모핑 FFT 앙상블 칼만 필터를 이용한 전염병 확산 시뮬레이션 데이터 동화

본 논문은 전염병 확산 시뮬레이션에 데이터 동화 기법을 적용하기 위해, 기존 앙상블 칼만 필터(EnKF)의 계산 복잡도와 작은 앙상블에서 발생하는 공분산 추정 오류를 해결하고자 한다. 이를 위해 두 가지 주요 방법을 제안한다. 첫 번째는 Fast Fourier Transform(Fast Fourier Transform, FFT)을 이용해 공분산 행렬을 주파수 영역에서 대각화하는 FFT EnKF이다. 전통적인 EnKF는 상태 변수 간의 공분산을 전체 행렬 형태로 유지하기 때문에, 앙상블 크기가 수백에 달하지 않으면 샘플 공분산이 잡음에 크게 영향을 받아 필터가 발산한다. 저자들은 상태가 공간적으로 거의 정상(stationary)한 랜덤 필드라고 가정하고, 공분산 C(x_i,x_j)=c(x_i−x_j) 형태를 이용한다. 이 경우 행렬‑벡터 곱은 컨볼루션으로 표현되며, FFT를 적용하면 컨볼루션이 원소별 곱으로 변환된다. 따라서 공분산을 대각 행렬로 근사함으로써, 공분산‑벡터 곱 연산을 O(n log n) 시간에 수행할 수 있다. 이 접근법은 앙상블 크기를 1에 가깝게(실험에서는 5) 줄이면서도, 공분산 추정의 주요 구조를 보존한다. 두 번째는 모핑 변환(morphing transform)이다. 전염병 파동은 위치 이동과 진폭 변동을 동시에 보이는데, 기존 EnKF는 이러한 비선형 변형을 직접 모델링하지 못한다. 모핑 EnKF는 각 앙상블 멤버를 매핑 T_k와 잔차 r_k로 분해한다. 매핑 T_k는 부드러운 변형 함수이며, 잔차 r_k는 진폭 차이를 나타낸다. 이 두 요소는 푸리에 급수의 무작위 계수를 이용해 생성되며, 따라서 FFT와 자연스럽게 결합된다. 변환된 확장 상태 벡터는 (T_k, r_k) 형태로 구성되고, 관측 데이터도 동일한 방식으로 변환된다. 이렇게 변환된 상태에 FFT EnKF를 적용하면, 위치 정렬(registration) 후 진폭을 업데이트하는 두 단계가 효율적으로 수행된다. 연구에 사용된 전염병 모델은 2차원 공간에 S‑I‑R 방정식을 기반으로 한 stochastic cell 모델이다. 감염률은 거리 기반 가우시안 커널 w(x,y,u,v)=α exp(−‖(x−u,y−v)‖/λ) 로 정의되어, 인접 셀 간 전파가 거리와 λ 파라미터에 따라 감소한다. 각 셀의 감염·제거 이벤트는 포아송 과정으로 샘플링되며, 이는 모델에 내재된 확률적 변동성을 제공한다. 모델은 셀별 인구 밀도와 감염/제거 비율을 고려해, 시간 단계마다 S, I, R 값을 업데이트한다. 실험 설정은 중앙아프리카(콩고) 지역을 2km 격자로 나눈 2차원 도메인에서 진행되었다. 초기 감염 파동을 생성하고, 120시간(모델 타임스텝) 후의 상태를 기준으로 데이터 동화 실험을 수행한다. 앙상블은 동일 초기 조건에 무작위 시드와 위치 변형을 가해 5개의 멤버로 구성했으며, 3번의 동화 사이클을 진행하였다. 각 사이클마다 100시간을 전진하고, 관측 데이터는 감염자 수(I) 필드의 “이미지” 형태로 제공되었다. 네 가지 필터를 비교하였다. (1) 표준 EnKF, (2) FFT EnKF, (3) 모핑 EnKF, (4) 모핑 FFT EnKF. 결과는 다음과 같다. 표준 EnKF와 FFT EnKF는 작은 앙상블 때문에 공분산이 저차원화되어 파동 위치를 데이터에 맞추지 못하고, 분석 평균이 거의 변하지 않았다. 모핑 EnKF는 위치 정렬을 성공시켜 파동을 데이터 쪽으로 이동시켰지만, 공분산 추정 오류가 커서 강한 인공 아티팩트가 나타났다. 반면 모핑 FFT EnKF는 위치와 진폭을 동시에 조정하면서도, 주파수 영역에서 대각 공분산을 사용해 잡음 억제가 이루어져 아티팩트가 현저히 감소하였다. 시각적으로는 분석 평균이 관측 데이터와 거의 일치했으며, 파동 형태가 정확히 재현되었다. 논문은 또한 구현상의 세부 사항을 다룬다. 상태 변수는 절대값을 지역 인구 비율로 정규화한 뒤 동화 후 0~1 범위로 클리핑하고, 1% 이하 감염율은 0으로 처리한다. 이는 작은 값에 대한 수치적 불안정을 방지하고, 실제 인구 수를 복원하기 위해 역정규화를 수행한다. 또한, 모핑 변형 함수는 경계에서 0이 되도록 설계했으며, 잔차 r_k는 초기에는 0으로 설정해 불필요한 진폭 변동을 억제했다. 결론적으로, 저자들은 FFT EnKF가 계산 비용을 크게 절감하면서도 작은 앙상블로 충분히 정확한 공분산을 제공한다는 점을 입증하였다. 모핑 변환과 결합하면 파동 형태의 전염병 전파와 같이 비선형 이동이 중요한 현상에 특히 유용하다. 다만, 앙상블이 매우 작을 경우(예: 5) 여전히 공분산 저차원화에 따른 불확실성이 남아, 추가적인 정규화 기법이나 다중 스케일 모핑이 필요할 수 있다. 향후 연구에서는 실제 관측 데이터 적용, 실시간 모바일 디바이스 구현, 그리고 SEIR 등 다른 전염병 모델로의 확장을 제안한다.