A force-free field (FFF) is determined solely by the normal components of magnetic field and current density on the entire boundary of the domain. Methods employing three components of magnetic field suffer from overspecification of boundary conditions and/or a nonzero divergence-B problem. A vector potential formulation eliminates the latter issue, but introduces difficulties in imposing the normal component of current density at the boundary. This paper proposes four different boundary treatment methods within the vector potential formulation. We conduct a comparative analysis of the vector potential FFF solvers that we have developed incorporating these methods against other FFF codes in different magnetic field representations. Although the vector potential solvers with the new boundary treatments do not outperform our poloidal-toroidal formulation code, they demonstrate comparable or superior performance compared to the optimization code in SolarSoftWare. The methods developed here are expected to be readily applied not only to force-free field computations but also to time-dependent data-driven simulations.

본 논문에서는 대규모 실시간 매칭의 생존 게임에서 플레이를 위한 유저들의 소셜 관계에 대해 연구한다. 특 히 “사전 팀 구성”을 통한 자의적인 팀 구성이 어떤 방식으로 유저들을 연결하는 지 연구하고자 한다. 다수 의 사람 간 집단 역학에서 나타나는 특성이나 패턴에 대한 조사를 중심으로 하였으며, 개인의 특성은 보조적 인 수단으로만 사용된다. 이번 연구에서는 게임을 플레이하는 유저들의 익명화 된 대규모 데이터를 활용하며 이에 대한 간소화된 집계 방법을 제안한다. 데이터 세트에는 사전 팀 구성에 관한 11,259만 줄의 속성이 포 함되어 있으며, 데이터에서 우리는 250만개의 노드와 1,182만개의 무방향 에지가 있는 협업 네트워크를 구성 하여 대규모 게임 내 협동 네트워크를 만듭니다. 연결 정도, 경로 길이, 클러스터링 및 소속 하위 컴포넌트의 크기 등 네트워크에 관한 수치를 통해 게임내 소셜 활동에 대한 이해를 높이고자 한다. 본 논문에서는 다음 의 두가지 특성을 중심으로 결론을 제시한다. 첫째, 네트워크 내에는 대규모로 연결된 2개(전체의 44% 및 2%)와 나머지의 파편화된 하위 컴포넌트로 구성 되어있다. 이 대규모 컴포넌트 중 작은 쪽은 한국 유저로만 구성되어 있다. 둘째, 컴포넌트 크기 별 평균 연결 거리와 군집화 계수, k-core를 확인함으로써 기타 다른 네 트워크 대비 이웃 간 연결이 강하면서 전체적으로는 비교적 멀리 떨어져 있음을 확인한다.

본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.

지각판의 움직임은 오일러 극(Euler pole)을 중심으로 하는 회전운동으로 나타낼 수 있다. 우리는 먼저 지역적 지각판의 속도자료로부터 해당 판운동의 오일러 벡터를 근사적으로 결정하는 알고리즘을 다음과 같이 개발하였다; 1) 관측된 판속도자료로부터 평균 가상 오일러 극을 먼저 구하고, 2) 평균가상극과 관측지역의 중심을 통과하는 대원 위의 점들을 각각 극으로 설정하여, 3) 얻어지는 각 임시적 가상 모델의 판운동속도와 관측속도와의 차이의 제곱들의 합을 반복하여 구한 다음, 그 값이 최소가 되도록 보간법(interpolation)으로써 오일러 벡터를 결정함. 그런데 최근 우리는 이 와 근본적 개념은 같으나(최소제곱법), 제곱오차의 합의 편미분계수가 0이 되는 조건으로부터 곧바로 오일러 벡터를 결 정하는 알고리즘을 추가적으로 개발하였으며, 이 개선된 방법으로 판운동의 오일러 벡터를 보다 더 정확하게 산출하게 되었다. 한편 이 두 가지 방법을 최근 수년간의 한반도의 GPS 지각속도자료에 각각 적용하여 한반도 지각판의 오일러 벡터를 구하였으며, 얻어진 두 결과를 비교하였다.

