천문·천체물리
태양 내부·대기 연구의 머신러닝 응용: 상태벡터 기반 통합 분류 체계 제안
arXiv에 공개된 리뷰 논문(arXiv:2610.34687v1)은 태양 내부와 대기를 강하게 결합된 다중 스케일 동역학계로 보고, 열역학·운동학·자기적 특성으로 규정되는 전역 상태벡터(S)로 형식화한다. 태양 관측은 숨겨진 상태를 부분적으로만 포착하는 투영된 다중 모드 측정이므로 순수 물리 기반 연역에는 근본적 한계가 있다고 지적한다. 저자들은 태양물리학에서 머신러닝의 역할을 추론(Inference), 에뮬레이션(Emulation), 전파(Propagation), 제어(Control)라는 네 가지 수학적 연산자 체계로 정리하고, 이 상태공간 분류 체계로 기존 연구들을 통합해 관측 공백을 메우고 비선형 과정 시뮬레이션을 가속하는 경로를 제시한다.
arXiv astro-ph.IM (관측기기)