MagAO-X 피라미드 파면센서 데이터로 대기 난류 추적해 '바람 유발 헤일로' 제거
적응광학(AO) 장비의 서보 지연 오차로 생기는 '바람 유발 헤일로(WDH)'는 공간 주파수가 낮은 잡음 구조로, 관측 중 세기와 위치각이 변해 KLIP 같은 데이터 기반 별빛 제거 알고리즘으로는 과도한 처리가 불가피하다. 연구진은 6.5m 매젤란-클레이 망원경의 극한 적응광학 장비 MagAO-X가 기록한 파면센서 텔레메트리를 활용해, 코로나그래프 과학 영상 각각에서 WDH를 재구성·제거하는 새로운 작업 흐름을 제시했다. 자체 개발한 처리 파이프라인 windsoCC가 폐루프 파면 데이터를 상호상관해 라스 캄파나스 천문대 상공 여러 난류층의 바람 벡터를 측정하고, 이렇게 얻은 바람 변수를 매개변수 모델에 적용해 WDH의 분포를 복원한다. 연구진은 가시광 파장에서 촬영한 HR 4796A 주변 원반의 실제 관측 영상에서 천체 복원 성능이 크게 향상됐다고 밝혔다.
원문 전체를 보시려면
큐피엑스 우주는 원문 전재 없이 요약과 링크만 제공합니다.
관련 기사
허블, 구상성단 M30의 별들로 우리 은하의 역사를 읽다
NASA/ESA 허블 우주망원경이 염소자리 방향 약 27,500광년 거리에 있는 구상성단 메시에 30(M30, NGC 7099)의 이미지를 공개했다. 구상성단은 수만~수백만 개의 별이 거의 구형으로 뭉친 집단으로, 은하 외곽의 헤일로를 돌며 나이는 115억~135억 년으로 추정돼 우주 자체와 비슷할 만큼 오래됐다. 100여 년 전 할로 섀플리는 변광성 관측으로 구상성단들의 거리를 측정해 태양이 은하 중심이 아니며 은하 중심이 궁수자리 방향에 있음을 밝혔으나, 거리 측정값은 틀려 은하 크기를 실제의 약 두 배로 결론지었다. 연구자들은 M30과 다른 여러 구상성단이 우리 은하의 회전과 반대 방향으로 공전한다는 사실을 발견했으며, 이는 이들이 은하 내부에서 형성되지 않고 과거에 우리 은하에 포획되었을 가능성을 시사한다. 이번 이미지는 ACS와 광시야카메라 3(WFC3)을 사용한 세 가지 관측 프로그램(#10775, #13297, #16298)의 자외선·가시광·근적외선 데이터를 합성해 제작됐다.
NASA
가이아 DR3로 본 용골성운 젊은 별들의 운동: 외곽은 팽창, 중심부는 회전
가이아(Gaia) DR3와 교차 검증한 젊은 항성체(YSO) 표본에 12CO(1-0) 분자가스 관측, APOGEE 시선속도 자료를 결합해 용골성운(Carina Nebula)의 운동학을 분석한 연구가 arXiv에 공개됐다. 용골성운 외곽 4개 하위 영역의 YSO 고유운동은 체계적인 외향 팽창을 보였고 2차원 팽창속도는 약 0.57~4.56km/s였으며, 중심 영역의 YSO는 위치각 86.9±1.5도 축을 중심으로 1.75±0.03km/s의 질서 있는 회전을 나타냈다. 연구진은 운동량 추정 결과 외곽의 팽창이 거대 OB형 별의 피드백과 과거 초신성 폭발의 복합 효과일 가능성이 있다고 보고, 거대분자운의 역학적 진화에서 대질량성 피드백이 지배적 역할을 한다고 결론지었다.
arXiv astro-ph.GA (은하)
거대마젤란망원경(GMT) 편광관측 과학적 타당성·기술요구사항 문서 공개
거대마젤란망원경(Giant Magellan Telescope)의 편광관측(polarimetry) 장비에 대한 과학적 타당성과 기술 요구사항을 정리한 arXiv 논문이 공개됐다. 편광 정보는 다른 방법으로는 분해할 수 없는 광원의 기하구조와 자기장 특성을 드러낼 수 있지만, 모델을 구분할 수 있는 결정적 지표는 편광도 0.1% 수준의 정밀도에서야 나타난다. 분광편광관측의 경우 각 분광 구간마다 100만 개가 넘는 광자를 모아야 해서 대구경 망원경이 필요하며, 저자들은 거대 분할거울 망원경(GSMT)의 완성이 천문 편광관측의 새로운 발견 시대를 열 것으로 전망했다.
arXiv astro-ph.IM (관측기기)
소규모 천문 이미지 분류기, 높은 정확도가 '형태 학습'의 증거는 아니다 — arXiv 논문
연구진은 은하·구상성단·성운·산개성단 4개 클래스 분류 과제에서 카탈로그로 확인된 물리적 천체 370개(각 천체당 디지털화 전천탐사(DSS) FITS 3개 밴드)를 구성하고, 동일 천체가 겹치지 않도록 훈련 222개·검증 75개·테스트 73개로 분할해 평가했다. 직접 학습시킨 CNN-트랜스포머 모델과 ImageNet 사전학습 ResNet-50, ViT-B/16을 비교한 결과 적응형 전체 시야 기준 평균 균형 정확도는 각각 0.773±0.014, 0.874±0.054, 0.866±0.023였고, ResNet-50과 ViT-B/16의 차이는 0.007포인트(95% 클러스터 부트스트랩 구간 [-0.048, 0.062])로 홈 보정 후 어떤 구조 간 비교도 귀무가설을 기각하지 못했다. 촬영 설정과 카탈로그 메타데이터만 활용한 대조군이 0.721~0.735, 중심 영역을 가린 적응형 시야가 0.731~0.800을 기록해, 이미지 맥락·촬영 조건·카탈로그 유래 속성이 상당한 클래스 정보를 담고 있음이 드러났다. 연구진은 이런 조건에서 높은 정확도를 분류기가 천체의 형태를 학습했다는 증거로 해석할 수 없으며, 이번 비교가 모델 구조와 사전학습의 효과를 분리하지도 못한다고 결론지었다.
arXiv astro-ph.IM (관측기기)