Combining a Geomagnetic Precursor with Dynamic Time Warping for Solar-Cycle Peak and Trajectory Forecasting

태양은 일정하고 변하지 않는 등불이 아니라, 약 11년의 주기로 호흡하는 역동적인 별입니다. '태양 주기'라고 알려진 이 심장 박동은 태양 표면에 나타나는 흑점의 수를 결정하며, 지구를 둘러싼 우주 날씨의 강도를 조절합니다. 태양이 활발할 때 태양은 강력한 방사선과 자기장 폭발을 지구로 보낼 수 있으며, 이는 위성, 무선 통신, 전력망에 문제를 일으킬 수 있습니다. 기술을 보호해야 하는 과학자와 엔지니어들에게 이 주기가 언제 정점에 도달할지, 그리고 어떻게 움직일지를 예측하는 것은 매우 중요한 과제입니다. 어려움은 타이밍에 있습니다. 새로운 주기가 시작되는 시점에는 활용할 수 있는 흑점 데이터가 거의 없기 때문에, 다가올 폭풍이 얼마나 강할지 추측하기 어렵습니다. 반대로 주기가 성숙해짐에 따라 흑점의 패턴은 더 명확해지지만, 폭풍의 전체 강도에 대한 초기 단서들은 종종 놓치거나 잊히곤 합니다.

두 명의 연구자, 바룬 소만(Varun Soman)과 아마라나탄 사바리나스(Amaranathan Sabarinath)는 두 가지 서로 다른 유형의 역사적 단서를 결합함으로써 이 간극을 메울 수 있는 새로운 방법을 개발했습니다. 한 가지 단서는 지구의 자기장에서 오는데, 이는 새로운 흑점 주기가 완전히 발달하기 전에도 태양 활동을 감지하는 민감한 탐지기 역할을 합니다. 다른 한 가지 단서는 과거를 살펴보는 것입니다. 현재 진행 중인 주기와 매우 유사한 과거의 태양 주기를 찾아내어 그들의 미래 경로를 가이드로 사용하는 방식입니다. 이 팀은 이 두 가지 정보원을 하나로 엮음으로써, 어느 한 가지 단서만을 사용할 때보다 더 정확한 예측 방법을 만들어냈습니다. 지난 네 번의 완료된 태양 주기를 대상으로 테스트한 결과, 이 하이브리드 접근 방식은 이전 방법들보다 훨씬 적은 오차로 태양 주기의 정점 강도를 예측할 수 있으며, 주기가 어떻게 상승하고 하락하는지에 대해 더 현실적인 그림을 제공한다는 것을 보여주었습니다.

그들의 방법의 핵심은 '동적 시간 워핑(dynamic time warping)'이라 불리는 기술에 기반하며, 이는 본질적으로 형태를 비교하는 유연한 방식입니다. 두 개의 서로 다른 언덕의 윤곽을 맞추려고 한다고 상상해 보십시오. 하나는 높고 좁을 수 있고, 다른 하나는 낮고 넓을 수 있습니다. 경직된 비교를 사용한다면 피크(정점)가 발생하는 시점이나 지속 시간이 다르다는 이유로 두 언덕이 유사한 모양임에도 불구하고 이를 인식하지 못할 수 있습니다. 동적 시간 워핑은 컴퓨터가 한 언덕의 타임라인을 늘리거나 압축하여 다른 언덕에 맞출 수 있게 함으로써, 곡선의 길이를 강제로 동일하게 만들지 않고도 두 곡선 사이의 최적의 일치를 찾아냅니다. 이 연구에서 연구진은 이 도구를 사용하여 발전 중인 태양 주기의 초기적이고 부분적인 형태를 역사적인 완전한 주기 라이브러리와 비교했습니다. 그들은 역사적 주기를 현재 가진 데이터의 길이에 맞추기 위해 짧게 만들지 않았습니다. 대신, 역사적 주기를 원래의 전체 길이로 유지하고 매칭 알고리즘이 최적의 정렬을 찾도록 했습니다. 이 특정한 선택이 예측의 정확도를 높이는 데 가장 중요한 요소가 되었습니다.

이 새로운 접근 방식이 나오기 전에는, 연구자들이 예측 시점에 보유한 데이터의 길이에 맞추기 위해 역사적 주기를 단축하곤 했습니다. 새로운 연구는 이러한 리샘플링(resampling) 관행이 오히려 비교를 왜곡하여 예측력을 떨어뜨린다는 것을 발견했습니다. 역사적 주기를 온전하게 유지하고 유연한 매칭 도구를 사용함으로써, 연구진은 흑점의 미래 경로를 예측하는 평균 오차를 눈에 띄게 줄였습니다. 이들이 태양 주기 21기부터 24기까지 테스트했을 때, 새로운 기술은 평균 약 20개의 평활화된 흑점(smoothed sunspots) 오차를 보이는 궤적을 생성했는데, 이는 기존의 리샘플링 방식을 사용했을 때의 오차인 약 26개와 비교됩니다. 이러한 개선은 더 복잡한 수학적 계산 때문이 아니라, 단순히 방법론이 역사적 사례들의 실제 길이와 모양을 보존함으로써 알고리즘이 더 나은 일치 항목을 선택할 수 있도록 했기 때문입니다.

