피씨엔은 세종대학교 인공지능(AI) 연구실과 공동으로 인공위성의 미래 궤도와 위치를 최대 한 달 앞까지 예측하는 AI 모델 '오빗에프엠(OrbitFM)'을 개발하고, 이를 글로벌 오픈소스 플랫폼인 허깅페이스에 공개했다고 19일 밝혔다.
이번에 공개된 OrbitFM은 위성의 궤도 정보를 담은 국제 표준 데이터 형식인 투 라인 요소(TLE) 시계열을 입력받아 향후 궤도 요소의 변화와 위성의 위치를 예측하는 모델이다. 저궤도(LEO) 위성을 대상으로 2005년부터 2024년까지 20년치의 방대한 TLE 기록을 정제해 학습에 활용했다.
OrbitFM의 핵심은 최신 시계열 파운데이션 모델을 우주 도메인에 맞게 재학습시켰다는 점이다. 피씨엔은 25억(2.5B) 파라미터 규모의 대형 시계열 모델을 기반으로, 위성별 궤도 요소의 일 단위 변화 데이터를 학습시켜 궤도의 '흐름'을 읽어내는 모델을 만들었다.
특히 태양 전파 플럭스(F10.7)와 지자기 활동 지수(Ap) 등 이른바 '우주기상' 데이터를 입력에 함께 결합한 것이 차별점이다. 태양 활동이 활발해지면 지구 대기가 팽창해 저궤도 위성이 받는 대기 항력이 커지고 궤도 감쇠가 빨라지는데, 기존 방식은 이러한 변화를 반영하지 못했다. OrbitFM은 20년치 우주기상 기록과 궤도 변화의 상관관계를 데이터로 학습해, 단일 TLE 전파 방식이 놓치는 궤도 감쇠 신호를 포착한다.
데이터 품질 관리에도 공을 들였다. 원본 TLE 기록에서 물리적으로 불가능한 값과 이상치(outlier)를 통계 기법으로 걸러내고, 불규칙한 관측 간격을 일 단위 시계열로 재구성하는 등 자체 전처리 파이프라인을 구축했다. 또한 절대 궤도값이 아닌 일별 변화량(drift)을 예측하도록 학습 목표를 설계해, 장기 궤도 감쇠 신호를 정밀하게 학습할 수 있도록 했다.
성능 검증은 미래 정보 누출을 방지하기 위한 시간 기준 분할 방식으로 진행됐다. 2022년 이전 데이터로만 학습한 뒤 2023년 이후 데이터로 평가했으며, 최대 1500개 위성을 대상으로 기존 표준 방식과 위치 오차를 직접 비교했다. 그 결과 OrbitFM은 3일 예측에서 평균 위치 오차를 약 32.8%, 7일 예측에서 약 48.8% 줄였으며,14일과 30일 예측에서도 약 50%의 개선을 유지했다.
피씨엔은 OrbitFM의 모델 가중치와 학습·평가 파이프라인 전체를 허깅페이스에 아파치 2.0(Apache 2.0) 라이선스로 공개했다.
이우성 피씨엔 R&S본부 이사는 “OrbitFM은 AI 시계열 파운데이션 모델이 언어와 금융을 넘어 우주 영역의 물리 현상까지 학습할 수 있음을 보여준 사례”라며 “앞으로도 산학 협력을 바탕으로 우주·환경 등 공공성 높은 분야에서 기술의 사회적 가치를 실현하는 AI 연구개발을 지속해 나갈 것”이라고 말했다.
강성전 기자 castlekang@etnews.com
