제안부터 블랙홀 발견까지, 10세대에 가까운 노력이 그 뒤에 있다
천문학적 실험으로 인해 생성되는 엄청난 양의 데이터에 직면하여 머신 러닝 및 신경망과 같은 AI 기술은 데이터 처리 효율성을 크게 향상시킬 수 있습니다. GAN은 손상되거나 손실된 픽셀을 복구하거나 흐릿한 사진을 선명하게 만들 수 있습니다. 게다가 AI는 과학 연구에 새로운 아이디어를 제공할 수도 있습니다.
2019년 4월 10일 오후 9시, EHT 프로젝트에 참여하는 과학자들은 전 세계 여러 곳의 블랙홀 사진을 공개할 예정입니다. 이 신비롭고 환상으로 가득 찬 천체는 오늘 밤 그 진정한 모습을 드러낼 것입니다!
탄소 기반 생명체가 블랙홀을 직접 "본" 것은 역사상 처음입니다.하지만 AI 기술의 도움 없이는 이런 순간은 매우 멀리 있을지도 모릅니다.
천문학적 실험으로 생성되는 엄청난 양의 데이터(매일 수 TB의 데이터가 생성됨)에 직면하여 이를 인간 팀에만 의존하여 처리하는 것은 상상할 수 없습니다. 결과적으로 AI는 과학자들에게 중요한 도구가 되었습니다.
엄청난 양의 천문학 데이터에는 AI가 필요합니다.
천문학은 오랫동안 엄청난 양의 데이터에 둘러싸여 있었습니다.
예를 들어, 20세기부터 사용되어 온 전파 망원경인 스퀘어 킬로미터 어레이는 현재 매년 전체 인터넷 트래픽과 동일한 양의 데이터를 생성합니다.
슈퍼컴퓨터와 지능형 알고리즘의 도움 없이는 블랙홀 "사진"의 공개는 무기한 연기될 것입니다.
AI의 개입으로 상황이 더 명확해졌습니다.머신 러닝, 신경망 등의 AI 기술을 통해 최소한의 인간 개입으로 효율적이고 신뢰할 수 있는 결과를 얻을 수 있습니다.
현재, 실제로 많은 인공지능 콘텐츠가 천문학 연구에 도입되었습니다. 예를 들어, 기계 학습 알고리즘을 사용하여 천문 관측 데이터를 보관하고 분류하는 것이 있습니다. 머신 러닝 모델을 사용하여 우주 날씨, 태양 활동을 예측하고 새로운 천체를 발견합니다.
캔자스 대학의 연구자들은 머신 러닝을 활용한 천문학 논문의 수가 지난 5년 동안 최소 5배 증가했다고 밝혔습니다.
AI를 활용한 데이터 분석
2007년 과학자 샤윈스키는 엄청난 과제에 직면했습니다. 수천 개의 은하를 외관에 따라 분류하는 일이었습니다.
당시에는 이 작업을 위한 기성 소프트웨어가 없었기 때문에 그는 하나의 아이디어를 생각해냈습니다. 일반 네티즌에게 작업을 크라우드소싱하여 분류를 완료하고 표시하도록 요청하는 것이었는데, 이는 엄청난 프로젝트였습니다. 하지만 오늘은AI를 사용하면 이 어려운 작업을 단 오후 만에 완료할 수 있습니다.
뉴욕 대학의 천문학자 데이비드 호그에 따르면, 그의 연구는 AI와 분리될 수 없습니다.신경망과 같은 기술을 사용하여 스펙트럼을 통해 별을 분류하고 데이터 기반 모델을 사용하여 별의 물리적 특성을 연구합니다.
지난 12월 Astronomy & Astrophysics에 게재된 논문에서 ETH Zurich의 한 팀은 다음과 같이 보고했습니다.생성 모델을 사용하여 은하가 진화하는 동안 겪는 물리적 변화를 연구합니다.이들의 모델은 물리적 과정을 시뮬레이션하고 테스트하는 방법으로 인공적인 데이터 세트를 생성합니다. 예를 들어, 그들은 별 형성 중에 형성 속도가 급격히 떨어지는 현상을 탐구하기 위해 모델 시뮬레이션을 사용했는데, 이는 은하계 환경의 밀도 증가와 관련이 있습니다.
