Quantifying Climate-Induced Socio-Acoustic Communication Failure in Apis ceranaThrough Sentinel-3 and Integrating Quantum Genomic Tautomerization, Audio-MAE Transformers, and Poincare Hyperbolic Neural Networks Across Geoclimatic Zones

*기술 요약: Apis cerana의 기후 유발 사회-음향적 통신 실패의 정량화*

문제 제로 (Problem Statement)
본 논문은 거시 기후 온난화가 수분 매개자인 토착 꿀벌 Apis cerana의 사회적 조직을 어떻게 교란하는지에 대한 이해의 결정적 공백을 다룬다. 기존 연구들이 온도 스트레스와 개별 곤충의 생리학 또는 개체군 감소 사이의 연관성을 확립해 왔으나, 열 스트레스가 종 내 통신, 정보 충실도 및 집단 의사결정(quorum sensing)을 어떻게 저하시키는지에 대한 기계론적 이해는 제한적이다. 본 연구는 기후 유도적 붕괴가 단순한 인구통계학적 변화가 아니라, 양자 수준의 유전체 불안정성에서부터 군집 수준의 음향 통신 붕괴에 이르는 다중 척도의 정보 처리 실패라고 상정한다. 저자는 기존의 생태학적 모델들이 계층적 신호 발산(signal divergence)을 표현하기 위해 부적절한 유클리드 기하학에 의존하고 있으며, 분자적 타우토머화(tautomerization)와 생물 음향 진단(bio-acoustic diagnostics)을 연결하는 통합된 프레임워크가 결여되어 있다고 주장한다.

방법론 (Methodology)
본 연구는 원격 탐사, 양자 화학, 자기 지도 학습(self-supervised deep learning), 그리고 비유클리드 기하학을 통합하는 고도로 학제적인 프레임워크를 채택한다.

• 데이터 획득 및 조화 (Data Acquisition and Harmonization):

  • 생물학적 데이터: 90개의 Apis cerana 군집을 세 개의 서로 다른 지리 기후 구역(순다르반스 해안 망그로브, 치타공 힐 트랙트, 라지샤히 바린드 트랙트)에서 24개월간(2024년 3월~2026년 2월) 모니터링하였다.
  • 오디오: 44.1 kHz/24-bit 깊이로 10,800시간의 오디오(1,296,000개의 10초 단위 조각)를 연속 녹음하였다.
  • 환경 데이터: 위성 및 재분석 데이터(Sentinel-3 LST, MODIS NDVI, ERA5-Land, CHIRPS)를 15분 격자 단위의 Ordinary Kriging을 사용하여 조화하였다. 역사적 열 추세(2002–2026)는 MODIS와 Sentinel-3 간의 릿지 회귀 보정(ridge regression calibration)을 통해 재구성되었다.
  • 현장 검증 (Ground Truthing): 2주마다 수행되는 다중 오믹스 분석(Phenoloxidase(PO) 활성, Malondialdehyde(MDA), Deformed Wing Virus(DWV) 부하, Vitellogenin 발현 및 유충 면적 측정)를 통해 "복합 생물학적 스트레스 점수(CBSS)"를 도출하였다.

• 신호 처리 및 양자 모델링 (Signal Processing and Quantum Modeling):

  • 노이즈 제거 (Denoising): 원시 오디오는 Stein의 무편향 위험 추정치(SURE) 소프트 임계값 처리가 적용된 Symlet-8 이산 웨이브렛 변환(DWT)을 거쳐, +18.4 dB의 신호 대 잡음비(SNR) 개선을 달성하였다. 이를 통해 일벌의 날갯짓 주파수(230–270 Hz), 여왕벌의 파이핑(400–500 Hz), 열 스트레스에 의한 쉿쉿 소리(1–5 kHz)를 분리하였다.
  • 양자 역학: 하이브리드 양자 역학/분자 역학(QM/MM) 시뮬레이션($\omega$B97X-D/6-311++G(d,p) 및 Ring-Polymer Molecular Dynamics 사용)을 사용하여 DNA 염기쌍에서의 온도 의존적 타우토머릭 양성자 전이를 모델링하고 돌연변이 위험을 정량화하였다.

• 머신러닝 아키텍처 (Machine Learning Architecture):

  • Audio-MAE: 12개 층의 Vision Transformer(ViT) 인코더를 사용하여 무작위로 마스킹된 로그-Mel 스펙트로그램 패치(128 Mel 빈, 862 타임 스텝) 80%를 기반으로 Audio Masked Autoencoder를 사전 학습시켰다.
  • 미세 조정 (Fine-Tuning): 군집 스트레스 상태(건강, 전이, 붕괴)를 분류하기 위해 Audio Spectrogram Transformer(AST)로 미세 조정하였다.
  • 비유클리드 임베딩 (Non-Euclidean Embedding): 768차원의 AST 특징을 리만 아담 최적화(Riemannian Adam optimization)를 사용하여 2D 푸앵카레 디스크(Poincaré disk, 쌍곡 공간) 상에 투영함으로써 계층적 통신 표류(communication drift)를 모델링하였다.

