천문·천체물리
신경망으로 복잡한 SED의 밴드패스 적분을 빠르고 정확하게 — 파이썬 패키지 pyfine 공개
분광에너지분포(SED)의 밴드패스 적분을 머신러닝으로 빠르고 정확하게 계산하는 새로운 방법이 제안됐다. 적분 연산자의 비국소성이 목표 함수의 매끄러움을 보장해 신경망 근사에 적합하며, 연구진은 이 계산 방법을 파이썬 패키지 pyfine(FINE: Fast Function Interpolation via NEural NEtworks)으로 공개했다. 자유 매개변수가 각각 3개, 9개인 두 가지 밴드패스 적분 시험 사례에서 샘플링된 매개변수 공간 내 최대 상대 잔차는 각각 0.002%와 0.08%로 낮았고, 실행 시간은 짧고 메모리 부담도 매우 적었다. 단순 수정 흑체 SED를 사용한 첫 번째 사례에서도 신경망의 실행 시간은 최적화된 멀티스레드 방식의 '무차별 대입' 정확 적분 계산보다 두 자릿수(2 orders of magnitude) 빨랐다.
arXiv astro-ph.IM (관측기기)