머신 러닝 알고리즘을 활용하여 새로운 발견을 이루다
하이델베르크 이론연구소에서 카이 폴스터러는 천체물리학을 위한 데이터 중심 방법에 중점을 둔 천체정보학 그룹을 이끌고 있습니다. 최근 그들은 기계 학습 알고리즘을 사용하여 은하 데이터 집합에서 적색편이 정보(우주의 팽창을 보여주는 효과)를 추출했습니다. 이는 이전에는 어려운 작업이었습니다.
네덜란드 라이덴 천문대의 연구원인 엘레나 로시는 극히 드문 초고속 별을 연구할 때 데이터에서 원하는 특징을 추출하는 신경망 모델을 구축한 다음, 이를 추가로 필터링하고 추출했습니다.
이 알고리즘은 가이아 위성이 공개한 사진에 사용되었습니다.10억 개의 별 중에서 80개의 후보 초고속별이 선정되었습니다. 과학자들의 최종 분석 결과, 초고속 별 6개가 확인되었습니다.이 숫자는 첫 번째 검색에 좋은 수확입니다.
하지만 폴스터러는 AI 시스템이 아직 완벽하지 않으며, 대부분 알고리즘은 훈련받은 대로만 작업할 수 있다고 지적했습니다.때로는 문제가 생기기도 합니다.예를 들어, 은하 사진을 제공하면 소프트웨어는 은하의 적색편이 정보와 나이를 추정할 수 있지만, 셀카나 물고기와 같은 무작위 사진을 제공하면 결과도 출력합니다.
따라서 이 단계에서는 AI를 활용하려면 여전히 인간 과학자의 감독과 훈련이 필요합니다.
AI가 외계 행성을 성공적으로 '사냥'했습니다.
아직 갈 길이 멀기는 하지만 AI는 이미 천문학 분야에서 어느 정도 성과를 거두었습니다. 예를 들어외계 행성을 탐색합니다.
우주에서 외계 행성을 "사냥"하는 것은 매우 어려운 작업입니다. 외계 행성은 모항성에 비해 열을 발생시키지 못할 뿐만 아니라, 마치 수천 마일 떨어진 곳에서 탐조등 아래 날아다니는 반딧불이를 찾는 것처럼 너무 작습니다.
과거에는 천체물리학자들이 주로 수동으로 외계 행성을 탐색하거나, NASA의 케플러 프로젝트에서 얻은 방대한 양의 데이터를 자동화된 소프트웨어를 사용하여 분석했습니다.
이러한 데이터 포인트는 약 2조 개의 행성 궤도를 구성하며, 이렇게 거대한 데이터베이스에서 행성을 찾으려면 아무리 강력한 컴퓨터라도 오랜 시간이 걸립니다.머신러닝의 등장으로 이 시간은 효과적으로 단축되었습니다.
2017년, 우주 탐사에 열정을 가진 구글 AI 연구원 크리스 샬루는 UT 오스틴(텍사스 대학교 오스틴 캠퍼스)의 천체물리학자 앤드류 반더버그와 함께 텐서플로우 모델을 통해 지구에서 2,545광년 떨어진 케플러-90 은하에서 80g와 90i라는 두 개의 새로운 행성을 성공적으로 발견했습니다.
엔지니어들은 행성을 식별하는 데 있어 TensorFlow 모델의 정확도를 높이고 흑점이나 이중성 등의 다른 천체를 행성으로 착각하는 것을 피하기 위해 15,000개가 넘는 케플러 신호 데이터 세트를 사용하여 모델을 훈련시켰습니다. 그들의 결과는 또한 다음을 입증했습니다.머신러닝 정확도 90% 초과즉, AI를 이용해 우주를 탐험하고 새로운 천체를 발견하는 것이 가능하다는 뜻입니다.
불과 며칠 전, 텍사스 대학의 학생인 앤 다틸로는 간단한 AI 알고리즘을 사용하여 케플러 망원경의 관측 데이터에서 1,300광년 떨어진 두 개의 외계 행성을 발견했습니다.
데이터가 바다를 이루면 수동 처리 작업은 건초더미에서 바늘을 찾는 것과 같지만, 이를 AI에 맡기면 아주 쉬운 일이 될 수도 있습니다.
블랙홀을 "보기" 위해 데이터를 처리하는 데 2년이 걸렸습니다.
