JW-ASTClaw: A Generalizable Multi-Agent Framework for Autonomous Solar Telescope and Its Implementation within Chinese Meridian Project

기술 요약: JW-ASTClaw: 자율형 태양 망원경을 위한 일반화 가능한 멀티 에이전트 프레임워크

문제 정의
지상 태양 관측소, 특히 중국 메리디언 프로젝트 2단계(CMP-II)와 같은 우주 기상 모니터링 임무를 수행하는 관측소들은 급격하게 변화하는 환경 조건에 적응해야 하는 중대한 과제에 직면해 있다. 간위 태양 전면 다층 자기장계(SFMM)의 기존 레거시 중앙 결정 시스템(CDS)과 같은 자동화 시스템은 결정론적 상태 머신(state-machine) 또는 우선순위 큐(priority-queue) 로직에 의존한다. 이러한 시스템은 다음과 같은 네 가지 핵심적인 기능적 격차를 보인다:

1. 과학적 의도 관측의 접근성 결여: 맞춤형 관측 모드를 사용하려면 7개 하위 시스템의 내부 명령 세트에 대한 깊은 지식이 필요하여 방문 과학자들에게 장벽이 된다.
2. 신속한 플레어 대응 능력 부재: 임무 요구 사항인 즉각적인 우주 기상 경보에도 불구하고, 돌발적인 이벤트에 대한 자동 탐지나 모드 전환 기능이 존재하지 않는다.
3. 실시간 데이터 품질 평가의 부재: 자기장 지도(magnetogram)의 바람에 의한 흔들림(wind jitter) 아티팩트나 분광 데이터의 구름 가림 패턴에 대한 온라인 탐지가 없어, 사용 불가능한 데이터가 생성된다.
4. 불충분한 기상 적응형 스케줄링: 현재 시스템은 이진적인 맑음/흐림 상태만을 인식하며, 해안 지역의 빈번한 부분적 구름 조건을 반영하지 못한다.

또한, 고정된 규칙 기반 시스템은 새로운 악조건의 조합(예: 부분적으로 구름이 낀 상태에서 플레어가 발생하는 경우)에 대해 추론할 수 없으며, 새로운 기능을 추가하기 위해 코드 수정이 필요하여 시스템 안정성을 해칠 위험이 있다.

방법론
저자들은 운영 중인 태양 망원경에 대규모 언어 모델(LLM) 기반 멀티 에이전트 프레임워크를 엔드 투 엔드로 배포한 최초의 사례인 JW-ASTClaw를 제시한다. 이 시스템은 상용 등급의 로컬 퍼스트 에이전트 런타임(AutoClaw)을 기반으로 구축되었으며, 계층 간 통신을 위해 모델 컨텍스트 프로토콜(MCP)을 활용한다.

• 아키텍처: 프레임워크는 분리된 3계층 구조를 채택한다:

  • 인지 계층(Perception Layer): 세 개의 지능형 에이전트가 숙련된 관측자의 전문 지식을 LLM 호출 가능한 규칙으로 인코딩한다:
    • 데이터 품질 에이전트(Data-Quality-Agent): 림 링 표준 편차(자기장 지도) 및 이중 지표 타원 분석(채층 채널)을 통해 바람에 의한 흔들림을 탐지하고, 구조 텐서 코히어런스(structure tensor coherence)를 통해 구름 가림 줄무늬를 식별한다.
    • 구름 분석 에이전트(Cloud-Analyzer-Agent): 전천(all-sky) 파노라마 이미지에 대한 투영 원형 구역 분석(projected-circle zonal analysis)을 수행하여 태양 디스크 대비 구름 상태(차단, 부분, 접근, 맑음)를 결정한다.
    • 플레어 탐지 에이전트(Flare-Detector-Agent): 3단계 다중 밴드 알고리즘(광구 흑점, 쌍극 자기 구조, 채층 플라지)을 사용하여 활성 영역을 식별하고 플레어 발생을 모니터링한다.
  • 결정 계층(Decision Layer): 중앙 추론 엔진(MiniMax M2.7 모델 사용)이 과학적 목표와 제약 조건을 바탕으로 다중 소스 융합, 충돌 해결 및 우선순위 중재를 수행한다. 이는 일일 이벤트를 지속적인 경험 저장소로 압축하여 자기 보정을 수행하는 "야간 통합(Dreamer)" 메커니즘을 지원한다.
  • 실행 계층(Execution Layer): 자연어 관측자 미들웨어(NL-Observer-MCP)는 YAML로 정의된 명령 스키마와 LLM 기반 의도 인식을 활용하여 고수준의 의도를 망원경의 7개 하위 시스템에 실행 가능한 명령으로 변환한다.

