참여성분위 기상 감지에서의 보상 할당에 대한 귀인 프록시 보정

대규모 IoT 기상 감지 네트워크는 지속적인 참여를 유지하기 위해 인센티브 메커니즘이 필요하지만, 개별 데이터 기여가 네트워크에 가져오는 가치가 얼마인지 결정하는 것은 여전히 해결되지 않은 문제입니다. 기존 접근 방식은 데이터 품질을 다루지만 데이터 평가 (data valuation) 를 다루지 않습니다. 운영 기상학에서 접변 기반 방법 (adjoint-based methods) 은 예보 모델 자체에서 가치를 유도하지만 전량 데이터 동화 인프라가 필요합니다. 우리는 이 공백을 채우기 위해 미분 가능 AI 기상 모델을 활용하고, 격자형 GFS 분석 입력에 대한 기울기 기반 귀인 (gradient-based attribution) 을 후보 가치 신호로 특징짓는 방안을 제안합니다. 이를 위해 400 개 이상의 구성에서 충실도 (fidelity), 보정 (calibration), 비용, 그리고 게임 취약성 (gaming vulnerability) 을 평가합니다. 귀인은 단조롭게 충실한 지불을 통해 근접 최적의 센서 배치 유틸리티를 포착하지만, 적대적 입력에 의해 과장될 수 있으며, 이를 탐지하려면 외부 기준 데이터가 필요합니다. 이러한 발견들은 기울기 귀인을 참여성분위 기상 감지에서의 모델 기반 보상 할당에 대한 계산적으로 검증된 신호로 확립합니다.