 퍼즐처럼 다룹니다.

비유: 압축 포장 상자
가능한 정답들이 거대하고 투명한 판지 상자 안에 떠 있다고 상상해 보세요.

1. 초기 상자: 처음에는 아는 것이 거의 없기 때문에 상자가 매우 큽니다. 수위는 0에서 100미터 사이 어디든 될 수 있습니다.
2. 규칙 추가: 그다음 물리 법칙(물은 낮은 곳으로 흐른다)과 실제 데이터(여기서 7미터로 측정되었다)를 바탕으로 "규칙"을 추가하기 시작합니다.
3. 상자 줄이기: 규칙을 추가할 때마다, 우리는 불가능한 부분의 상자를 잘라낼 수 있습니다. 우리는 물리적으로 가능한 유일한 답들만을 감싸도록 상자를 계속 줄여나갑니다.
4. 결과: 우리는 단순히 추측 목록을 얻는 것이 아니라, 보장된 안전 범위를 얻습니다. 우리는 최종적으로 좁혀진 이 타이트한 상자 밖으로는 수위가 절대 벗어날 수 없다는 것을 확신할 수 있습니다.

장애물: "고장 난 나침반"

컴퓨터에서 이 수학을 작동시키기 위해, 저자들은 복잡한 지하수 흐름 법칙을 단순화해야 했습니다. 그들은 **맥코믹 완화(McCormick relaxations)**라는 수학적 기법을 사용했습니다.

비유:
지하수의 흐름을 도로 위를 달리는 자동차라고 생각해 보세요. 자동차(물)는 항상 도로의 경사(내리막) 방향으로 달려야 합니다.

• 문제: 저자들이 속도를 높이기 위해 수학을 단순화했을 때, 그들의 "나침반"이 고장 났습니다. 수학적으로 아주 특이하고 이상한 속도와 경사의 조합이 만들어지면, 자동차가 오르막으로 달리는 것이 가능해졌습니다.
• 결과: 수학이 이러한 "불가능한" 오르막 주행을 허용했기 때문에, 컴퓨터는 상자를 효과적으로 줄이지 못했습니다. 컴퓨터는 "음, 여기서 물이 오르막으로 흐를 수도 있으니 아무것도 배제할 수 없어"라고 생각하며 상자를 거대하게 유지했습니다.

해결책: 규칙 강제하기

저자들은 컴퓨터에게 "아니, 물은 오르막으로 흐를 수 없어"라고 수동으로 알려줘야 한다는 것을 깨달았습니다. 그들은 두 가지 구체적인 수정 사항을 추가했습니다.

1. 흐름의 부호(Flow Signs): 그들은 컴퓨터가 초기에 결정하도록 강제했습니다. "물은 북쪽으로 흐르는가, 남쪽으로 흐르는가?" 일단 방향이 고정되면, "오르막"이라는 말도 안 되는 상황은 사라집니다.
2. 소용돌이 금지(No Swirls): 그들은 물이 이유 없이 원형으로 회전(소용돌이처럼)할 수 없다는 규칙을 추가했습니다. 이는 수학이 흐름의 실제 형태를 이해하도록 돕습니다.

이러한 수정 사항들을 적용하자, 마침내 "상자"가 꽉 조여지며 신뢰할 수 있는 답을 내놓았습니다.

테스트 내용

팀은 이 방법을 세 가지 시나리오에서 테스트했습니다.

1. 1D 스트립: 단순한 세포들의 선 형태입니다. 완벽하게 작동했으며 기존의 "추측" 방식보다 훨씬 뛰어났습니다.
2. 2D 그리드: 평평한 지도입니다. "소용돌이 금지"나 "흐름의 부호" 수정 사항이 없으면 이 방법이 실패한다는 것을 보여주었습니다. 수정 사항을 적용했을 때는 잘 작동했습니다.
3. 시간 여행 그리드: 시간의 흐름에 따라 변하는 2D 지도(비디오와 같은)입니다. 이 방법이 매일 변하는 수위를 처리하면서, 시간이 지남에 따라 불확실성을 어떻게 줄여나가는지 보여주었습니다.

