Evaluating data augmentation techniques in the classification of multi-station seismic-volcanic signals

화산은 안절부절못하는 거인이며, 분출하기 전 종종 속삭임을 보냅니다. 이 속삭임은 지진 신호, 즉 마그마의 이동, 가스의 탈출, 또는 지표 아래에서 암석이 갈라지는 이야기를 전달하며 지표를 통해 전달되는 미세한 진동입니다. 수십 년 동안 과학자들은 이러한 속삭임에 귀를 기울이고 지하에서 무슨 일이 일어나고 있는지 식별하기 위해 끝없이 이어지는 데이터를 수동으로 분류하며 인간 전문가에게 의존해 왔습니다. 이 과정은 느리고 노동 집약적이며, 특히 신호가 희미하거나 데이터가 압도적으로 많을 때 인간의 오류가 발생하기 쉽습니다. 최근 몇 년 동안 컴퓨터는 인공지능을 사용하여 진동의 패턴을 인식함으로써 이 듣기 임무를 대신하기 시작했습니다. 그러나 이 컴퓨터 두뇌들은 중대한 장애물에 직면해 있습니다. 바로 학습을 위해 방대한 양의 사례가 필요하다는 점인데, 화산의 세계에서 드물고 위험한 사건들은 대량으로 찾아내기가 가장 어렵기 때문입니다. 컴퓨터가 적고 불균형한 사례 세트를 통해 학습하려고 하면, 흔히 볼 수 있는 사건들을 지나치게 선호하고 진정한 위험을 알리는 희귀하고 중요한 사건들을 놓치는 편향성을 갖게 되는 경우가 많습니다.

칠레의 노르테 카톨리카 대학교(Universidad Católica del Norte) 연구진은 컴퓨터가 진실을 인식하는 능력을 잃지 않으면서도 더 적은 사례로부터 학습하는 방법을 가르치기 위해 이 문제를 해결하고자 했습니다. 그들은 북부 칠레의 라스카르(Lascar) 화산에 집중했는데, 이곳은 11개의 지진 관측소 네트워크에 의해 모니터링되며 지구의 떨림을 기록하고 있습니다. 연구팀은 전문가들이 이미 다섯 가지 뚜렷한 범주(장주기 이벤트, 화산-지각 이벤트, 하이브리드 이벤트, 지각 이벤트, 트레머)로 분류해 놓은 6,000개 이상의 지진 이벤트 데이터베이스를 수집했습니다. 문제는 이 범주들이 고르게 분포되어 있지 않다는 것이었습니다. 어떤 유형의 이벤트는 흔한 반면, 어떤 것들은 너무 희귀하여 컴퓨터가 그것이 어떻게 생겼는지 학습하는 데 어려움을 겪었습니다. 이를 해결하기 위해 연구진은 '데이터 증강(data augmentation)'이라 불리는 전략을 채택했습니다. 자연이 더 많은 희귀 이벤트를 제공하기를 기다리는 대신, 그들은 수학적 기법을 사용하여 기존 데이터의 새로운 합성 버전을 만들어냈습니다. 이 새로운 예시들은 오해를 불러일으킬 만큼 가짜인 것이 아니라, 본질적인 정체성을 유지하면서도 다르게 보이도록 아주 미세하게 수정된 실제 신호들의 정교한 변형이었습니다. 목표는 컴퓨터에게 더 풍부하고 다양한 예시 라이브러리를 제공하여, 컴퓨터가 특정 세부 사항을 단순히 암기하는 것이 아니라 화산 활동의 근본적인 규칙을 학습하도록 하는 것이었습니다.

연구진은 이 새로운 예시들을 만드는 여러 가지 방법을 테스트했습니다. 어떤 방법은 라디오 채널 사이의 잡음과 유사한 정적 노이즈를 신호에 추가하여 컴퓨터가 여전히 패턴을 인식할 수 있는지 확인했습니다. 다른 방법들은 신호를 시간이나 주파수 측면에서 약간 이동시키거나, 서로 다른 신호의 일부를 결합하여 새로운 하이브립드를 만들어냈습니다. 심지어 그들은 컴퓨터가 두 신호의 가장 좋은 부분을 선택하고 이를 혼합하여 새로운 하나를 만드는 생물학적 진화에서 영감을 얻은 기법도 사용했습니다. 이 새로운 신호들이 얼마나 잘 작동하는지 측정하기 위해, 연구팀은 단순히 컴퓨터가 정답을 맞혔는지뿐만 아니라, 새로운 신호가 원래의 신호와 얼마나 다른지도 측정했습니다. 그들은 새로운 데이터가 새로운 것을 가르칠 만큼 충분히 다양하면서도, 컴퓨터가 실제 화산과 마주했을 때 그 교훈이 적용될 수 있을 만큼 실제 세계와 충분히 유사한지 확인해야 했습니다.

결과는 놀라웠습니다. 연구진은 증강된 데이터만을 포함한 데이터셋으로 훈련된 모델이 분류에서 우수한 성능을 보이는 경우가 많다는 것을 발견했으며, 드리프팅(Drifting), 스펙오그먼트(SpecAugment), 지터링(Jittering) 기법은 각각 97.2%, 95.4%, 93.9%의 테스트 정확도를 달성했습니다. 그러나 연구는 '드리프팅' 기법을 사용하여 실제 데이터와 증강된 데이터를 혼합하여 훈련된 모델이 실제 세계의 신호에 대해 테스트했을 때 98.3%라는 가장 높은 정확도를 달성했다는 사실을 밝혀냈습니다. 이 수치들이 중요한 이유는 컴퓨터가 실제 세계의 노이즈와 변동을 무시할 수 있을 정도로 화산 활동의 근저에 깔린 패턴을 매우 잘 인식하도록 학습했음을 보여주기 때문입니다. 또한 연구는 단순히 희귀 범주에 더 많은 데이터를 추가하는 것만으로는 충분하지 않으며, 추가된 데이터의 품질과 다양성이 더 중요하다는 점을 드러냈습니다. 가장 성능이 좋은 모델은 다양한 신호의 형태와 질감을 접하여, 컴퓨터가 지름길에 의존하는 대신 각 이벤트 유형의 핵심 특성을 학습하도록 강제한 모델들이었습니다.

이 작업은 화산 모니터링의 새로운 길을 제시합니다. 데이터 증강을 사용함으로써, 과학자들은 시작할 때 위험한 사건에 대한 실제 사례가 매우 적더라도 더 견고하고 신뢰할 수 있는 컴퓨터 모델을 구축할 수 있습니다. 이 연구는 증강된 데이터로 훈련된 모델이 단 하나의 화산 데이터로부터 학습하더라도 여전히 잘 일반화될 수 있음을 입증했으며, 이는 전 세계의 다른 화산에도 적용될 수 있음을 의미합니다. 연구진은 성공의 열쇠가 단순히 더 많은 데이터를 갖는 것이 아니라, 컴퓨터가 유연해질 수 있도록 충분히 다양하면서도 실제 세계에 유용할 만큼 유사한 '더 똑똑한 데이터'를 갖는 것이라고 결론지었습니다. 결국, 컴퓨터는 단순히 지진의 횟수를 세는 법을 배운 것이 아니라, 인간 전문가조차 홀로 달성하기 어려울 수 있는 명료함으로 화산의 언어에 귀를 기울이는 법을 배웠으며, 이는 역동적이고 종종 위험한 화산 중심의 진화를 이해하기 위한 강력한 새로운 도구를 제공합니다.