• 안전성 및 견고성: 시스템은 LLM의 환각(hallucination)으로부터 망원경의 안전한 작동을 보장하기 위해 프롬프트 제약부터 기계적 열 퓨즈에 이르는 6계층 제로 트러스트 안전 아키텍처를 구현한다. 또한 4단계의 단계적 기능 저하(graceful degradation) 체인을 갖추고 있다:

  1. 전체 에이전트 모드 (원격 LLM).
  2. 네트워크 실패 시 로컬 추론 폴백 (Ollama + Qwen3.6-27B).
  3. 로컬 LLM 실패 시 규칙 기반 CDS 인수.
  4. 수동 관측.

주요 기여

1. 시스템 이식성: 인지 및 결정 로직은 재사용 가능하고 실행 계층만 망원경에 맞게 조정하면 되는 3계층 분리 설계.
2. 알고리즘 기능성: 자연어 제어, 고역동 범위(HDR) 플레어 대응을 포함한 다중 밴드 활성 영역 탐지, 적응형 구름 스케줄링 등 4가지 격차를 해결하기 위한 전문가 규칙의 정량적 인코딩.
3. 안전 아키텍처: AI 실패가 망원경의 안전을 해치지 않도록 보장하는 6계층 심층 방어 및 전체 결정 추적성 제공.
4. 알고리즘 견고성: 검증된 규칙 기반 베이스라인 미만으로 작동하지 않도록 보장하는 듀얼-LLM 설계 및 4단계 폴백 기능.

결과
프레임워크는 2025년 2월부터 2025년 10월까지 4개 시즌 동안 10개의 서로 다른 관측 날짜에 걸친 SFMM의 아카이브 데이터를 사용하여 검증되었다:

• 구름 탐지: 투영 원형 구역법을 사용하여 10개 날짜 모두에서 오탐 없이 100%의 구름 가림 이벤트를 탐지했다.
• 활성 영역 탐지: 10일간의 NOAA 태양 영역 요약(SRS) 보고서에 기록된 100개 영역 대비 102개의 활성 영역을 탐지했다. 4개 날짜에 대한 공간 매칭 결과 평균 위치 오차는 약 81초(태양 디스크 반경의 ~8%)로, 운용 수준의 일치성을 보였다.
• 데이터 품질: 바람 흔들림 탐지 방법(링 표준 편차 및 이중 지표)은 수동 검사와 일치하였으며, 흔들림의 영향을 받은 자기장 프레임 29/176개 및 적분 프레임 39/110개를 식별했다.
• 지연 시간(Latency): 자연어 명령(Level 0)에 대한 엔드 투 엔드 응답 지연 시간은 5초 미만이다. 저하 모드(Level 1)는 100ms 미만으로 작동하며, 규칙 기반 폴백(Level 2)은 500ms 미만이다.
• HDR 대응: 플레어 이벤트를 위해 6563 Å에서 5단계 브래킷 노출을 성공적으로 트리거하여 포화 없이 미세 구조를 포착했다.

의의 및 주장
저자들은 본 연구를 "체화된 지능형 태양 망원경(embodied intelligent solar telescope)"이라는 개념을 향한 첫 번째 구체적인 공학적 단계로 규정한다. 저자들은 JW-ASTClaw가 단순한 자동 스케줄링에서 AI 기반 자율 관측으로의 전환을 입증하며, 망원경이 의도를 이해하고, 트레이드오프를 추론하며, 경험으로부터 학습할 수 있는 능동적인 과학적 파트너로서 기능함을 주장한다.

본 논문은 범위의 한계를 명시적으로 언급한다: 검증이 현재 단일 사이트(Ganyu)에서 이루어졌고, 임계값 보정 세트가 상대적으로 작으며(지역 조건에 대한 과적합 위험), 로컬 LLM 폴백이 하드웨어 제약으로 인해 클라우드 모델과 정량적으로 벤치마킹되지 않았고, 극한 기상 상황에 대한 테스트가 수행되지 않았다. 저자들은 "일반화 가능하다"는 주장이 아키텍처적 측면(분리된 설계 기반)에 근거하며, 두 번째 사이트(화이로우 태양 관측소)에서의 시연을 기다리고 있음을 강조한다.