천문·천체물리
성간 분자 탐지 후보 찾는 신경망 모델… TMC-1 분자 목록으로 기둥밀도 예측
연구진은 자연어처리 모델을 활용해 화학 문자열로 인코딩한 분자 구조와 TMC-1에서의 분자 기둥밀도를 연결하는 머신러닝 파이프라인을 구축했다. 이 신경망 모델은 기존 분자 목록과 분포 외(out-of-distribution) 분자에 대한 기둥밀도 회귀에서 평균제곱오차 0.17/0.58, 평균절대오차 0.29/0.59, 결정계수 0.88/0.51(훈련+검증/검증 데이터셋)을 기록했다. 모델이 학습한 잠재 벡터는 화학적 관계뿐 아니라 해당 분자의 성간 탐지 가능성까지 포착하며, TMC-1 목록을 체계적으로 치환해 만든 분자들에서 향후 탐지가 유망한 후보 몇 가지와 다수의 무극성 분자를 식별했다. 또한 분자 탐지의 서로 다른 역사적 시기를 반영한 데이터셋으로 모델을 학습시킨 결과, 최근의 분자 탐지들이 성간 화학에 대한 이해를 점진적이 아니라 변혁적으로 재편해 왔음을 보였다.
arXiv astro-ph.GA (은하)
