천문·천체물리
GAMA DR4 은하·암흑물질 헤일로 특성 동시 예측하는 그래프 어텐션 신경망 'GAMANet' 개발
연구진은 GAMA DR4 데이터셋을 이용해 은하와 헤일로 특성을 예측하는 그래프 기반 딥러닝 모델 GAMANet을 개발했다. 여러 카탈로그를 결합해 19,469개 은하의 통합 표본을 구성하고, 은하를 노드로 공간적 근접성과 그룹 소속에 기반한 연결을 엣지로 삼아 그래프로 표현한 뒤 GATv2 층을 쓴 그래프 어텐션 네트워크로 이웃 은하에 서로 다른 가중치를 부여하며 학습했다. 이 모델은 헤일로 질량, 항성 질량, 비항성형성률(SSFR) 대용 지표를 동시에 예측해 테스트 세트에서 각각 R² = 0.958, 0.985, 0.982를 기록했고, 헤일로 질량의 RMSE는 0.237 dex였다. 연구진은 그래프 기반 학습이 은하 그래프에 담긴 환경적 관계를 반영하면서 관측 데이터로부터 직접 은하·헤일로 특성 정보를 추출할 수 있음을 보여준다고 밝혔다.
arXiv astro-ph.GA (은하)