블랙홀을 "봤다"는 주제로 돌아가면, 아마도 이런 발견은 오랫동안 우리의 일상 생활에 영향을 미치지 않을 것입니다. 하지만 사람들이 별을 바라보기 시작한 것은 수천 년 전부터이며, 그것이 오늘날의 거대한 우주 탐사로 이어졌다는 사실을 잊지 마세요. AI의 개입은 우리의 탐험에 날개를 더해 줄 수도 있습니다.
오랫동안 사람들이 블랙홀을 이해하는 방식은 이론적인 개념적 설명을 제외하면 공상과학적인 묘사나 예술적 상상력으로 표현된 그림에 불과했습니다.
블랙홀이라는 이름은 매우 생생하며, "모든 것을 받아들이는" 그 특성을 설명합니다. 거대한 질량을 가진 천체는 극도로 강한 인력을 형성하고, 그것을 통과하는 모든 물체는 흡수되며, 빛조차 빠져나올 수 없습니다.
더 정확히 말하면, 그 중력이 너무 강해서 빛이 그 영향권을 벗어날 수 없습니다. 이 범위를 블랙홀의 '사건의 지평선'이라고 합니다.사건의 지평선 안에서는 빛이 '삼켜지고', 블랙홀 자체는 빛을 방출하지 않기 때문에 직접 관찰할 수 없습니다.
그러면 우리는 이 보도자료를 어떻게 보았을까요?
사실, 이번에는 블랙홀에 의해 발생하는 주변 효과에 초점을 맞추고 있습니다. 때로는 블랙홀 주변의 가스 구름이 매우 가까이에 있고, 거대한 중력의 영향을 받아 가스 구름이 블랙홀 주위를 회전하면서 물질의 원반을 형성합니다. 가스는 마찰에 의해 가열되고 강한 복사선을 방출합니다. 그리고 회전 속도는 점점 더 빨라지고, 결국 사건의 지평선을 통과하여 블랙홀 속에서 영원히 사라집니다.이벤트 호라이즌 망원경이 관찰하는 것은 블랙홀의 윤곽을 둘러싼 원반 모양의 빛 고리입니다.
하지만 이 현상을 관찰하려면 적절한 거리와 크기의 블랙홀을 선택하는 것 외에도 충분히 큰 분해능을 갖춘 망원경이 필요합니다.
2017년, 전 세계의 여러 망원경이 간섭계 영상 기술을 통해 이벤트 호라이즌 망원경(EHT)이라는 강력한 관측 어레이를 구성했고, 관측 대상은 우리 은하 중심부의 궁수자리 A* 블랙홀과 은하 M87의 블랙홀이었습니다.
이런 배치를 한 후에야 블랙홀을 사진으로 찍을 수 있습니다. 그리고,이러한 전파 망원경은 직접 사진을 찍지 않고, 방대한 양의 데이터를 수집한 후 과학자들이 이를 이미지로 처리합니다.
"촬영"이 끝난 후부터 최종 개봉까지 기다린 시간은 무려 2년이었습니다. 데이터 양이 PB 수준까지 높아지면서, 다양한 곳에서 데이터를 전송하고 집계하는 것 외에도 최종 분석 및 계산에도 많은 시간이 소모됩니다. 관련 보도에 따르면,이러한 처리 과정에서는 "주성분 분석"과 같은 관련 기술도 사용됩니다.
과학자들이 1783년에 처음으로 블랙홀 개념을 제안한 이후 230년이 넘었고, 지금은 블랙홀에 대한 진실에 가장 가까이 다가간 순간입니다. 우리는 그 답을 아는 첫 번째 청중이 될 기회를 갖게 될 것입니다.
구체적인 내용과 최종 결과는 오늘 밤 기자회견에서 알려드리겠습니다! EHT 프로젝트팀과 중국 과학 아카데미는 상하이 천문대에서 이 최신 성과를 공개할 예정입니다.
기자회견 시간은 베이징 시간입니다. 2019년 4월 10일 21:00상하이, 벨기에 브뤼셀(영어), 산티아고, 칠레(스페인어), 도쿄, 일본(일본어), 타이베이, 중국(중국어), 워싱턴, 미국(영어) 등 전 세계 6개 지역에서 동시에 출시되었습니다.
우리 모두 이 역사적인 순간이 오는 것을 기대해 봅시다!