Atmospheric Diffusion-Guided Spatio-Temporal Transformer for Nuclear Radiation Forecasting

지구를 끊임없이 바람, 온도, 습도로 소용돌이치는 거대하고 보이지 않는 공기의 바다라고 상상해 보십시오. 때때로 이 바다는 우리가 볼 수는 없지만 느낄 수는 있는 무언가, 즉 방사선을 실어 나릅니다. 이것은 원자가 분해될 때 방출되는 에너지로, 어디에서나 일어나는 자연스러운 과정이지만 원자력 발전소 근처에서 급증할 때는 위험해집니다. 방사선을 물속에 떨어진 잉크 한 방울이라고 생각해 보십시오. 일단 물에 들어가면 그것은 그냥 가만히 머물러 있지 않습니다. 바람이 그것을 밀어내고, 비가 그것을 씻어 내리며, 열기가 그것을 휘젓습니다. 수십 년 동안 과학자들은 이 "잉크"가 다음에 어디로 갈지 예측하기 위해 노력해 왔습니다. 그들은 바람의 물리학을 시뮬레이션하려는 거대한 컴퓨터 모델을 사용하거나, 과거의 데이터를 보고 미래를 추측합니다. 하지만 문제가 하나 있습니다. 이 방사선을 측정하는 센서들이 지도 위의 격자처럼 고르게 퍼져 있지 않다는 점입니다. 대신, 센서들은 우리가 가장 걱정하는 장소 주변에 밀집되어 있어 그 사이에는 거대한 빈 공간이 존재합니다. 이는 도시 한복판에 박힌 몇 개의 온도계만을 가지고 국가 전체의 날씨를 예측하려 하면서, 나머지 시골 지역은 완전히 미스터리로 남겨두는 것과 같습니다.

이것이 바로 류팅페이(Tengfei Lyu), 한진동(Jindong Han), 그리고 리우하오(Hao Liu)가 새로운 논문에서 다룬 퍼즐입니다. 그들은 센서가 지저분하고 불균일하게 배치되어 있더라도 국가 전체에서 작동할 수 있는 더 나은 방사선 "기상 예보관"을 만들고자 했습니다. 그들은 기존의 방식들이 데이터를 단순한 숫자 목록으로 취급하거나 센서가 완벽하게 간격을 두고 배치되어 있다고 가정했기 때문에 실패했다는 것을 깨달았습니다. 그래서 그들은 **NRFormer+**라는 새로운 AI 모델을 만들었습니다. 이 모델을 단순히 숫자만 보는 것이 아니라, 자연이 수행하는 "게임의 규칙"을 이해하는 초스마트 탐정이라고 생각해 보십시오. 이 모델은 바람이 특정 방향으로 방사선을 밀어내고, 열이 어떻게 혼합을 변화시키는지, 그리고 붐비는 도시의 센서와 외로운 산속의 센서가 서로 어떻게 다른 것을 보는지 알고 있습니다. 강력한 AI 두뇌와 이러한 물리적 규칙을 결합함으로써, 그들은 특히 갑작스럽고 위험한 급증이 발생할 때 이전 방식보다 훨씬 더 정확하게 방사선 수치를 예측할 수 있는 시스템을 구축했습니다.

문제점: 엉망인 지도와 움직이는 목표물

연구진은 수천 개의 방사선 센서를 보유한 일본의 데이터를 살펴보는 것으로 시작했습니다. 그들은 예측을 믿기 힘들 정도로 어렵게 만드는 세 가지 큰 문제를 발견했습니다.

첫째, 데이터가 **비정상성(non-stationary)**을 띱니다. 쉬운 말로 하면, 규칙이 계속 변한다는 뜻입니다. 방사선 수치는 단순히 무작위적인 노이즈가 아닙니다. 그것은 방사성 물질의 느린 붕괴(수십 년에 걸쳐 일어남), 원자력 발전소 운영 방식의 갑작스러운 변화, 그리고 날씨와 같은 요소들에 의해 형성됩니다. 이는 마치 눈을 깜빡일 때마다 골대가 움직이는 게임의 규칙을 배우는 것과 같습니다. 대부분의 AI 모델은 과거가 미래와 같을 것이라고 가정하지만, 여기서는 "평균" 방사선 수치가 서서히 낮아지는 동시에 예측 불가능한 급격한 도약을 보이기도 합니다.

둘째, 센서가 심각하게 불균형합니다. 일본의 센서 지도를 보면 후쿠시마 지역(2011년 사고 발생지) 근처에 거대한 클러스터가 있고, 다른 곳에는 센서가 매우 적은 것을 볼 수 있습니다. 약 78%의 센서가 전체 토지의 6% 미만에 밀집되어 있습니다. 센서들을 하나의 웹처럼 연결하려는 표준 AI 모델들은 여기서 실패합니다. 모델들은 붐비는 지역 때문에 "혼란"을 느껴 중요한 세부 사항을 뭉뚱그려 버리거나, 데이터가 없는 희박한 지역을 무시하게 됩니다. 이는 도심의 거리만을 사용하여 지도를 그리고 나머지 교외 지역은 추측으로 때우려는 것과 같습니다.

셋째, 방사선은 홀로 이동하지 않고 **날씨와 함께 진화(co-evolves)**합니다. 바람, 온도, 습도는 방사선의 드라이버이자 브레이크 역할을 합니다. 하지만 이 관계는 까다롭습니다. 바람은 방사선을 즉각적으로 밀어내는 것이 아니라, "잉크"가 이동하는 데 시간이 걸립니다. 또한 강한 바람은 방사선이 퍼지는 방식을 바꾸어, 균일하게 퍼지는 대신 한 방향으로 움직이게 만듭니다. 기존 모델들은 이러한 물리적 규칙을 무시하거나 날씨 데이터를 단순히 또 다른 숫자 목록으로 취급하여, 바람과 방사선 사이의 깊은 연관성을 놓쳤습니다.

