중력파 파형 대리모델을 JAX로 가속…GPU에서 약 100배 속도 향상
연구진은 머신러닝 기반 중력파 파형 대리모델 mlgw와 mlgw-bns를 JAX 생태계에서 미분 가능하고 하드웨어 가속이 가능한 형태로 구현했다. SEOBNRv5HM 근사 모델로 새로 학습한 대리모델을 쌍성 블랙홀 사례에 적용한 벤치마크에서 CPU 기준으로 기존 mlgw 구현 대비 한 자릿수 이상(10배 이상)의 파형 계산 속도 향상을 보였고, GPU 가속과 대규모 배치 벡터화를 활용하면 약 두 자릿수(100배) 수준에 도달했다. 또한 오픈소스 패키지 GWgpu-jax와 BlackJax-NS 기반 네스티드 샘플링 파이프라인으로 GW150914와 GW170817 이벤트의 모수 추정을 각각 약 12분, 17분 만에 단일 GPU에서 수행했으며, 결과는 LIGO-Virgo-KAGRA 협력단이 보고한 사후분포와 일치했다.
원문 전체를 보시려면
CosmosNews는 원문 전재 없이 요약과 링크만 제공합니다.
관련 기사
딥러닝 기반 중력파 탐색: 정합 필터와 CNN 결합 하이브리드 기법 연구
연구진은 밀집 쌍성 합병(compact binary coalescence)에서 나오는 중력파를 탐색하기 위해 정합 필터링(matched filtering) 개념과 합성곱 신경망(CNN)을 결합한 하이브리드 기법을 제안했다. 아인슈타인 망원경(Einstein Telescope) 같은 차세대 간섭계는 데이터 양과 매개변수 공간이 커져 정합 필터링의 계산 비용이 크게 늘어나는데, 제안된 방법은 통상적인 χ² 기각 검정 없이도 탐색이 가능하다. 가우시안 잡음·과도 잡음에 신호를 주입한 시뮬레이션 데이터로 시험한 결과, 템플릿 뱅크에 반영되지 않은 물리 효과(이심률, 세차운동, 고차 모드)가 포함된 신호나 글리치가 섞인 데이터에서는 기존 정합 필터링과 비슷하거나 더 나은 탐지 효율을 보이면서 자원 효율성이 높았다. 반면 순수 가우시안 잡음 환경의 표준 BNS/BBH 탐색에서는 탐지 능력이 일부 저하되는 것으로 나타났다.
arXiv astro-ph.IM (관측기기)
hyprfine: GPU에서 암흑시대부터 재이온화 시기까지 21cm 신호를 시뮬레이션하는 코드 공개
JAX와 파이썬으로 작성된 hyprfine은 적색편이 z=1100~6 구간의 전천 평균 21cm 신호를 GPU 환경에서 해석적으로 계산하는 시뮬레이션 코드다. ΛCDM 우주론 변수와 초기 별·은하의 천체물리에 따라 우주 시간에 걸친 21cm 신호의 평균 온도를 모델링하며, 연구진은 이 코드가 21cm 신호에 대한 최초의 해석적 GPU 네이티브 시뮬레이션이라고 밝혔다. 1초 미만에 실행되고 GPU 전체에 효율적으로 병렬화되며, 암흑시대(z ≥ 35) 구간에서는 미분이 가능하다.
arXiv astro-ph.IM (관측기기)
외부 메신저 정보를 활용한 중력파 탐지 가능 거리 추정법 'TDR' 제안
연구진은 전자기파나 중성미자 같은 외부 메신저 신호와의 연관성을 가정해 밀집성 쌍성 병합의 중력파 탐지 가능성을 적은 계산량으로 평가하는 'Targeted Detectability Range(TDR)'를 제시했다. 평균적인 광원 변수에 기반한 기존 중력파 탐지 거리와 달리, TDR은 외부 메신저 관측에서 얻은 천구상 위치, 경사각 제약, 구성 천체 질량의 물리적 한계 등 사전 정보를 반영한다. 연구진은 어드밴스드 LIGO와 어드밴스드 Virgo의 첫 세 차례 관측 가동 기간에 관측된 모든 단시간·장시간 감마선 폭발(GRB)에 대한 TDR을 보고했으며, 모델 기반 표적 중력파 탐색이 제공한 90% 배제 거리와 체계적으로 비교해 방법을 검증했다. 전천(全天)·전시간 탐색에서 동시 검출이 없는 경우에도 TDR은 해당 천체가 병합에서 기원했을 가능성에 대해 빠르고 정량적인 제약을 줄 수 있으며, 저지연 구현과 공개를 통해 후속 관측의 우선순위 결정과 관측 자원 배분 최적화에 기여할 것으로 기대된다.
arXiv astro-ph.HE (고에너지)
중력파 템플릿 뱅크 구축 효율화: 근사 등거리 임베딩 학습 기법 'isobank' 공개
연구진은 위치 의존적 계량(metric) 때문에 곡률이 있는 고차원 다양체에서 계산이 사실상 불가능한 구 덮기(sphere covering) 문제를 다루기 위해, 잠재 공간의 유클리드 거리가 물리 매개변수 공간의 고유거리를 근사하도록 좌표변환을 학습하는 정규화 흐름(normalizing flow) 기법 'isobank'를 제시했다. 중력파 템플릿 뱅크 구축에 적용한 결과, 5차원 이심 쌍성 매개변수 공간에서 최대 부정합 μ=0.03 기준으로 97% 커버리지를 달성했으며, 94% 커버리지를 보인 기존 확률적 배치 코드 'mbank'보다 템플릿 수를 23% 적게 썼다. 커버리지는 질량·스핀·이심률에 대해 균일하게 추출한 독립 주입 신호에 대해 계량 근사가 아닌 정확한 파형 매치로 측정했다. 32개 CPU 코어 환경에서 흐름 학습에 약 2.5시간, 뱅크 배치에 1시간 미만이 소요됐고, 코드는 깃허브에 공개됐다.
arXiv astro-ph.HE (고에너지)