머신러닝 앙상블로 적색편이 미측정 페르미 블레이자 1,590개의 적색편이 분포 추정
페르미-LAT(Fermi-LAT)가 검출한 블레이자 중 약 절반은 분광 적색편이 측정값이 없어 집단 연구와 우주론적 진화 연구가 제한돼 왔다. 연구진은 1/(1+z) 공간에서 35개의 머신러닝 회귀 모델을 앙상블로 구성해 각 천체의 비모수적 적색편이 확률밀도함수(PDF)를 만들고 예측 불확실성을 명시적으로 정량화했다. 그 결과 적색편이가 측정되지 않은 블레이자 1,590개에 대한 예측 적색편이 분포 카탈로그를 구축했으며, 개별 PDF를 합산한 분포는 천체 분류 라벨을 쓰지 않고도 블레이자 특유의 이중 봉우리 구조를 재현했다. 다양한 모델이 비슷한 예측 성능을 보인 점은 입력 특징에서 비롯된 성능 한계(plateau)를 시사한다고 연구진은 밝혔다.
원문 전체를 보시려면
CosmosNews는 원문 전재 없이 요약과 링크만 제공합니다.
관련 기사
페르미-LAT 4FHL 카탈로그 공개: 50GeV 이상 고에너지 감마선원 673개 수록
페르미 감마선 우주망원경(Fermi Gamma-ray Space Telescope)의 대면적 망원경(LAT) 16년 관측 자료를 바탕으로 50GeV~2TeV 대역에서 검출된 천체 673개를 담은 네 번째 고에너지 페르미-LAT 천체 목록(4FHL)이 공개됐다. 감도와 위치 결정 정밀도가 기존 2FHL 카탈로그 대비 약 2배 향상됐고, 검출 천체 수는 2FHL의 거의 두 배로 늘었다. 전체의 84.7%는 외부은하 천체로 주로 BL 라세르타형 천체이며 이 가운데 36개는 적색편이 z>1에 있고, 은하계 내 천체는 10%로 대부분 펄서 풍성운과 초신성 잔해다. 약 5%는 미동정 또는 분류가 불확실한 상태이며, 이전 LAT 카탈로그에 대응 천체가 없던 새로운 천체도 20개 보고됐다. 연구진은 4FHL이 50GeV 이상 대역에서 가장 깊은 전천 탐사로, 우주 감마선 관측과 지상 체렌코프 망원경의 TeV 관측을 잇는 후속 관측 목표 참고 자료가 될 것이라고 밝혔다.
arXiv astro-ph.HE (고에너지)
블레이자 연구 특화 다중 에이전트 AI '아스트로제네시스(AstroGenesis)' 공개
연구진이 문헌 검색, 다파장 관측 데이터 접근·분석, 이론 모델링, 연구 아이디어 도출을 하나의 환경에 통합한 천체물리 전용 다중 에이전트 AI 프레임워크 아스트로제네시스(AstroGenesis)를 arXiv 논문으로 소개했다. 현재 구현은 블레이자(blazar) 연구에 초점을 맞췄으며, 슈퍼바이저 에이전트와 플래너/리플래너 구조가 전문 에이전트들을 조율하고, 사전학습된 신경망 대리모델을 쓰는 이론 모델링 에이전트가 자연어 대화만으로 광대역·다중신호 모델링을 수행한다. 문헌 검색 성능은 두 가지 벤치마크로 평가됐으며, 상위 5개 결과 안에 관련 논문이 최소 1편 포함된 비율은 단일 논문 질문에서 76.6%, 다중 논문 질문에서 79.2%였다. 연구진은 이 프레임워크가 다른 천체물리 분야로도 확장 가능하며 재현 가능한 연구 워크플로를 목표로 한다고 밝혔다.
arXiv astro-ph.HE (고에너지)
제임스웹, 중력렌즈로 일그러진 은하들 포착… 우주 나이 8억 년 은하까지
제임스웹 우주망원경(JWST)이 은하단 MACS J0454.1-0300을 촬영한 이달의 사진을 공개했다. 이 은하단은 우주 나이가 약 80억 년이었을 때의 모습으로 관측되며, 강력한 중력으로 배경 은하의 빛을 휘게 하는 중력렌즈 현상을 일으켜 먼 은하들이 늘어지고 여러 개로 겹쳐 보인다. 렌즈 영역에서는 빅뱅 후 20억 년 시점의 은하 무리와 빅뱅 후 8억 년 시점의 은하 하나가 확인됐으며, 은하 무리는 병합을 겪으며 폭발적인 별 형성을 보이고 있다. 천문학자들은 지름 5광년 정도로 작은 밝은 '매듭' 영역들도 식별했는데, 일부는 300배 이상 확대된 것으로 나타났다. 2014년 공개된 허블 우주망원경의 같은 은하단 이미지와 비교하면 웹은 더 붉은 빛에 훨씬 민감해 수백 개의 은하가 새로 드러났다.
ESA
딥러닝으로 남반구 고위도 전위 패턴 예측 — 확산 모델이 장기 예보에서 우위
연구진은 SuperDARN 레이더 관측에서 도출한 남반구 고위도 전위 지도를 예측하기 위해 L1 라그랑주점의 태양풍·행성간자기장 측정값을 조건으로 하는 확률적 확산(diffusion) 모델, 조건 없는 확산 모델, 결정론적 U-Net 기준 모델 등 세 가지 딥러닝 구조를 학습·비교했다. 2020~2025년 5년치 SuperDARN 데이터를 DSCOVR L1 측정값과 동기화해 단일 예측, 최대 350프레임의 자기회귀 롤아웃, 학습에 쓰이지 않은 2015년 3월 세인트패트릭데이 대형 폭풍 사례로 평가했다. 결정론적 모델은 짧은 예보 구간과 정온한 조건에서 경쟁력이 있었지만, 예보 구간이 길어지고 현상이 격렬해질수록 확산 모델의 우위가 커졌다. 연구진은 이를 근거로 확률적·표본 기반 생성 모델이 장기 우주기상 예보에 더 유망한 방향이라고 평가했다.
arXiv astro-ph.EP (행성계)