Optimization Algorithm for Determining the Source Surface Radius Based on Parker Solar Probe in situ Measurements from Encounters 1 to 19

기술 요약: 파커 태양 탐사선(Parker Solar Probe)의 인시투(in situ) 측정을 기반으로 한 소스 표면 반경 결정 최적화 알고리즘

문제 정의
포텐셜 필드 소스 표면(PFSS) 외삽법은 광구 자기도를 통해 대규모 코로나 자기장을 추정하는 표준적인 방법이다. 이 모델의 핵심 매개 변수는 자기장이 방사형이 된다고 가정되는 구형 경계인 소스 표면 반경($R_{ss}$)이다. 일반적으로 $R_{ss} = 2.5 R_s$가 기준값으로 사용되지만, 기존 연구들은 단일 값이 모든 관측 제약 조건(예: 코로나 홀의 범위, 열린 자기 플럭스, 자기 극성)을 보편적으로 만족시킬 수 없음을 보여준다. 최적의 $R_{ss}$는 태양 활동에 따라 변하는 것으로 알려져 있으나, 엄밀하고 관측에 의해 제약된 값을 결정하는 것은 여전히 어려운 과제이다. 본 논문은 파커 태양 탐사선(PSP)의 Encounter 1–19 데이터를 활용하여, PFSS 외삽과 in situ 자기장 측정치 사이의 불일치를 최소화함으로써 최적의 $R_{ss}$를 결정하는 역문제(inverse problem)를 다룬다.

방법론
저자들은 $R_{ss}$ 결정을 자유 경계 프레임워크 내에서의 형상 최적화 문제로 접근한다.

1. 수학적 정식화:

   • 순방향 PFSS 문제: 혼합 디리클레(Dirichlet) 및 노이만(Neumann) 조건을 가진 2차 타원형 경계값 문제로 정식화된다. 저자들은 Sobolev 공간 $H^1(\Omega)$에서 순방향 해의 적절한 해 존재성(well-posedness, 존재성 및 유일성)을 증명한다.
   • 역문제: 가용한 도메인 집합에 대한 목적 함수(objective functional)를 최소화하는 문제로 구성된다. 저자들은 가용한 집합의 컴팩트성(compactness)과 목적 함수의 연속성을 증명하여, 역문제의 전역 최솟값이 존재함을 확립한다. 이러한 증명은 구형 및 비구형 소스 표면 기하 구조 모두에 적용된다.

2. 데이터 및 전처리:

   • 입력값: GONG(Global Oscillation Network Group)의 시놉틱 광구 자기도가 내부 경계 조건 역할을 한다.
   • 관측 데이터: Encounter 1–19 동안 PSP의 FIELDS 및 SWEAP 장비로부터 얻은 반경 방향 자기장($B_r$)과 반경 방향 태양풍 속도($v_r$)를 사용한다.
   • 전처리: PSP 데이터는 이상치 제거(사분위수 범위 기준)와 시간 평균화(20분 간격) 과정을 거친다. 연속적인 파커 나선형 역추적(Parker spiral backmapping)을 가능하게 하기 위해 선형 보간법을 사용하여 태양풍 속도의 공백을 채운다.
   • 검증: 1 AU 근처의 ACE(Advanced Composition Explorer)로부터 얻은 독립적인 in situ 측정치를 교차 검증에 사용한다.

3. 최적화 알고리즘:

   • 목적 함수: 관측된 PSP $B_r$과 PFSS가 예측한 $B_r$ 사이의 평균 제곱 오차(MSE)를 최소화한다. PFSS 예측값은 파커 나선을 따라 우주선 위치를 소스 표면으로 역추적하고, 해당 지점의 PFSS 필드를 샘플링한 후, 우주선 거리로 반경 방향 스케일링($r^2 B_r = \text{const}$)하여 도출한다.
   • 정규화: Encounter에 따른 진폭 차이를 제거하기 위해, MSE 계산 전 관측 및 모델링된 필드 모두에 Z-score 정규화를 적용한다.
   • 솔버(Solver): 기울기 기반 반복 기법(Algorithm 1)이 사용된다. 기울기는 중앙 차분(centered finite differences)을 사용하여 근사한다. 알고리즘은 수렴하거나 최대 반복 횟수에 도달할 때까지 반복된다.
   • 검증: 알고리즘은 해석적인 포텐셜 필드 해 및 가우시안 노이즈가 추가된 합성 데이터를 통해 검증되었으며, 규정된 $R_{ss}$를 회복하는 능력을 입증하였다.

