천문·천체물리arXiv astro-ph.IM (관측기기)
X선 천체 분류, 3D CNN으로 공간-스펙트럼 정보 함께 쓰면 성능 향상
XMM-뉴턴(XMM-Newton) 모의 관측 데이터로 활동은하핵(AGN)과 은하단을 구분하는 합성곱 신경망(CNN) 모델을 1D(스펙트럼)·2D(이미지)·2D+1D·3D(이벤트 큐브) 데이터 표현별로 비교한 벤치마크 연구다. 공간-스펙트럼 이벤트 큐브에 직접 적용한 3D CNN이 교차검증 구간 전반에서 가장 일관된 성능을 보였고, 3D-GradCAM 해석 분석에서는 이 모델이 은하단 내 매질의 확산된 열적 방출과 AGN의 국소적·비열적 멱법칙 특성을 스스로 구분해 학습한 것으로 나타났다. 다만 2D와 1D를 결합한 기준선 대비 성능 향상폭은 미미했다. 연구진은 이벤트 큐브의 총 광자 수를 직접 다루기 때문에 수동 배경 차감과 모델링이 필요 없어, 대규모 X선 천체 목록의 자동 분류에 적용할 수 있는 일관된 종단간(end-to-end) 파이프라인이 된다고 설명했다.




























