A Model-Based Digital Twin for Predicting Deterioration of Mogao Polychrome Sculpture

기술 요약: 모가오(Mogao) 채색 조각의 퇴화 예측을 위한 모델 기반 디지털 트윈

문제 정의
모가오 석굴에는 2,400점이 넘는 채색 점토 조각이 포함되어 있으며, 이들의 채색 표면은 변화하는 온도와 습도에 의해 퇴화하기 쉽습니다. 벽화나 기타 유산 재료(예: 셀룰로오스, 유화 물감, 젯소)에 대한 예측 모델은 존재하지만, 독립형 점토 조각에 대해서는 근본적인 격차가 존재합니다. 이러한 대상들은 이질적인 재료 시스템(짚이 혼합된 점토, 섬유 보강 석고, 동물성 아교로 결합된 광물 안료)을 보유하고 있어 벽화와는 다르게 열수성 사이클링(hygrothermal cycling)에 반응합니다. 또한, 유산 맥락에서의 기존 디지털 트윈 구현은 주로 구조적 무결성, 에너지 성능 또는 정적 3D 기록에 집중되어 있으며, 객체 수준에서 재료의 퇴화(특히 색상 변화, 곰팡이, 염해, 균열 및 노화)를 예측하는 물리 기반 모델은 부족합니다. 광물 안료가 점토 기질 위에서 나타내는 색상 변화($\Delta E^*_{ab}$)와 온도 및 상대 습도 사이를 직접 연결하는 실험적으로 검증된 용량-반응 함수(dose-response function)도 존재하지 않습니다.

방법론
저자들은 다섯 가지 물리 기반 퇴화 메커니즘을 단일 조각의 3D 포토그래메트리 메쉬(photogrammetric mesh)에 통합하는 모델 기반 디지털 트윈 프레임워크를 제시합니다. 이 시스템은 프레임워크의 범용성과 재사용성을 보장하기 위해 **모델 주도 공학(Model-Driven Engineering, MDE)**을 사용하여 구축되었습니다.

1. 프레임워크 아키텍처:

   • 설계 단계(Design Time): 도메인 특화 모델링 언어(Ecore/EMF 메타모델)가 엔티티 그래프(동굴, 조각상, 센서)를 정의합니다. Epsilon EGL 템플릿(약 595행)은 13가지 엔티티 유형에 대한 백엔드 데이터 레이어(Mongoose/Express 스키마, 서비스, 컨트롤러)를 자동으로 생성합니다.
   • 런타임(Runtime): 시스템은 실시간 센서 텔레메트리(온도 $T$, 상대 습도 $RH$, 조도$I$)를 수집하고 다섯 개의 독립적인 퇴화 커널을 실행합니다.
   • 시각화: 브라우저 기반 3D 뷰어는 두 가지 모드, 즉 환경 시뮬레이션(사용자 정의 "what-if" 시나리오)과 환경 모니터링(실시간 데이터 재생)으로 결과를 렌더링합니다.

2. 다섯 가지 퇴화 커널:

   • 모델 1 (안료 분할): 결정론적 HSV 임계값 분류기가 3D 텍스처를 8가지 광물학적 클래스(예: 진사, 남동석, 공작석, 금박)로 매핑하여 안료별 역학을 구동합니다.
   • 모델 2 (화학적 퇴색): Arrhenius 온도 스케일링과 Paltakari–Karlsson 습도 등온선을 결합한 흡착 결합 용량-반응 모델입니다. 이는 특정 활성화 에너지를 바탕으로 픽셀당 색상 감쇄($\Delta E^*_{ab}$)를 계산합니다.
   • 모델 3 (수명 승수): Michalski의 Arrhenius 기반 수명 승수를 사용하여 기준 환경 대비 예상 서비스 수명을 재조정합니다.
   • 모델 4 (곰팡이 성장): 온도 의존적 임계 습도 임계값을 기준으로 곰팡이 지수($M$)를 예측하는 VTT Hukka–Viitanen 모델을 구현합니다.
   • 모델 5 (염 결정화): 황산나트륨의 결정화 압력을 모델링하기 위해 Steiger의 열역학 프레임워크를 사용합니다. 결정적으로, 이 모델은 모가오 동굴의 아델리퀘센스(sub-deliquescent, 흡습 전 단계) 환경을 고려하여, 염해를 건습 반복이 아닌 모세관 가용성 인자($\alpha_s$)에 의해 제어되는 지속적인 정적 압력으로 취급합니다.
   • 모델 6 (흡습-기계적 피로): Basquin의 법칙과 Miner의 규칙을 적용하여 주기적인 습도 진폭($\Delta RH$)에 의한 피로 손상($D$)을 모델링합니다.

3. 복합 위험 평가:
   다섯 가지 모델의 출력값은 0–1 척도로 정규화되며, 최대 위험 접근 방식(maximum-risk approach)을 사용하여 복합 지수($R_{composite}$)로 집계됩니다. 이 지수는 유지보수 대기열을 순위화하고 3D 메쉬 상의 시각적 오버레이를 생성합니다.