4. 다목적 분석:

   • 트레이드오프(trade-offs)를 이해하기 위해 저자들은 두 가지 추가 지표인 자기장 스케일링 인자($\alpha_k$, 열린 플럭스와 관련됨)와 극성 예측 정확도($P^k_a$)를 도입한다.
   • MSE 목적 함수와 극성 예측 오차 사이의 파레토 프런티어(Pareto frontier)를 식별하기 위해 파레토 분석(Algorithm 2)을 수행한다. 이는 최적화가 주로 진폭 일치에 의해 주도되는지, 아니면 극성 정확도에 의해 주도되는지를 정량화한다.

주요 결과

• 최적 $R_{ss}$ 경향: PSP Encounter 1–19에 대한 최적화된 $R_{ss}$ 값은 태양 극소기에서 태양 주기 25의 상승기로 접어들면서 전반적으로 증가하는 경향을 보인다. 이 경향은 독립적인 ACE 데이터에 의해 뒷받침된다.
• 기준값과의 비교: 고정된 기준값 $R_{ss} = 2.5 R_s$와 비교했을 때, 최적화된 해는 일반적으로 관측된 자기장 진폭과 더 잘 일치하며(열린 플럭스 불일치 감소), 자기 극성 예측 정확도를 유지하거나 향상시킨다.
• 태양 극소기 vs. 상승기:
  • 태양 극소기(초기 Encounter) 동안에는 최적화가 주로 진폭 일치(열린 플럭스)에 의해 주도된다. 관측치와 일치하도록 모델의 열린 플럭스를 늘리기 위해 더 낮은 $R_{ss}$ 값이 선택된다.
  • 상승기 동안에는 파레토 프런티어가 더 밀집되며, 이는 극성 예측 정확도가 지배적인 지표가 됨을 나타낸다. 최적의 $R_{ss}$는 관측된 복잡한 섹터 구조와 극성 반전을 더 잘 포착하기 위해 증가한다.
• 국지적 편차: 특정 Encounter(예: 9 및 13)에서는 일반적인 경향에서 벗어난 국지적 이탈이 나타난다. Encounter 13의 경우, 복잡한 행성 간 코로나 질량 방출(ICME)을 통과하였는데, 이때 최적화는 복잡한 극성 반전을 포착하기 위해 매우 낮은 $R_{ss}$ ($1.27 R_s$)를 선택하였다. 이는 교란된 환경에서 파커 나선형 가정이 갖는 한계를 보여준다.

의의 및 주장
본 논문은 PFSS 역문제에 대한 수학적으로 엄밀한 기초를 제공하며, 소스 표면 반경 추정을 위한 유일한 최소화자의 존재를 증명한다고 주장한다. 해석적 해 및 in situ 데이터에 의해 검증된 특정 최적화 알고리즘을 구축함으로써, 본 연구는 $R_{ss}$가 정적인 상수가 아니라 태양 활동에 따라 진화하는 동적인 매개변수임을 입증한다.

저자들은 단 하나의 "전역적으로 최적인" $R_{ss}$는 존재하지 않으며, 오히려 최적의 값은 특정 관측 제약 조건과 우선시되는 평가 지표(예: 열린 플럭스 vs. 극성)에 따라 달라진다는 점을 강조한다. 또한, 연구는 열린 플럭스(amplitude agreement)를 통한 일치에서 극성 일치(polarity agreement)로 지배적인 지표가 변화하는 과정을 보여준다. 나아가 본 논문은 "열린 플럭스 문제"를 언급하며, 최적화가 in situ 플럭스와의 일치는 개선하지만, 코로나 홀 기반의 플럭스 추정치와 in situ 측정치 사이의 근본적인 불일치를 해결하지는 못한다는 점을 밝히고 있다. 이는 향후 개선을 위해 더 나은 극자기장 관측이나 더 발전된 코로나 모델이 필요할 수 있음을 시사한다. 본 연구는 솔라 오비터(Solar Orbiter)와 같은 미션으로부터 데이터가 확보됨에 따라, 비구형 소스 표면의 형상 최적화를 위한 프레임워크를 설정한다.