트레이드오프 (장단점)

좋은 소식: 이 방법은 당신에게 보장된 안전을 제공합니다. 충분히 많이 추측하지 못해서 드물게 발생하는 위험한 시나리오를 놓칠까 봐 걱정할 필요가 없습니다. 이 방법은 가능한 모든 한계치를 찾아냅니다.
나쁜 소식: 계산 비용이 많이 듭니다. 단순히 수천 번의 추측을 실행하는 것에 비해 이 수학 퍼즐을 푸는 데는 오랜 시간이 걸립니다. 이는 종이를 자르기 위해 가위 대신 레이저 커터를 사용하는 것과 같습니다. 더 느리지만, 결과는 수학적으로 완벽합니다.

요약

이 논문은 지하수 모델의 불확실성을 다루는 새로운 방법을 제시합니다. 최악의 시나리오를 잡으려고 수천 번을 추측하며 희망을 갖는 대신, 엄격한 수학 규칙을 사용하여 불가능한 답들을 깎아내고, 결과적으로 수위에 대한 보장된 "안전 구역"을 남깁니다. 저자들은 이 작업이 성공하려면 수학이 불가능한 물의 흐름을 상상하지 못하도록 추가적인 규칙을 더해야 한다는 것을 발견했습니다. 하지만 일단 이를 적용하면, 이 방법은 전통적인 추측 방식보다 훨씬 더 신뢰할 수 있는 안전망을 제공합니다.

기술 요약

기술 요약: 최적화 기반 경계 수축을 통한 영공간(Null Space)의 경계 설정

1. 문제 정의

지하수 모델은 희소한 지하 관측 데이터로 인해 빈번하게 비식별성(non-identifiable) 문제를 겪습니다. 이러한 등가성(equifinality)은 서로 다른 매개변수 조합(예: 투수계수, 비산출량), 상태(수두), 그리고 경계 조건들이 동일한 관측값을 생성할 수 있음을 의미합니다.

전통적인 불확실성 정량화(UQ) 방법론은 유한한 모델 실현체 집합(예: 몬테카를로, 앙상블 데이터 동화, 또는 정규화된 역해석)을 탐색함으로써 이를 해결하려 합니다. 저자들은 이 패러다임이 구조적 딜레마를 겪고 있다고 주장합니다. 즉, 시스템의 복잡성이 증가함에 따라 미지수의 수는 늘어나지만, 시뮬레이션의 계산 비용이 실현체의 수를 제한한다는 것입니다. 결과적으로, 불완전한 탐색은 허용 가능한 해의 범위를 체계적으로 **과소평가(underestimation)**하게 만듭니다. 이는 특히 지하수 관리에서 위험이 드문 극단적인 상황(예: 가뭄 또는 홍수)으로부터 발생할 수 있는 상황에서 매우 위험하며, 유한한 샘플링으로는 이러한 극단치를 놓칠 수 있습니다.

본 논문은 보수적인 UQ를 목표로 한다면, 단순히 실행 가능한 영역을 샘플링하는 것이 아니라, 불확실한 변수들에 대한 보장된 외곽 경계(outer bounds)를 통해 실행 가능한 영역의 범위 자체를 표현해야 한다고 상정합니다.

2. 방법론: 최적화 기반 경계 수축 (OBBT)

제안된 프레임워크는 샘플링을 대신하여 **최적화 기반 경계 수축(OBBT)**을 도입합니다. 실현체를 열거하는 대신, 이 방법은 불확실성을 구간(interval)으로 취급하며, 물리 법칙과 관측치를 인코딩하는 제약 시스템 위에서 변수들을 극한화(extremizing)함으로써 이 구간을 수축시킵 most니다.

2.1 수학적 정식화

본 접근법은 지하수 흐름 문제를 다음과 같은 제약 시스템으로 정식화합니다:

• 변수: 수두($h$), 유속($q$), 충전량($R$), 투수계수($T$), 비산출량($S$).
• 제약 조건:
  • 질량 보존: 유한 체적법(finite-volume scheme)을 사용하여 이산화(steady-state 및 transient 적용).
  • 다르시 법칙(Darcy's Law): $q = -T \nabla h$.
  • 관측치: 특정 위치에서의 고정값 또는 경계값.
  • 사전 경계(Prior Bounds): 모든 변수에 대한 초기 구간.

