천문·천체물리
중력파 추론의 통계적 유의성 강화: '증거 신경망'으로 베이즈 인수 배경분포 구축
LIGO-Virgo-KAGRA 공동연구단의 중력파 데이터 분석은 세차운동·이심률 같은 천체물리 효과를 판단할 때 베이즈 인수(Bayes factor)에 크게 의존하지만, 잡음 상태에서의 베이즈 인수 분포가 알려져 있지 않아 정량적인 통계적 진술을 하기 어렵다는 한계가 있다. 또한 중력파 이벤트 가운데 최소 20%가 일시적 잡음 인공물을 포함해 통계적 의미가 더욱 모호해지며, 개별 이벤트 중첩 표본추출(nested sampling) 결과에 의존하는 집단 수준 분석은 검출 수가 늘어날수록 불확실성과 편향이 커진다. 이번 논문은 데이터셋 간 구별 가능성을 학습해 베이즈 인수를 추론하는 증거 신경망(evidence networks)으로 이 문제들을 해결할 수 있음을 제시하며, 초당 최대 10^5개의 베이즈 인수를 계산해 다양한 신호 가정 아래 배경분포를 구성하고 유의성을 추정한다. 연구진은 이 방식의 높은 정밀도로 최대 10^4개 이벤트까지 집단 수준 양에 식별 가능한 편향 없이 확장할 수 있으며, 가우시안·정상 잡음 가정에 의존하지 않는 우도 없는(likelihood-free) 방법의 토대를 마련했다고 밝혔다.
arXiv astro-ph.IM (관측기기)