해결책: NRFormer+

이 문제를 해결하기 위해 연구팀은 물리 법칙을 인지하는 "시간 여행자"처럼 행동하는 새로운 유형의 AI 모델인 **NRFormer+**를 구축했습니다. 단순히 패턴을 암기하는 대신, 이 모델은 방사선이 어떻게 이동하는지를 결정하는 "물리 법칙"을 학습합니다.

1. "시간 여행" 어텐션 (The "Time-Travel" Attention)
변화하는 규칙(비정상성)을 처리하기 위해, 모델은 특별한 "어텐션(attention)" 메커니즘을 사용합니다. 페이지마다 글꼴 크기와 스타일이 바뀌는 책을 읽고 있다고 상상해 보십시오. 일반적인 독자는 혼란스러울 수 있지만, 이 모델은 텍스트를 정규화하여 내용이 바뀌더라도 읽을 수 있게 해주는 특수 렌즈를 가지고 있습니다. 이 모델은 각 센서의 최근 이력을 살펴보고, 느린 추세(예: 방사성 붕괴)를 조정하며, 갑작스럽고 중요한 변화에 집중합니다. 이를 통해 데이터가 이상하게 작동하더라도 예리함을 유지할 수 있습니다.

2. "스마트 지도" 어텐션 (The "Smart Map" Attention)
엉망인 센서 지도를 해결하기 위해, 모델은 "밀도 적응형(density-adaptive)" 접근 방식을 사용합니다. 모든 센서가 똑같은 방식으로 이웃과 대화하도록 강요하는 대신, 모델은 유연하게 대처하는 법을 배웁니다. 붐비는 지역에서는 세부 사항이 흐려지지 않도록 주의하며, 희박한 지역에서는 더 넓은 범위를 살펴 관련 정보를 찾아냅니다. 이는 번화가에서는 바로 옆 사람의 말에 귀를 기울여야 하지만, 조용한 마을에서는 전체 이야기를 파악하기 위해 계곡 너머에 있는 사람의 목-소리에 귀를 기울여야 한다는 것을 아는 탐정과 같습니다.

3. 물리 엔진 (The Physics Engine)
가장 흥ante로운 부분은 **물리 가이드 대기 확산 모듈(Physics-Guided Atmospheric Diffusion Module)**입니다. 이것은 모델의 "물리 두뇌"입니다. 모델은 바람과 온도가 방사선에 어떤 영향을 미쳐야 하는지를 명시적으로 계산합니다.

• 바람: 바람이 방사선을 얼마나 빠르게, 어느 방향으로 밀어내고 있는지 추정합니다.
• 확산: 날씨를 바탕으로 방사선이 얼마나 "퍼질" 가능성이 높은지 계산합니다.
• 마법: 이러한 물리적 계산을 AI의 의사 결정 과정에 직접 주입합니다. 단순히 추측하는 것이 아니라, 실제 대기 수송 법칙을 사용하여 예측을 안내합니다. 이를 통해 모델은 바람이 강하면 방사선이 더 멀리, 더 빠르게 이동하고, 바람이 잔잔하면 제자리에 머물 것이라는 점을 이해하게 됩니다 됩니다.

결과: 더 선명한 그림

연구팀은 3,600개 이상의 방사선 센서와 228개의 기상 관측소를 포함한 일본의 4년 치 방대한 데이터셋을 사용하여 새 모델을 테스트했습니다. 그들은 NR-Former+를 표준 통계 방법 및 다른 고급 AI 시스템을 포함한 13개의 다른 모델과 비교했습니다.

결과는 인상적이었습니다. NRFormer+는 모든 모델보다 높은 정확도를 보였습니다.

• 갑작스러운 변화(가장 위험한 순간들)를 예측하는 오차를 가장 강력했던 이전 모델에 비해 최대 19.1% 줄였습니다.
• 24시간 후부터 24일 후까지의 예측에서도 일관되게 우수한 성능을 보였습니다.
• 균일한 격자를 강요하려 했던 모델들보다 엉망이고 불균일한 센서 지도를 훨씬 더 잘 처리했습니다.

또한 연구진은 모델에서 "물리 두뇌"를 제거했을 때 성능이 현저히 떨어진다는 것을 보여줌으로써, 바람과 온도를 이해하는 것이 얼마나 중요한지를 입증했습니다. 그들은 이 모델이 다른 모델들이 놓쳤던 갑작스럽고 꼬리가 긴(heavy-tailed) 방사선 급증 현상을 포착하는 데 특히 탁-월하다는 것을 발견했습니다.

이것이 왜 중요한가

이 연구는 단순히 더 나은 AI를 만드는 것에 관한 것이 아니라, 안전에 관한 것입니다. 방사선 수치가 급증할 때, 매 분 매 초가 중요합니다. 정부는 방사선이 어디로 향하는지 알아야 사람들에게 대피령을 내리고, 보호 장비를 보내며, 농작물을 보호할 수 있습니다. 현대적인 AI의 유연성과 물리학의 엄격한 규칙을 결합함으로써, NRFormer+는 이러한 위험을 예측하는 더 신뢰할 수 있는 방법을 제공합니다. 이는 우리가 AI에게 자연의 법칙을 존중하도록 가르칠 때, 이전에 너무 복잡해서 풀 수 없었던 문제들을 해결할 수 있음을 보여줍니다. 코드와 데이터는 누구나 사용할 수 있도록 공개되어 있으며, 이는 더 안전하고 스마트한 환경 모니터링을 위한 길을 열어주고 있습니다.