중국 연구팀, 천체 분류 신형 다중 모달 신경망 개발

현대 천문학 연구에서 천체의 유형을 정확히 구분하는 것은 우주 구조, 은하 진화, 그리고 다크매터 분포 등 핵심적인 과학적 문제를 이해하는 데 필수적이다. 다양한 유형의 천체는 방사 메커니즘에 있어 큰 차이를 보이기 때문에 천문학자들은 일반적으로 스펙트럼 관측을 통해 분류한다. 그러나 스펙트럼을 얻으려면 많은 관측 자원이 필요하며, 대규모 천문 탐사에서는 전반적인 커버리지를 실현하기 어려워 대부분의 천체가 스펙트럼 데이터를 갖추지 못하고 있다. 이는 학계가 우주의 수많은 천체에 대한 체계적인 연구를 진행하는 데 장애가 되어 왔다. 반면, 이미지 관측은 짧은 시간 내에 전체 관측 영역을 완전히 커버할 수 있으며, 스펙트럼 관측보다 더 어두운 천체도 탐지할 수 있다. 또한 광도 데이터는 천체의 방사 메커니즘을 밝혀내는 다중 주파수 스펙트럼 에너지 분포(Spectral Energy Distribution, SED)를 구축하며, 천체의 형태 정보를 제공하여 분류를 위한 추가적인 차원의 정보를 제공한다. 그러나 이미지 형태나 SED 특성을 단독으로 사용하면 일정한 겹침 현상이 발생하여 분류 오류를 초래할 수 있다. 예를 들어, 고 적색편이 준성과 항성은 이미지에서 모두 점원으로 나타나 구별이 어렵다. 색 공간에서도 서로 다른 유형의 천체가 겹쳐 분류가 잘못될 수 있다. 이러한 문제를 해결하기 위해 중국과학원 위>({云}운)남천문대의 박사 후 연구원 펑하이청(Feng Haicheng) 팀은 정저우대학교의 리루이(Li Rui) 박사와 이탈리아 나폴리 페데리코 2세 대학교(Nicola R. Napolitano) 교수와 협력하여 새로운 다중 모드 신경망 모델을 제안했다. 이 모델은 혁신적으로 천체의 형태 특징과 SED 정보를 융합하여 항성, 준성, 은하 등을 자동으로 고정밀로 분류할 수 있다. 이 방법은 이미 유럽남부천문대(European Southern Observatory, ESO)의 천문 탐사 프로젝트(Kilo-Degree Survey, KiDS)의 다섯 번째 데이터 출시에서 1350제곱도의 하늘 영역을 대상으로 2700만 개 이상의 r-밴드 밝기 23등급 미만 천체를 분류하는 데 적용되었다. 이 연구는 중국 우주 정거장 천문 망원경(CSST) 등의 대규모 다중 밴드 천문 탐사 프로젝트에 중요한 참고 가치를 제공한다. 이러한 프로젝트들이 본격적으로 진행되면 수십억 개의 천체 관측 데이터가 생성될 것으로 예상된다. 깊은 학습 기반의 다중 모드 분류 방법은 전통적인 분류 방법보다 빠르고, 자동화되며, 고정밀로 천체를 분류하는 강력한 기술적 지원을 제공할 것이다. 향후 이 팀은 모델의 적용 범위를 확장하고, 더 대규모의 천문 데이터 처리 작업에 활용할 계획이다. 이를 통해 천문 데이터 처리는 '양'에서 '지능'으로의 전환을 지속적으로 이끌어 천문학 데이터베이스의 품질 향상과 우주 진화 규칙의 밝히기에 견고한 기반을 제공할 것이다. 최근, 이 연구 결과는 "다중 모드 신경망 기반 KiDS DR5 소스 형태-광도 분류: 포괄적인 항성-준성-은하 카탈로그(Morpho-photometric Classification of KiDS DR5 Sources Based on Neural Networks: A Comprehensive Star–Quasar–Galaxy Catalog)"라는 제목으로 '천체물리학 저널 보충판(The Astrophysical Journal Supplement Series)'에 발표되었다. 이 연구는 국가 자연과학 기금 위원회, 과학기술부, 윈난성, 중국 인류 우주 비행 프로젝트 등의 지원을 받았다. 이 논문은 20,000개의 천체 샘플을 바탕으로 SED, 스펙트럼 특징, 공간 형태에서의 유형 간 차이를 분석하였으며, 분류 결과 혼동 행렬(confusion matrix)을 통해 성공률을 평가했다. 이러한 접근 방식은 천문학계에서 천체 분류의 효율성과 정확성을 크게 향상시키는 중요한 진전을 이루었다. 앞으로 다중 모드 신경망 모델이 더욱 발전하고 적용 범위가 넓어짐에 따라, 천문학 연구는 대량의 데이터를 효과적으로 처리하고 분석하는 능력을 갖추게 될 것이다.