모기는 감염병을 매개하는 종으로 전염병 확산 억제를 위해서는 개체수의 감시와 정확한 예측이 필요하다. 본 연구에서는 모기 개체수 및 기상 및 현장 자료를 활용해 모기 개체수 머신러닝 모델을 개발하였다. 모기 개체수는 디지털 모기 측정기(Digital Mosquito Monitoring System, DMS)의 2015 년~2022년의 5월~10월의 자료를 활용하였다. 기상 자료는 기온, 강수량, 풍속, 습도를 사용하였으며, 현장 조사 자료는 현장을 명목척도와 서열척도로 나누어 기록하여, 명목 척도의 경우 원핫 인코딩으 로 변환해 수치화하여 사용하였다. 분석에 사용된 머신러닝 모델은 Artificial Neural Network, Random Forest, Gradient Boosting Machine, Support Vector Machine이며 성능지표로 R2, RMSE를 사용하였다. 연구 결과, Gradient Boosting 모델이 R2 0.4, RMSE 22.45로 가장 좋은 성능을 나타냈다. 현장 조사 자료 를 분석에 활용하였을 때 R2는 증가하였고, RMSE는 감소하였다. 본 연구 결과 모기 개체수에 현장 조사 자료가 예측 정확도를 향상시킬 수 있음을 확인하였다.

2차원 평면에서 점들의 집합에 대한 보로노이 다이어그램을 구현하는 경우는 비사실적 렌더링이나 스타일화 된 렌더링에 매우 자주 사용하는 기법이다. 하지만 기존의 연구들의 구현 방법을 살펴보면 픽셀기반의 이미지 공간에서 보로노이 셀을 계산하는 방식이 활용된다. 벡터기반의 보로노이 다이어그램의 구현은 셀들이 만나서 이루는 경계부분을 직접적으로 표현할 수 있는 방식이다. 픽셀 기반의 방법의 경우 보로노이 셀간의 경계는 이미지 형태로 먼저 만든 후 에지 추출 영상 처리를 통해 얻을 수 있으며 해상도에 따라 정확도가 결정되며 벡터 기반의 방법보다 부정확할 수 밖에 없다. 즉, 픽셀 기반의 보로노이 다이어그램 생성 방법은 보로노이 셀 영역을 위주로 계산하게 되고 명확한 경계에 대한 데이터를 명시적으로 가지고 있지 않는다. 이와는 대조 적으로 벡터 기반의 보로노이 다이어그램 생성 방법은 보로노이 다이어그램의 경계선 데이터를 직접 포함하 고 있으므로 정확도가 높은 표현 방법이라고 할 수 있다. 다만 픽셀기반의 구현 방법이 좀 더 직관적이고 쉬 운 구현 방법이라는 점 때문에 기존의 연구들은 픽셀기반의 구현을 사용하고 있다. 본 연구에서는 점에 직접 폴리곤 지오메트리를 사용하여 3차원 공간에서 보로노이 다이어그램을 계산하는 방법을 제안한다. 유클리드 거리와 맨해튼 거리를 모두 사용할 수 있으며 선분에 대한 보로노이 다이어그램의 확장에도 사용할 수 있도 록 제안하였다.

A low- and intermediate-level radioactive waste repository contains different types of radionuclides and organic complexing agents. Their chemical interaction in the repository can result in the formation of radionuclide-ligand complexes, leading to their high transport behaviors in the engineered and natural rock barriers. Furthermore, the release of radionuclides from the repository can pose a significant risk to both human health and the environment. This study explores the impact of different experimental conditions on the transport behaviors of 99Tc, 137Cs, and 238U through three types of barrier samples: concrete, sedimentary rock, and granite. To assess the transport behavior of the samples, the geochemical characteristics were determined using X-ray diffraction (XRD), X-ray fluorescence (XRF), Fouriertransform infrared spectroscopy (FTIR), scanning electron microscopy with energy-dispersive X-ray spectroscopy (SEM-EDS), and Brunauer-Emmett-Teller (BET) analysis. The adsorption distribution coefficient (Kd) was used as an indicator of transport behavior, and it was determined in batch systems under different conditions such as solution pH (ranging from 7 to 13), temperature (ranging from 10 to 40°C), and with the presence of organic complexing agents such as ethylenediaminetetraacetic acid (EDTA), nitrilotriacetic acid (NTA), and isosaccharinic acid (ISA). A support vector machine (SVM) was used to develop a prediction model for the Kd values. It was found that, regardless of the experimental parameters, 99Tc may migrate easily due to its anionic property. Conversely, 137Cs showed low transport behaviors under all tested conditions. The transport behaviors of 238U were impacted by the order of EDTA > NTA> ISA, particularly with the concrete sample. The SVM models can also be used to predict the Kd values of the radionuclides in the event of an accidental release from the repository.

