천문·천체물리
LeoNet: 쌍성 펄사 탐지를 위한 합성곱 신경망 분류 기법 제안
쌍성 펄사는 중력 이론 검증에 유용하지만 궤도 운동에 따른 도플러 변이 때문에 탐지가 어렵고, 기존 푸리에 영역 가속도·저크 탐색은 계산 비용이 크다. 연구진은 학습 가능한 필터 10개로 도플러 변이 신호의 특징을 추출해 10채널 특징 맵을 만들고 이를 합성곱 분류기로 판별하는 신경망 LeoNet을 제시했다. 500초 길이의 시뮬레이션 관측에서 LeoNet은 비교 대상인 PRESTO 가속도 탐색 설정보다 5개 샘플링 간격에 걸쳐 거짓 음성률을 평균 55.5% 상대적으로 낮췄다. TensorRT로 최적화한 LeoNet은 NVIDIA H100 PCIe GPU에서 500초 관측 1건을 FP32 기준 3.44~4.37ms에 처리했으며, 샘플링 간격 128마이크로초 조건에서 평균 3.54ms로 AMD EPYC 9825 CPU의 PRESTO FDAS(1.767초) 대비 측정 처리 시간이 약 499배 빨랐다. 연구진은 밀리초 수준의 처리 속도를 근거로 LeoNet이 실시간 쌍성 펄사 탐색 파이프라인의 후보 식별 단계로 활용될 수 있다고 평가했다.
arXiv astro-ph.IM (관측기기)