북극 도로 지하 영구동토층 예측을 위한 디지털 트윈 기술 개발

북극 지역의 도로 지하에 위치한 영구동토층이 기후 변화로 인해 점차 온도가 상승하고 안정성이 떨어지면서 북부 인프라에 심각한 위협으로 작용하고 있다. 그러나 영구동토층의 변화 양상을 예측하는 것은 쉽지 않은 과제였다. 지하 조건이 짧은 거리에서도 급격히 달라지고, 관측 데이터가 부족하며, 전통적인 모델은 새로운 관측 데이터가 추가될 때마다 갱신하기 어려운 한계가 있었기 때문이다.

최근 미국 지질학회(AGU)의 Journal of Geophysical Research: Earth Surface에 게재된 새로운 연구는 알래스카 Utqiaġvik의 embankment 도로(제방 도로)에서 진행된 현장 관측 데이터를 바탕으로 이 문제를 해결할 수 있는 혁신적인 접근법을 제시했다. 연구팀은 100미터 구간의 광섬유 온도 측정을 통해 얕은 지하층의 온도 변화를 장기간 추적했으며, 기존의 모니터링과 모델링을 분리하는 방식이 아닌, 물리 시스템과 연동되는 디지털 트윈 프레임워크를 개발했다.

물리학 기반 디지털 트윈의 혁신성

이 연구의 핵심은 단순히 기계학습을 활용하는 데 그치지 않고, 물리학 기반 디지털 트윈을 구축했다는 점이다. 연구팀은 열 전달 솔버 내부에 신경망을 내장해 물리 법칙을 유지하면서도 새로운 관측 데이터가 들어오면 불확실한 토양 특성을 실시간으로 갱신할 수 있는 시스템을 구축했다. 이는 단순한 예측을 넘어, 지하 온도장 재구성, 미동결 수분 함량 및 열전도도와 같은 열역학적 특성 추론, 그리고 독립적인 DAS 데이터·보링 온도·실험실 측정값과의 교차 검증까지 가능한 시스템으로 발전시켰다.

이러한 접근법은 특정 지역 한정의 모델링에 그치지 않고, 실시간 영구동토층 예측 및 인프라 모니터링으로 확장 가능한 신뢰성 있는 해결책을 제시한다는 점에서 큰 의미를 지닌다. 특히 북극 지역의 급속한 온난화 속에서 도로 인프라의 안정성을 유지하기 위한 실용적인 대안으로 주목받고 있다.

디지털 트윈 모델의 작동 원리

연구팀이 제안한 디지털 트윈 모델은 다음과 같은 구조로 동작한다. 먼저 신경망(Neural Network, NN)이 각 lateral 위치의 토양 온도를 입력으로 받아 lateral 거리에 따라 변하는 6개의 미지수를 출력한다. 이 미지수들은 열 전달 방정식에 Constitutive relationships(구성 관계식)을 통해 내장되며, 유한 차분법(Finite Difference Method, FDM)으로 시스템을 해결한다. 이후 예측된 온도와 관측된 온도의 차이인 '손실(loss)'을 계산하고, 이 손실 기울기를 역전파하여 신경망의 매개변수를 갱신하는 방식으로 동작한다.

연구 결과 및 향후 전망

이 연구는 물리학 기반 디지털 트윈이 영구동토층의 열역학적 특성을 예측하는 데 얼마나 효과적인지를 입증했다. 특히 도로 인프라 아래의 영구동토층 변화 양상을 실시간으로 모니터링하고 예측할 수 있는 가능성을 열었다는 점에서 큰 주목을 받고 있다. 향후 이 기술이 북극 지역 도로 인프라의 유지보수 및 안전 관리에 적용된다면, 기후 변화로 인한 위험을 사전에 감지하고 대응하는 데 크게 기여할 것으로 기대된다.

“이 연구는 단순히 예측 모델을 넘어서, 물리 법칙을 기반으로 실시간으로 갱신 가능한 시스템을 구축했다는 점에서 큰 혁신입니다. 북극 지역의 인프라 안정성을 위한 새로운 패러다임을 제시할 것입니다.”

참고문헌

• Gou, L., Xiao, M., Zhu, T., Martin, E. R., Wang, Z., Rocha dos Santos, G., et al. (2026). Physics-informed digital twin for predicting permafrost thermodynamic characteristics under an embankment road in Utqiaġvik, Alaska. Journal of Geophysical Research: Earth Surface, 131, e2025JF008787. https://doi.org/10.1029/2025JF008787

※ 본문 및 이미지 저작권: 2026년 저자. CC BY-NC-ND 3.0. 별도 허가 없이 재사용 금지.