천문·천체물리
딥 앙상블 그래프 신경망으로 전파 검출기 배열의 우주선 방향·에너지 재구성
연구진은 지상 전파 검출기 배열에서 초고에너지 우주선이 유도하는 전압 신호로부터 도래 방향과 에너지를 재구성하는 머신러닝 기법을 개발했다. 신호가 감지된 안테나들을 그래프 구조로 표현해 그래프 신경망(GNN)에 입력하고, 물리적 지식을 신경망 구조와 입력 데이터에 함께 반영해 정밀도를 높이고 완전 데이터 기반 방식보다 필요한 학습 데이터 규모를 줄였다. 현실적인 잡음 조건을 반영한 시뮬레이션 데이터에서 각분해능 0.092도, 전자기 에너지 재구성 분해능 16.4%를 달성했다. 또한 불확실성 추정 기법을 적용해 방향과 에너지 재구성 각각에 신뢰구간을 제공하고, 시뮬레이션과 실제 환경 간 도메인 차이에도 예측이 신뢰할 수 있는 조건을 확인하기 위한 모델 일관성·강건성 검증 전략을 조사했다.
arXiv astro-ph.IM (관측기기)