신경망을 사용하여 우주 3D 지도 구축

하와이 대학교 천문학 부서의 천문학자들은 최근에 인공지능 알고리즘을 사용하여 30억 개 이상의 천체를 포함하는 거대한 3D 지도를 구축했습니다. 천문학 팀은 분광 데이터와 신경망 분류 알고리즘을 사용하여 이 작업을 수행했습니다.

2016년, 하와이 대학교 마노아 캠퍼스(University of Hawaii at Manoa)의 천문학 연구소(Institute for Astronomy) 팀은 4년 동안 약 3/4의 밤하늘을 관측하여 수집된 데이터를 포함하는 거대한 데이터셋을 공개했습니다. 이 프로젝트는 Pan-STARRS 프로젝트로 불렸으며, 생성된 데이터셋은 약 2 페타바이트(2백만 기가바이트) 크기였습니다.

막스 플랑크 천문학 연구소(Galaxies and Cosmology department at the Max Plank Institutes for Astronomy)의 한스 발터 리کس(Hans-Walter Rix) 박사는 Phys.org에 따르면 다음과 같이 설명했습니다.

“Pan-STARRS1은 우리의 집銀河, 즉 銀河를 이전에 달성된 것보다 더 자세한 수준으로 매핑했습니다. 이調査는 처음으로 銀河 평면과 디스크의 상당한 부분에 대한 깊은 전역적인 관점을 제공합니다… 그独自の組み合わせ인 이미징 깊이, 면적, 색상으로 인해 가장 멀리 있는 알려진 쿼사들을 대부분 발견할 수 있었습니다. 이것들은 우주의 가장 초기 예시입니다. 즉, 거대한 블랙홀들이 銀河의 중심에서 자랐습니다.”

데이터셋을 공개하는 하나의 목적은 관측된 천체의 분류를 통해 관측 가능한 하늘의 지도를 구축하는 것이었습니다. Pan-STARRS 프로젝트에 참여한 연구자들은 데이터셋을 사용하여 기계 학습 알고리즘을 훈련시켜 지도를 생성했습니다.

하와이 대학교 연구진은 하와이 빅 아일랜드에 위치한 PS1 망원경과 함께 작업했습니다. PS1은 약 75%의 관측 가능한 하늘을 스캔할 수 있습니다. 이 망원경은 세계에서 가장 큰 심도 다색 광학 조사이며, 연구자들은 이 힘을 활용하여 정교한 하늘 지도를 구축하고자 했습니다. 이것은 PS1의 컴퓨터를 훈련시켜 천체를 분류하고, 한 유형의 천체를 다른 유형과 구별하는 것을 포함했습니다. 훈련에 사용된 데이터셋에는 크기, 색상 등과 같은 특징으로 특성화된 수백만 개의 측정값이 포함되어 있었습니다.

사용된 인공지능 알고리즘은 일반적인 피드포워드 신경망과 복잡한 관계를 학습할 수 있는 최적화 방법을 결합한 것입니다. 로버트 벡(Robert Beck), 하와이 대학교 천문학 연구소의 전 우주론 포스닥은, 최첨단 최적화 알고리즘이 사용되어 컴퓨터가 약 400만 개의 천체를 설명하는 데이터셋에 훈련될 수 있었다고 설명했습니다. TechExplorist에 따르면, 연구 팀은 또한 銀河 내의 먼지의 간섭을 보정해야 했습니다. 연구 팀은 불확실성을 평가하기 위해 몬테 카를로 샘플링 방법을 사용했고, 이후 광학적 적색편이(객체의 속도에 대한 추정치)를 사용하여 기계 학습 모델을 훈련시켰습니다.

모델이 훈련된 후, 검증 데이터셋에서 그 성능을 확인했습니다. 네트워크는 쿼사르를 약 96.6%, 별을 97.8%, 銀河를 98.1% 성공적으로 식별했습니다. 또한, 모델은 銀河까지의 거리를 예측했고, 예측이 약 3% 정도 오차가 있는 것으로 나타났습니다.

인공지능 훈련과 활용의 최종 결과는 세계에서 가장 큰 3D 카탈로그였습니다. 이 연구의 공동 저자 중 한 명인 케네스 챔버스(Kenneth Chambers)는, 지즈모도(Gizmodo)에 인용된 바와 같이, 지도를 생성하는 데 사용된 모델이 더 많은 데이터가 수집됨에 따라 지도를 더욱 개선하고 우주에 대한 우리의 이해를 높이는 데 사용될 수 있을 것이라고 설명했습니다. 과학자들은 우주의 모양에 대한 통찰력을 얻고, 우주론적 모델이 새로운 투영과 일치하지 않는 곳을 결정하는 데 지도를 사용할 수 있을 것입니다.