The organic complexing agents such as ethylenediaminetetraacetic acid (EDTA), nitrilotriacetic acid (NTA), and isosaccharinic acid (ISA) can enhance the radionuclides’ solubility and have the potential to induce the acceleration of radionuclides’ mobility to a far-field from the radioactive waste repository. Hence, it is essential to evaluate the effect of organic complexing agents on radionuclide solubility through experimental analysis under similar conditions to those at the radioactive waste disposal site. In this study, five radionuclides (cesium, cobalt, strontium, iodine, and uranium) and three organic complexing agents (EDTA, NTA, and ISA) were selected as model substances. To simulate environmental conditions, the groundwater was collected near the repository and applied for solubility experiments. The solubility experiments were carried out under various ranges of pHs (7, 9, 11, and 13), temperatures (10°C, 20°C, and 40°C), and concentrations of organic complexing agents (0, 10-5, 10-4, 10-3, and 10-2 M). Experimental results showed that the presence of organic complexing agents significantly increased the solubility of the radionuclides. Cobalt and strontium had high solubility enhancement factors, even at low concentrations of organic complexing agents. We also developed a support vector machine (SVM) model using some of the experimental data and validated it using the rest of the solubility data. The root mean square error (RMSE) in the training and validation sets was 0.012 and 0.016, respectively. The SVM model allowed us to estimate the solubility value under untested conditions (e.g., pH 12, temperature 30°C, ISA 5×10-4 M). Therefore, our experimental solubility data and the SVM model can be used to predict radionuclide solubility and solubility enhancement by organic complexing agents under various conditions.

Most of the predictions using machine learning are neutral predictions considering the symmetrical situation where the predicted value is not smaller or larger than the actual value. However, in some situations, asymmetric prediction such as over-prediction or under-prediction may be better than neutral prediction, and it can induce better judgment by providing various predictions to decision makers. A method called Asymmetric Twin Support Vector Regression (ATSVR) using TSVR(Twin Support Vector Regression), which has a fast calculation time, was proposed by controlling the asymmetry of the upper and lower widths of the ε-tube and the asymmetry of the penalty with two parameters. In addition, by applying the existing GSVQR and the proposed ATSVR, prediction using the prediction propensities of over-prediction, under-prediction, and neutral prediction was performed. When two parameters were used for both GSVQR and ATSVR, it was possible to predict according to the prediction propensity, and ATSVR was found to be more than twice as fast in terms of calculation time. On the other hand, in terms of accuracy, there was no significant difference between ATSVR and GSVQR, but it was found that GSVQR reflected the prediction propensity better than ATSVR when checking the figures. The accuracy of under-prediction or over-prediction was lower than that of neutral prediction. It seems that using both parameters rather than using one of the two parameters (p_1,p_2) increases the change in the prediction tendency. However, depending on the situation, it may be better to use only one of the two parameters.

국내 감염병 매개 모기인 흰줄숲모기(Aedes albopictus), 중국얼룩날개모기(Anopheles sinensis s.l.), 빨간집모기(Culex pipens), 작은빨간집 모기(Cx. tritaeniorhynchus)를 대상으로 살충제 deltamethrin, etofenprox, bifenthrin를 석유, 등유, 그리고 물로 희석하여 휴대용 가열연막과 차량용 가열연막의 방제효과를 측정하였다. 실험은 야외에서 일정한 거리에 암컷모기가 들어있는 노출장을 매단 스탠드를 세우고 실시하였다. 세 종류의 살충제를 각각 경유에 희석하여 살포한 휴대용 가열연막은 10 m 이내의 모기에 대해 평균 52.0%의 치사율을 보였고, 살충제를 물로 희석하여 사용한 휴대용 가열연막의 모기 치사율은 평균 64.0%였다. 살충제를 경유로 희석한 차량용 가열연막은 모기에 대해 살포 거리 50 m 이 내에서 평균 34.8%의 치사율을 보였다. 가열연막용 살충제의 희석제로 사용되는 경유와 등유의 모기 치사효과는 등유가 경유에 비해 1.9배 높게 나타났다.