천문·천체물리
머신러닝으로 베타붕괴 반감기 예측…r-과정 원소합성·킬로노바 광도곡선에 적용
연구진은 최신 실험 측정값으로 훈련한 혼합밀도신경망(MDN)을 이용해 중성자가 매우 많은 원자핵의 베타붕괴 반감기를 외삽하는 데이터 기반 기법을 제시했다. 일반적인 결정론적 회귀와 달리 MDN은 반감기의 확률분포를 직접 매개변수화해 내재적(무작위) 불확실성을 제공하며, 모든 모델이 실험값과 잘 일치했지만 훈련 데이터셋을 바꾸면 N=126 등온중성자수 계열처럼 데이터가 부족한 영역에서 외삽 결과가 크게 갈렸다. 연구진은 일부 모델 결과를 r-과정 반응망 계산에 반영해 동위원소 존재비에 미치는 영향을 평가하고, 여기에 열화 효율을 결합해 유효 핵가열률을 복사광도 곡선으로 변환했다. 이를 통해 단일 모델의 내재적 불확실성에서 나오는 결과 범위와, 서로 다른 훈련 데이터로 학습된 여러 독립 모델이 만들어내는 결과 범위를 비교했다.
arXiv astro-ph.HE (고에너지)