4건의 기사
연구진이 가변 개수의 태양 활성영역 컷아웃으로부터 플레어 발생을 예측하는 신경망 구조 ARENA(Active Region attENtion Aggregation)를 제안했다. 플레어 발생 여부 라벨만으로 약지도 다중 인스턴스 학습을 수행하며, 플레어 발생 지점에 대한 별도 라벨 없이도 어텐션 메커니즘을 통해 예측에 가장 중요한 활성영역을 찾아낸다. ARENA는 하이드케 기술 점수(Heidke skill score) 0.45를 기록해 기존 플레어 예측 기법들과 비슷한 수준을 보였으며, 코드는 깃허브에 공개됐다.
arXiv astro-ph.IM (관측기기)
arXiv에 태양 플레어와 이에 동반되는 플럭스 로프 방출을 최신 다차원 자기유체역학(MHD) 기법으로 모델링한 연구 동향을 정리한 리뷰 논문(arXiv:2610.20056v1)이 공개됐다. 저자들은 태양 플레어가 자기 재결합 기반 에너지 방출의 '표준 촉광' 역할을 하며 그 영향이 태양권으로 전파되는 과정을 제1원리에서 모델링할 수 있다고 설명하고, 단일 유체·열적 플라스마 진화를 넘어서는 관측적 요소들이 '표준 플레어' 설정에 자기일관적으로 반영된 사례를 짚는다.
arXiv astro-ph.HE (고에너지)
연구진은 솔라 오비터(Solar Orbiter)에 탑재된 STIX(Spectrometer/Telescope for Imaging X-rays) 관측 데이터를 이용해 열적 성분의 방출측정량 지도와 비열적 성분의 전자 플럭스 분포를 동시에 복원하는 새 영상화 기법 'CCI(Count-based spectral Component Imaging)'를 제시했다. 두 개의 열적 성분으로 근사한 미분방출측정량(DEM)과 비열적 전자 플럭스를 관측 계수와 연결하는 선형 모델을 세우고, 이 역문제를 리처드슨-루시 알고리즘으로 풀었다. SOL2024-10-01T22 플레어 관측에 적용한 결과 기존 SCI(Spectral Component Imaging) 기법과 잘 일치했으며, 더 적은 입력으로 동등한 결과를 얻었다. 저자들은 SCI와 달리 CCI가 경X선 집속 광학 영상에도 적용 가능하다고 밝혔다.
arXiv astro-ph.IM (관측기기)
연구진이 합성곱 신경망(CNN)인 ResNet50과 표준 트랜스포머 구조를 결합한 'ResNet-Transformer' 모델을 제안했다. 이 모델은 태양 이미지에서 얻은 공간 데이터와 시계열 데이터를 함께 처리해 24시간·36시간·72시간 구간의 태양 플레어 발생 여부와 등급(C·M·X), 발생 확률을 예측하며, 연구진은 이미지 기반 다중등급 태양 플레어 예측 분야에서 이런 하이브리드 딥러닝 모델은 처음이라고 밝혔다. 가중 정밀도·재현율·F1 점수, 균형 정확도, 매튜스 상관계수(MCC), 코헨 카파, ROC-AUC 등으로 평가한 결과 모든 지표에서 서포트 벡터 머신(SVM)과 단독 CNN 모델 등 기존 기계학습 기법을 앞섰다.
arXiv astro-ph.IM (관측기기)