천문·천체물리
딥러닝 프레임워크 DeepDISC, LSST 실측 데이터(DP1)에 첫 적용… 별·은하 분류 정확도 97.4%
연구진은 장면 단위(scene-level) 딥러닝 프레임워크 DeepDISC를 베라루빈 천문대 LSST의 실제 데이터인 데이터 프리뷰 1(DP1)에 처음 적용해, 확장 찬드라 심천 남부 필드(ECDFS)와 유클리드 심천 남부 필드(EDFS)의 합성 영상에서 천체 검출·분할·별/은하 분류를 한 번에 수행했다. LSST 시뮬레이션으로 사전학습한 모델을 DP1 6개 밴드 영상으로 미세조정한 결과, 엄격한 분류 일치 기준에서 은하와 별의 완전도가 각각 40.2%·13%에서 84.2%·49.1%로 올랐고, 분류 비의존 기준에서는 84.9%·74.3%에 도달했다. 두 분류기가 학습에 쓰지 않은 공통 표본에서 DeepDISC의 분류 성능은 같은 필드에 대해 기존에 발표된 측광 기반 랜덤 포레스트(98.5%)와 약 1%포인트 차이인 97.4%를 기록했으나, 더 어두운 등급에서는 DeepDISC가 별로 분류한 천체가 더 많았고 독립 라벨은 대부분 랜덤 포레스트 쪽을 지지했다. 별도 영역에서 더 깊은 허블우주망원경(HST)/CANDELS 영상과 교차 검증한 미인식 블렌드 비율은 14.9%(95% 신뢰구간 12.5~17.8%)로, DP1 운영 카탈로그의 18.0%와 비슷하거나 다소 낮았다.
arXiv astro-ph.IM (관측기기)