천문·천체물리
OCCAMS: 다중작업 학습으로 CMB 파워 스펙트럼에 필요한 잠재변수 6개 확인
연구진은 우주론 모형을 전혀 내장하지 않은 변분 오토인코더(VAE) 기반 다중작업 학습 모델을 CLASS로 생성한 CMB 온도·편광 파워 스펙트럼(TT, TE, EE, 2≤ℓ≤2500)에 학습시켜, 스펙트럼을 재현하는 데 필요한 잠재변수 개수 L을 5·6·7로 바꿔가며 조사했다. 플랑크(Planck) 2018 데이터와 χ̂², AIC, BIC, 베이즈 증거로 비교한 결과, 설정과 전략의 6가지 조합 중 4개에서 L=5에서 L=6으로 갈 때 적합도가 개선되고 그 이상에서는 개선되지 않았으며, 6개 중 5개 사례에서 L=6이 최적이거나 최적에 가까웠다. 즉 표준 우주론의 자유 매개변수 수와 같은 6개의 잠재변수가 필요하다는 결론이다. 또한 분리(disentanglement) 가중치를 고정한 준자동(SA) 방식은 더 뚜렷한 변수 분리를 보인 반면, 가중치를 학습시키는 완전자동(CA) 방식은 사전 선택이 불필요하고 L=5·6에서 더 높은 베이즈 증거를 보여 해석 가능성과 데이터 적합도 사이의 트레이드오프를 나타냈다. τ와 A_s에 대응하는 잠재변수는 어떤 모델에서도 정보를 거의 공유하지 않아, 대규모 편광이 두 값을 분리한다는 표준 분석과 일치했다.
arXiv astro-ph.IM (관측기기)
