Sentinel-2를 사용한 호수의 Chlorophyll-$a$ 예측을 위한 진화적 아키텍처 탐색

요약

본 연구는 Sentinel-2 데이터를 활용한 호수 Chlorophyll-$a$ 예측 모델의 아키텍처 탐색(NAS)을 수행했습니다. 기존 수작업 설계 모델 대비, 정규화된 진화 기법으로 검색된 네트워크가 더 높은 성능 향상을 보였습니다. 이 새로운 모델은 파라미터 수가 적고 크기가 작아 실제 온보드 스크리닝 트리거로 활용 가능합니다.

핵심 포인트

• NAS를 통해 기존 수작업 설계보다 우수한 예측 성능 달성 (AUC 0.790 -> 0.820).
• 최적화된 아키텍처는 적은 파라미터(409개)로 높은 효율성을 보임.
• 탐색된 조합(단일 레이어, RMS 정규화 등)은 실무자가 구현하기 어려움.
• 결과 모델의 크기가 작아 온보드 스크리닝 트리거로 활용 가능함.