딥러닝으로 남반구 고위도 전위 패턴 예측 — 확산 모델이 장기 예보에서 우위

연구진은 SuperDARN 레이더 관측에서 도출한 남반구 고위도 전위 지도를 예측하기 위해 L1 라그랑주점의 태양풍·행성간자기장 측정값을 조건으로 하는 확률적 확산(diffusion) 모델, 조건 없는 확산 모델, 결정론적 U-Net 기준 모델 등 세 가지 딥러닝 구조를 학습·비교했다. 2020~2025년 5년치 SuperDARN 데이터를 DSCOVR L1 측정값과 동기화해 단일 예측, 최대 350프레임의 자기회귀 롤아웃, 학습에 쓰이지 않은 2015년 3월 세인트패트릭데이 대형 폭풍 사례로 평가했다. 결정론적 모델은 짧은 예보 구간과 정온한 조건에서 경쟁력이 있었지만, 예보 구간이 길어지고 현상이 격렬해질수록 확산 모델의 우위가 커졌다. 연구진은 이를 근거로 확률적·표본 기반 생성 모델이 장기 우주기상 예보에 더 유망한 방향이라고 평가했다.