• 검증 프로토콜 (Validation Protocol):

  • 엄격한 군집 단위 데이터 분할을 강제하였다: 훈련 60%(54개 군집), 검증 20%(18개 군집), 테스트 20%(18개 군집).
  • 데이터 누수를 방지하기 위해 5-겹 그룹화 층화 교차 검증(5-Fold Grouped Stratified Cross-Validation)을 사용하였다.
  • 설명 가능한 AI(SHAP) 및 부분 의존성 플롯을 사용하여 특징 중요도를 해석하였다.

주요 결과 (Key Results)

• 열 및 유전적 영향: 24년간 +1.85°C의 온난화 추세가 관찰되었다. QM/MM 시뮬레이션 결과, 상승하는 온도(30°C에서 45°C)가 DNA 양성자 전이의 활성화 에너지를 14.2에서 9.8 kcal/mol로 낮추어, 타우토머릭 전환율을 3.4배 가속화함을 밝혔다.
• 생리학적 붕괴: "붕괴(Collapse)" 상태(CBSS > 0.70)의 군집은 PO 활성이 45.2에서 8.1 mU/mg으로 급감하고, Vitellogenin이 92% 감소하며, DWV 부하가 벌당 2.1에서 9.2 $\log_{10}$ copies로 증가하는 양상을 보였다.
• 음향 및 정보 저하:
  • 표류 속도 (Drift Velocity): 푸앵카레 디스크 내 통신 패턴의 표류 속도는 2002–2012년의 기준치인 0.09 units/year에서 2013–2026년에는 0.38 units/year로 가속화되었다.
  • 충실도 및 지연 시간: 세대 간 전달 충실도($F$)는 0.89에서 0.12로 떨어졌다. 쿼럼 센싱 반응 지연 시간($\tau_{quorum}$)은 심각한 스트레스 하에서 4.2초에서 48.6초로 11.6배 증가하였다.
  • 엔트로피: 섀넌 음향 엔트로피(Shannon acoustic entropy)는 3.2에서 6.8 bits로 증가하였으며(초록에서는 기준치를 3.02 bit로 보고함), 이는 구조적 혼돈으로의 변화를 나타낸다.
• 모델 성능: 미세 조정된 Audio Spectrogram Transformer(AST)는 독립적인 테스트 세트에서 AUC-ROC 0.968, PR-AUC 0.954, macro F1-Score 0.921을 달성하였다. 스택형 앙상블 모델(AST + ResNet + XGBoost)은 AUC-ROC 0.985, PR-AUC 0.972, macro F1-Score 0.962를 달성하였다. SHAP 분석 결과, 스펙트럼 엔트로피(0.42)와 전달 충실도(0.38)가 가장 중요한 특징으로 식별되었다.
• 열역학: 대사 온도 계수($Q_{10}$)는 2.09배 증가한 반면(2.35에서 4.85로), 열역학적 효율($\eta_{thermo}$)은 2.6배 감소하였다(15%에서 2.5%로). 이는 에너지가 채집이나 통신 대신 체온 조절로 전용되었음을 의미한다.

의의 및 주장 (Significance and Claims)
본 논문은 양자 수준의 유전체 불안정성과 군집 수준의 사회적 붕괴 사이의 간극을 메우는 새로운 "생물 음향 및 다중 오믹스 패러다임"을 구축한다고 주장한다. 본 연구의 주요 기여는 다음과 같다:

1. 기계론적 연결: 거시 기후 온난화가 어떻게 DNA의 양자 타우토머릭 변화를 유도하여 면역 억제와 통신 실패로 이어지는지에 대한 최초의 이론적, 경험적 연결을 제공한다.
2. 방법론적 혁신: 곤충 통신의 "문화적 진화적 표류(cultural evolutionary drift)"를 정량화하기 위해 푸앵카레 쌍곡 기하학을 사용하는 것을 도입하였으며, 이는 사회적 신호의 계층적 특성을 포착하는 데 있어 비유클리드 공간이 유클리드 모델보다 우수함을 주장한다.
3. 진단 프레임워크: 자기 지도 학습(Audio-MAE)을 이용한 비침습적 접근법을 검증하여, 음향 신호가 생태계 건강의 민감한 파수꾼 역할을 할 수 있음을 입증하였다.
4. 시너지적 스트레스 요인: 열 스트레스와 병원체 부하(특히 DWV) 사이의 비선형적이고 시너지적인 상호작용을 강조하며, 결합된 스트레스 요인이 단일 요인보다 군집 실패를 더 가속화함을 보여준다.

저자는 이 프레임워크가 정밀 농업과 생태계 관리를 위한 실질적인 도구를 제공하여, 기후 변화에 맞선 수분 매개체의 회복력을 실시간으로 감시할 수 있게 한다고 결론짓는다. 또한, 관찰된 정보 처리의 붕괴는 사회적 조직이 더 이상 존립 불가능해지는 "임계 대화 임계치(critical dialect threshold)"를 나타낸다고 강조한다.