4. 실험적 파일럿 (가속 노화):
   퇴색 모델을 검증하기 위해, 저자들은 전통 재료(chengban 점토, 짚, 삼베, 동물성 아교 및 광물 안료)를 사용하여 모가오 연화좌(lotus pedestal)의 1:5 축소 복제품을 제작했습니다. 이들은 두 가지 조건—"실내" 암(23°C, 40% RH, 주변 광원)과 "챔버" 암(40°C, 10% RH, 암흑)—하에서 61일 동안 노화되었습니다. 색채 측정($\Delta E^*_{ab}$)은 21개 시점에서 수행되었습니다.

주요 결과

• 파일럿 역학: 가속 노화 캠페인을 통해 두 암 사이의 퇴색률 대비를 측정했습니다. 진사, 남동석, 공공작석은 뜨겁고 건조하며 어두운 챔버 암에 비해 서늘하고 습하며 빛이 있는 실내 암에서 1.5~2.0배 더 빠르게 노화되었습니다. 빛, 온도, 습도가 동시에 변하는 혼란 변수(confounding variables)로 인해, 연구는 디컨볼루션된 활성화 에너지 대신 이러한 비율 관계를 보고합니다.
• 사례 연구 적용: 프레임워크는 무릎 꿇은 보살(Kneeling Attendant Bodhisattva)(모가오 328굴)에 적용되었습니다.
  • 현재 기후: 모니터링된 모가오 동굴 기후(평균 12°C, RH < 80%) 하에서, 조각상은 안정적인 상태에 있습니다. 곰팡이 성장은 휴면 상태(지수 = 0)이며, 흡습-기계적 피로는 미미합니다. 염 결정화는 지속적인 정적 압력을 가하지만, 모세관 공급을 받는 기단부에 국한되어 공간적으로 제한되어 있습니다.
  • 역가설 시나리오(Counterfactual Scenarios): 디지털 트윈은 기후 제어를 상실할 경우(예: RH가 85~96%로 상승하고 온도가 증가할 경우), 염 결정화와 곰팡이 위험이 급격히 활성화됨을 보여줍니다. "불량 저장" 시나리오는 복합 위험 지수가 40년 이내에 실패 수준($R=1.0$)에 도달할 것으로 예측하는 반면, 능동적 버퍼링은 낮은 위험의 베이스라인을 유지합니다.
• 시각화: 시스템은 서로 다른 퇴화 징후(비균일한 안료 퇴색, 기단부의 염 백화 현상, 균열 네트워크 등)를 3D 메쉬에 직접 렌더링하여, 보존 전문가가 개별 메커니즘이나 복합적인 과정을 개별적으로 또는 통합하여 검사할 수 있도록 성공적으로 구현했습니다.

의의 및 주장
본 논문은 네 가지 주요 기여를 주장합니다:

1. 범용 프레임워크: 도메인 특화 모델로부터 백엔드가 생성되는 모델 주도 공학 접근 방식을 도입하여, 디지털 트윈이 핵심 데이터 레이어를 다시 작성하지 않고도 다른 유산 대상에 적응할 수 있도록 합니다.
2. What-If 렌더링: 물리 기반의 상호작용형 시각화를 통해 3D 메쉬 상에서 퇴화 징후를 구현함으로써, 보존 전문가가 환경 궤적을 시뮬레이션하고 실시간 텍스처 변화를 관찰할 수 있게 합니다.
3. 다중 메커니즘 통합: 다섯 가지 별개의 물리적 퇴화 커널을 단일 객체에 운용함으로써, 이질적인 과정들을 비교 가능하게 만들고 이를 물리 기반의 순위가 매겨진 유지보수 대기열로 축소합니다.
4. 파일럿 역학: 모가오 채색 점토 시스템에 대한 최초의 통제된 퇴색률 대비를 제공하여, 특정 안료의 경우 절대적인 색상 변화가 짧은 기간 동안 작더라도, 서늘하고 습하며 빛이 있는 조건이 뜨겁고 건조하며 어두운 조건보다 더 해로울 수 있음을 입증했습니다.

한계 및 겸손
저자들은 현재의 파일럿이 두 암의 설계에서 빛과 온도가 혼재되어 있기 때문에 독립적으로 디컨볼루션된 활성화 에너지를 제공하지 못한다는 점을 명시적으로 밝힙니다. 장기 전망(예: 200년 시뮬레이션)은 독립적인 수십 년 단위 기록에 의해 검증된 것이 아니라, 고고학적 퇴화 패턴(약 1200년에 걸친 48%의 색상 손실)에 맞춰 **교정(calibrated)**된 것입니다. 저자들은 61일간의 파일로에서 나타난 선형 속도 외삽이 낮은 표본 외 성능($Q^2 = -16.7$)을 보였음을 인정하며, 장기 전망을 위해 포화 모델(saturating model)을 사용할 필요가 있다고 언급했습니다. 또한, 일치된 광원 팩토리얼 설계(matched-light factorial design)와 기록 데이터에 대한 외부 검증이 우선적인 향후 과제임을 확인했습니다.