천문·천체물리
천문 데이터로 검증한 파운데이션 모델의 표현 수렴: JWST·HSC·DESI 관측으로 본 'AI를 위한 과학'
연구진은 천문학을 실험 도구로 삼아 파운데이션 모델들이 공통된 표현으로 수렴하는지를 검증했으며, 분류·자기증류·결합임베딩 예측·오토인코딩·시각언어 사전학습·천문 특화 구조를 아우르는 11개 모델 계열(파라미터 규모 O(10M)~O(10B))을 제임스웹 우주망원경(JWST)·HSC·Legacy 영상과 DESI 분광 데이터에 적용했다. 모든 모델은 천문 특화 미세조정 없이 동결 상태로 평가했고, 선형 프로브로 적색편이·항성질량·비활동별형성률(sSFR)을 추정하는 한편 MKNN(국소)과 CKA(전역)로 임베딩 기하 구조를 비교했다. 그 결과 물리량 예측 성능은 모델 용량에 따라 예측 가능하게 확장됐고, 저수준 통계를 거의 공유하지 않는 DESI 분광과 HSC 영상 사이에서도 전역이 아닌 국소 임베딩 정렬이 물리 성능과 함께 움직였다. 저자들은 이 결과가 엄격한 플라톤적 표현 가설(PRH)보다 아리스토텔레스적 수정안(ARH)을 뒷받침하며, 천문 파운데이션 모델이 범용 사전학습 구조 위에 구축될 수 있음을 시사한다고 밝혔다.
arXiv astro-ph.IM (관측기기)