행성과학·태양계
소천체 중력장 불규칙성, 신경망 해밀토니안 ODE로 학습…이토카와 착륙 오차 4.6m
연구진은 소천체 근접 궤도의 미지 역학을 추적 데이터만으로 학습하는 방법을 제안했다. 피드포워드 신경망을 시스템 해밀토니안에 삽입한 신경망 해밀토니안 상미분방정식(Neural Hamiltonian ODE)으로 운동방정식을 구성해, 가속도나 퍼텐셜 레이블 없이 현실적 잡음 수준의 위치·속도 궤적만으로 추정하며 새 데이터가 들어오면 연속 학습으로 망을 갱신한다. 이토카와, 67P, 베누, 에로스의 형상을 바탕으로 한 시나리오에서 동일한 궤적으로 추정한 정규화 구면조화함수 전개와 비교했다. 이토카와 탄도 하강 계획에서 추적 데이터만 사용했을 때 착륙 오차 중앙값 4.6m를 기록해 차수 4~12의 구면조화함수 5.1~48.9m보다 우수했고, 촬영된 형상을 사전정보로 쓰면 0.9m까지 낮아지며 어떤 차수의 구면조화함수로도 보이지 않던 국소 밀도 이상까지 복원했다.
arXiv astro-ph.EP (행성계)