2.2 비선형성 처리: 매코믹 완화 (McCormick Relaxations)

지배 방정식에는 이선형 항(bilinear terms)(예: 불확실한 투수계수 $T$와 수두 구배 $\nabla h$의 곱)이 포함됩니다. 결과적으로 발생하는 비볼록(non-convex) 최적화 문제를 대규모 격자에서 전역적으로 해결하는 것은 계산적으로 불가능합니다.

계산적 추적 가능성을 유지하면서 보수적인 경계를 확보하기 위해, 저자들은 **매코믹 완화(McCormick relaxations)**를 사용합니다. 이는 이선형 등식 $w = xy$를 네 개의 선형 부등식으로 대체하여 실제 비선형 실행 가능 영역 주변의 볼록 껍질(convex hull, 엔벨로프)을 형성합니다.

• 이점: 효율적인 선형 계획법(LP) 솔버를 사용할 수 있게 합니다.
• 단점: 완화 과정에서 **비물리적인 해(non-physical solutions)**가 허용될 수 있는데, 구체적으로 유속과 수두 구배 사이의 부호 결합(sign coupling)이 깨지는 현상이 발생합니다. 이는 "회전 흐름(rotational flow)"(물이 구배를 거슬러 순환하는 현상)을 허용하여 다르시 흐름의 물리 법칙을 위반하고 효과적인 경계 수축을 방해합니다.

2.3 알고리즘

OBBT 알고리즘(Algorithm 1)은 다음과 같이 반복적으로 작동합니다:

1. 초기화: 시공간 격자 그래프에 변수를 정의하고 초기 경계를 설정합니다.
2. 완화 구조 구축: 현재 변수 경계를 기반으로 매코믹 제약 조건을 구축합니다.
3. 극한화: 각 변수에 대해, 전체 제약 시스템을 대상으로 두 개의 LP(최소화 및 최대화)를 풉니다.
4. 경계 수축: 새로운 극댓값/극솟값으로 변수 경계를 업데이트합니다.
5. 후처리: 구간 산술(interval arithmetic)을 사용하여 유속과 구배 사이의 부호 일관성을 강제합니다.
6. 반복: 수렴(경계가 더 이상 수축하지 않음)하거나 최대 반복 횟수에 도달할 때까지 반복합니다.

이 과정은 각 반복 내에서 개별 변수의 극한화를 수행하는 측면에서 **내재적 병렬성(embarrassingly parallel)**을 가집니다.

3. 주요 기여 및 해결책

본 논문은 매코믹 완화를 적용한 단순한 OBBT가 회전 흐름을 허용함으로써 정보력이 없는 경계를 제공한다는 점을 식별했습니다. 저자들은 물리적 일관성을 회복하기 위해 두 가지 구체적인 해결책을 제안하고 평가합니다:

1. 무회전 제약(Irrotationality Constraints): 격자 그래프의 임의의 기본 순환(fundamental cycle)을 통과하는 유속의 합이 0임을 명시적으로 강제합니다.

   • 효과성: 균질한 매질에서 매우 효과적이며, 정보력이 있는 경계를 복원합니다.
   • 한계: 제로 넷 플럭스(zero net flux)가 엄격히 따르지 않는 불균질하거나 이방성인 매질에는 일반적으로 적용하기 어렵습니다.

2. 흐름 부호 규정(Flow Sign Prescription): 참조 시뮬레이션이나 사전 지식을 바탕으로 각 인터페이스를 통과하는 흐름의 부호(방향)를 미리 지정합니다.

   • 효과성: 매코믹 엔벨로프의 비물리적인 사분면을 제거하여 경계를 크게 수축시킵니다.
   • 일반성: 불균질한 환경에서 무회전 제약보다 더 견고하지만, 흐름 방향에 대한 사전 가정을 도입합니다.

