천문·천체물리
머신러닝 앙상블의 '일반화 평균' 합의로 중력렌즈 탐색의 오탐 줄인다 — KiDS DR4 연구
연구진은 KiDS DR4 자료에서 강한 중력렌즈 후보를 선별할 때 Li ResNet+, Swin Transformer 계열, Swin-MLP, DemiLensNet 등 합성곱·트랜스포머·하이브리드 분류기를 훈련한 뒤 출력 확률을 점수 단계에서 결합했다. 실제 KiDS DR4 혼합 테스트셋에서 완전성 90% 기준 오탐률은 최상위 단일 모델 두 개의 0.016~0.020에서 7개 모델 산술평균 앙상블로 0.011까지, 일반화 평균 합의로는 0.007까지 낮아졌다. 동일한 90% 완전성 조건에서 전체 LRG·BG 표본에 적용하자 최상위 단일 모델 대비 반환 후보 수가 LRG는 약 50%, BG는 약 70% 줄었다. 육안 검수 결과 A등급 24개와 B등급 146개를 포함한 신규 고품질 후보 170개, 그리고 C등급 후보 1,706개를 확보했다. 다만 시뮬레이션 테스트셋에서는 앙상블이 최상위 단일 모델보다 나은 성능을 보이지 않았다.
arXiv astro-ph.GA (은하)
