천문·천체물리
딥러닝으로 암흑물질 헤일로 식별… CNN+FoF 기법으로 ROCKSTAR 대비 약 10배 속도 향상
연구진은 우주론적 N체 시뮬레이션에서 암흑물질 헤일로를 찾아내기 위해 3차원 합성곱 신경망(CNN)으로 입자를 헤일로/비헤일로로 분류한 뒤, 병렬화된 FoF(Friends-of-Friends) 군집화 알고리즘으로 헤일로를 구성하는 기법을 제시했다. 학습 데이터는 GADGET-4 시뮬레이션과 ROCKSTAR 헤일로 파인더 레이블로 구성했으며, ROCKSTAR의 $M_{200b}$ 기준에서 최고 해상도의 경우 주요 성능 지표가 모두 98%를 넘었고, FoF 단계의 헤일로 목록은 순도 99% 이상, 질량 5×10^11 태양질량 이상에서 완전도 94%를 유지했다. 질량함수는 기준값과 5% 이내로 일치했고 내부 밀도 분포도 충실히 재현됐다. 연구진은 이 방식이 ROCKSTAR 대비 약 한 자릿수(약 10배) 빠른 대안으로, 빠른 필드 레벨 에뮬레이터와 결합할 때 시뮬레이션 기반 추론의 종단간 순방향 모델링에 유용하다고 밝혔다.
arXiv astro-ph.GA (은하)