천문·천체물리
DarkMatterFM-Registry: arXiv 논문에서 추출한 기계 판독형 암흑물질 모델 등록부
연구팀은 arXiv 전문(full text)에서 대규모 언어모델(LLM) 단계형 파이프라인으로 암흑물질 모델 정보를 추출해 기계 판독형 등록부 'DarkMatterFM-Registry'를 구축했다. 총 6,145개의 구조화된 모델 카드를 7개 파일로 구성된 JSON 스키마 세트로 검증했으며, 관측 후속 연구의 기대 가치 순으로 순위를 매긴 뒤 상위 약 2,000개에는 관측량·제약조건·이론-관측량 연결 경로를 추가했다. 스키마 검사 통과율은 97.8%였고, 층화 표본에 대한 LLM 기반 정확도 평가에서는 섹션 판정의 81%가 정확, 18%가 부분적으로 정확했으며 환각(hallucination) 사례는 없었다고 밝혔다. 첫 응용으로 연구팀은 등록부를 바탕으로 학계가 추진할 수 있는 25개 구체 프로젝트의 우선순위 가중 로드맵을 제시했다. 분석 결과 고우선순위 모델의 진척을 막는 요인은 이론의 부재가 아니라 공유 인프라의 부재로, 기존 잔존량(relic abundance) 계산 코드용 모델 파일, 범용 비냉각(non-cold) 볼츠만 코드 프레임워크, 재사용 가능한 간접 검출 우도함수, 비냉각 암흑물질용 라이먼-알파 숲 우도함수 등이 꼽혔다.
arXiv astro-ph.IM (관측기기)