CNN으로 X선·21cm HI 모의 관측에서 은하 헤일로 기체 특성 추정
연구진은 IllustrisTNG100·TNG300 시뮬레이션 기반 모의 관측 데이터로 합성곱 신경망(CNN)을 훈련해 헤일로 질량, 기체 비율, 금속 함량, [O/Fe] 함량비를 추정했다. X선과 HI를 결합한 다중 파장 조합은 기체 비율 추정에서 단일 파장보다 일관되게 우수했고, 헤일로 질량 측정은 X선이 앞섰으나 저온(T<10^5 K) 기체 비율에서는 두 파장의 기여가 비슷했다. 동일 노출시간 기준으로 마이크로칼로리미터는 CCD 대비 금속 함량 추정 성능을 1.75배 개선했으며, TNG300에서는 100 ksec X선 노출로 그룹 헤일로 질량을 RMSE 0.04 dex로 추정했다. 연구진은 이러한 딥러닝 기법이 향후 X선·21cm HI 탐사의 장비 개발과 관측 전략 설계를 평가하는 데 활용될 수 있다고 밝혔다.
arXiv astro-ph.GA (은하)