4. 결과

본 프레임워크는 세 가지 수치 예제에 대해 테스트되었습니다:

4.1 1차원 정상 상태 모델

• 설정: 소스/싱크 우물과 두 개의 관측점이 있는 10개 셀.
• 비교: OBBT 경계를 정확한 몬테카를로 샘플러(진정한 영 공간 매니폴드로부터 추출) 및 MCMC와 비교했습니다.
• 결과:
  • OBBT는 영 공간 매니폴드를 성공적으로 포함하여 보장된 외곽 경계를 제공했습니다.
  • MCMC 및 유한 샘플 방식은 실행 가능한 영역의 범위를 심각하게 과소평가했습니다(예: 100,000개의 샘플을 사용했음에도 주변 범위의 약 45%만을 커버함).
  • OBBT는 2회의 반복 내에 수렴하였으며, 이는 비식별 시스템의 경계를 포착하는 데 샘플링이 불필요함을 입증합니다.

4.2 2차원 정상 상태 모델

• 설정: 소스, 싱크, 중앙 관측점이 있는 5x5 격자.
• 결과:
  • 기본 OBBT (추가 제약 없음): 부호 모호성으로 인한 회전 흐름 때문에 수두나 투수계수의 경계를 수축시키는 데 실패했습니다.
  • 무회전 제약 적용 OBBT: 흐름 방향을 성공적으로 해결하고 경계를 수축시켰으며, 순수 LP 참조 솔루션과 밀접하게 일치했습니다.
  • 흐름 부호 규정 적용 OBBT: 경계를 수축시켰으나, 균질한 설정에서는 무회전 케이스보다 약간 더 넓은 경계를 보였습니다. 이는 가정의 강도와 경계의 타이트함 사이의 트레이드오프를 보여줍니다.

4.3 2차원 과도 상태(Transient) 모델

• 설정: 육각형 격자, 5개 타임스텝, 충전 구역, 추출 우물, 고정 수두 경계.
• 결과:
  • OBBT는 시변 시스템을 성공적으로 처리하여, 수두 저하 원추(drawdown cone)의 발달과 시간 역방향으로의 제약 전파를 포착했습니다.
  • 수두 경계는 크게 수축된 반면, 투수계수 경계는 (제약이 부족한 매개변수 공간에서 예상대로) 약간만 수축되었습니다.
  • 계산 비용: 16개 코어에서 약 71.7시간이 소요되었습니다. 저자들은 이것이 상당한 수치이지만, 샘플링 방식의 과소평가 위험과 비교했을 때 "보수적인 커버리지를 위한 대가"라고 주장합니다.

5. 의의 및 주장

본 논문은 OBBT가 앙상블 기반 UQ에 대한 보수적이고 결정론적이며 물리적으로 근거가 있는 대안을 제공한다고 주장합니다. 핵심적인 의의는 샘플링 없이도 모든 불확실한 변수에 대해 보장된 외곽 경계를 제공함으로써, 샘플링 방식의 고질적인 문제인 "불충분한 탐색이 초래하는 과소평가" 문제를 피할 수 있다는 점에 있습니다.

저자들은 OBBT가 현재의 샘플링 방법보다 계산 비용이 많이 들지만, 규제 기관이 제안된 취수량이 모든 허용 가능한 매개변수 조합 하에서도 안전하다는 것을 증명해야 하는 의사결정 지원 시나리오에서는 이 트레이드오프가 정당하다고 강조합니다. 이 방법은 영 공간 이론(null space theory)과 자연스럽게 연결되어, 점 추정치가 아닌 구간 경계를 통해 "영 공간 매니폴드"(동등한 해들의 집합)를 특징짓습니다.

결론적으로, 현재의 구현이 다르시 흐름의 비볼록성을 다루기 위해 특정 가정(흐름 부호 규정 등)에 의존하고 있지만, 이 프레임워크는 향-연구(future research), 특히 더 효율적인 혼합 정수 계획법(mixed-integer formulations) 개발 및 데이터 동화 워크플로우와의 통합을 위한 유망한 경로를 제시합니다.