천문·천체물리
ALMA 밴드패스 보정 이상 신호를 자동 분류하는 머신러닝 프레임워크 제안
전파 간섭계 관측에서 주파수별 기기 응답을 보정하는 밴드패스 보정 결과에는 이상 신호가 섞일 수 있고, 이를 놓치면 과학 데이터 품질이 떨어진다. 연구진은 기존 관측소 파이프라인이 쓰는 스칼라 지표와 선형 결정 경계 대신, 이상 탐지를 지도학습 분류 문제로 다루는 머신러닝 프레임워크를 설계했다. 커널 기반 스캔 통계에서 도출한 특징들을 XGBoost 모델에 결합해 ALMA 밴드패스 보정의 진폭 해에서 이상을 분류하며, 품질 관리를 거친 대규모 ALMA 데이터로 학습했다. 저자들은 이 방식이 현행 파이프라인 휴리스틱보다 오분류를 크게 줄이며, 차세대 전파 관측 시설로도 확장 적용할 수 있다고 밝혔다.
arXiv astro-ph.IM (관측기기)