두 번째 주요 혁신은 팀이 두 가지 다른 유형의 예측을 결합하는 방식이었습니다. 지구 자기장에서 유도된 지자기 전조(geomagnetic precursor)는 주기가 얼마나 강할지에 대한 조기 추정치를 제공하는 데 탁월하지만, 곡선의 형태에 대해서는 많은 것을 알려주지 않습니다. 반면 아날로그 방법(analog method)은 유사한 과거 주기를 찾는 방식으로, 흑점 데이터가 쌓일수록 주기의 형태를 예측하는 데 능숙해지지만, 초기에는 전체 강도에 대해 불확실할 수 있습니다. 연구진은 각자가 가진 역사적 불확실성을 바탕으로 이 두 가지 추정치의 가중치를 조절하는 시스템을 만들었습니다. 주기가 막 시작될 때는 지자기 단서가 정점 강도에 대한 유일한 정보원이기 때문에 더 큰 비중을 갖습니다. 주기가 전개되고 더 많은 흑점 데이터가 축적됨에 따라, 가중치는 더 상세한 주기의 진화 과정을 제공하는 아날로그 방법으로 이동합니다. 이 역동적인 균형 잡기 덕분에, 지자기 단서만을 사용했을 때의 25개 흑점 오차보다 크게 개선된 평균 약 16개의 흑점 오차를 가진 결합된 정점 예측을 얻을 수 있었습니다.

연구팀이 해결한 또 다른 실질적인 문제는 태양 주기의 '감소 단계(declining phase)'와 관련된 것이었습니다. 예측치가 최신 관측 데이터에 맞춰 조정될 때, 단순한 수학적 이동은 주기의 쇠퇴기에 흑점 수를 0 아래로 밀어낼 수 있습니다. 흑점 수가 음수가 되는 것은 불가능하므로, 이는 현실을 반영하지 못하는 인위적인 0의 평탄한 선을 만들어낼 것입니다. 연구진은 이 문제를 방로하기 위한 규칙을 도입하여, 숫자를 양수로 유지하기 위해 필요한 경우에만 수학적으로 조정함으로써 예측 궤적이 물리적으로 가능하도록 보장했습니다. 이 변화가 역사적 예측을 반드시 더 정확하게 만든 것은 아니었지만, 예측이 비현실적이거나 불가능한 결과물을 생성하지 않도록 보장했습니다.

연구는 또한 이 방법이 불확실성을 얼마나 잘 처리하는지 조사했습니다. 역사적 오차를 바탕으로 수천 개의 가능한 미래 경로를 생성함으로써, 팀은 발생 가능한 결과의 범위를 보여주는 '엔벨로프(envelopes, 포락선)'를 만들었습니다. 그들은 이 새로운 엔벨로프가 기존 방법들보다 일반적으로 더 좁고 정밀하지만, 완벽하지는 않다는 것을 발견했습니다. 예를 들어 태양 주기 22기와 같은 일부 주기에서는 급격한 감소를 포착하는 데 어려움을 겪어, 예측과 실제 사이에 큰 격차가 발생했습니다. 이는 이 방법이 견고한 도구이기는 하지만, 결코 수정구슬은 아니라는 점을 시사합니다. 즉, 태양의 행동은 역사적 사례들과 다르게 움직일 수 있으며, 우리를 놀라게 할 수 있습니다. 연구진은 과거 주기의 수가 제한적이어서 모든 결과에 대해 확신하기 어렵기 때문에, 자신들의 불확실성 밴드를 보증된 한계치가 아닌 경험적인 확산도로 보아야 한다고 강조합니다.

앞으로 연구진은 다가오는 태양 주기 26기에 이 방법을 적용하기 위한 엄격한 계획을 세웠습니다. 그들은 주기가 시작되기 전에 모델의 모든 규칙과 매개변수를 고정하기로 결정했는데, 이는 결과가 알려진 후에 변경 사항을 적용하지 않음으로써 방법의 실시간 예측 능력을 진정으로 시험하기 위함입니다. 그 전까지 이 방법은 현재 진행 중인 태양 주기 25기에 적용되었습니다. 이 주기에 대한 분석은 지자기 추정치로 시작하여 흑점 데이터가 확보됨에 따라 어떻게 점진적으로 정교해지는지를 보여줍니다. 연구는 초기의 자기적 단서와 역사적 쌍둥이를 찾는 유연한 검색을 결합함으로써, 이제 과학자들이 현대 세계에 영향을 미치는 우주 날씨에 더 잘 대비할 수 있도록 태양의 행동에 대한 더 신뢰할 수 있는 예보를 제공할 수 있다는 결론을 내립니다.