우주

#시뮬레이션 기반 추론

8건의 기사

Camels line the road as NASA team members drive to the site 31 launch pad to prepare for the launch of Expedition 68 crewmembers Frank Rubio of NASA, and Sergey Prokopyev and Dmitri Petelin of Roscosm
천문·천체물리

저비용 시뮬레이션 전이학습으로 우주론 추론 비용 10분의 1로 — FastPM 사전학습 모델

연구진은 저정밀 FastPM(Fast Particle-Mesh) 시뮬레이션으로 사전학습한 모델(FastPM)을 파워 스펙트럼에서 Ωm과 σ8을 추론하도록 훈련한 뒤, 더 적은 수의 고정밀 CAMELS N체·유체역학 시뮬레이션으로 미세조정했다. 동일한 사후분포 정확도에 도달하는 데 필요한 고정밀 시뮬레이션은 CAMELS만으로 훈련할 때의 5~15%에 불과했고, 사전학습용 시뮬레이션 비용을 포함한 총 훈련 계산 비용은 CPU 시간 기준 최대 한 자릿수 차수(약 10배)까지 줄었다. FastPM에는 바리온 물리가 포함되지 않지만, 유체역학 시뮬레이션 한 번보다도 적은 비용의 FastPM 실행으로 사전학습해도 전체 물질 파워 스펙트럼에서 총 훈련 계산량이 약 5분의 1로 감소했다. 또한 더 정확한 FastPM 실행으로 사전학습한 경우, CAMELS만으로 훈련해 얻은 어떤 결과보다도 정확한 사후분포를 얻었다. 저자들은 이를 시뮬레이션 기반 추론(SBI)과 우주론 분야 기반모델(foundation model)의 가능성을 보여주는 결과로 평가했다.

arXiv astro-ph.IM (관측기기)

천문·천체물리

시뮬레이션 기반 추론으로 펄서 타이밍의 펄스 프로파일 변화 모델링

펄서의 평균 펄스 프로파일은 고정밀 타이밍의 핵심 관측량이지만, 관측 주파수에 따라 모양이 체계적으로 변하기 때문에 이를 모델링하지 않으면 도달 시간 측정에 편향이 생길 수 있다. 연구팀은 기존 프로파일 영역 타이밍이 확률적 샘플링에 의존해 계산 비용이 과도하다는 점을 지적하며, 주파수-위상 자료의 합성곱 임베딩을 조건으로 하는 정규화 흐름(normalising flow)을 이용한 시뮬레이션 기반 추론 방식을 제시했다. 초기 학습을 거친 뒤에는 단일 주파수-위상 자료만으로 분산 척도, 도달 시간, 프로파일 변화 변수의 결합 사후분포를 즉시 산출하며, 불확실성은 알려진 입력값과 대조해 검증했다. 저자들은 비가우시안 잡음, 펄서 자체 잡음, 지터, 산란 등도 각각 새로운 우도함수를 유도하는 대신 시뮬레이터로 구현해 추론할 수 있어, 펄서 타이밍 작업 흐름에 기계학습을 접목하는 경로가 열린다고 설명했다.

arXiv astro-ph.HE (고에너지)

천문·천체물리

CHIME/FRB 카탈로그 2에서 '단발성'과 '반복' FRB가 별개 집단이라는 증거 제시

CHIME이 공개한 두 번째 고속전파폭발(FRB) 카탈로그에는 3,641개의 FRB가 수록됐으며, 이 중 981개 폭발이 83개 반복 천체에서 나왔지만 반복이 관측된 FRB는 전체의 2.3%에 불과하다. 연구진은 가능도를 쓰지 않는 기계학습 기법인 시뮬레이션 기반 추론(SBI)으로 8가지 FRB 집단 모형을 검증했고, 그 결과 카탈로그는 진짜 단발성 천체의 하위 집단을 포함하는 모형을 강하게 지지했다. 가장 잘 맞는 모형은 로그정규 폭발률 분포, 포아송 대기시간 분포, 단발성 하위 집단을 결합한 형태였으며, 이는 독립적인 랜덤 포레스트 분류기와 학습에 쓰이지 않은 초활동성 반복 천체를 자연스럽게 재현하는 능력으로도 뒷받침됐다. 연구진은 CHIME 하늘에서 관측 가능한 집단의 상한을 반복 천체 36,000개, 하루 단발성 19개로 제시했다. 또한 향후 5년 내 반복 천체 비율이 2% 아래로 떨어지고, 표본이 단발성 검출로 포화되면서 최종적으로 약 0.5%까지 낮아질 것으로 예측했다.

arXiv astro-ph.HE (고에너지)

천문·천체물리

블랙박스 열어보기: 신경망은 펄서 타이밍 배열 데이터에서 무엇을 배우는가

시뮬레이션 기반 추론(SBI) 분류가 펄서 타이밍 배열(PTA) 데이터에서 비등방성을 검출할 가능성을 크게 높인다는 점이 최근 제시된 가운데, 이 연구는 단순한 PTA 토이 모델을 사용해 SBI 기반 검출이 중력파 배경 비등방성에 대한 고전적 검출 통계량보다 어떤 방식으로, 어떤 조건에서 더 나은 성능을 보이는지 교육적으로 설명한다.

arXiv astro-ph.IM (관측기기)

천문·천체물리

"커버리지만으로는 부족하다" — 원시 비가우시안성 추정에서 시뮬레이션 기반 추론의 빈도주의적 검증

연구진은 원시 비가우시안성(parameter $f_\mathrm{NL}$)을 다루는 암흑물질 헤일로 장(dark matter halo field) 시뮬레이션에서, 대조적 신경 비율 추정(CNRE) 기반 시뮬레이션 기반 추론(SBI)과 파워 스펙트럼·바이스펙트럼·웨이블릿 산란 변환(WST) 계수를 쓴 우도 기반 추론(LBI)을 1,000회 실현에 걸쳐 비교했다. 사후분포의 평균과 왜도는 두 방법이 잘 일치했으나 분산은 평균적으로만 맞고 개별 실현 단위 일치도는 낮았으며, 첨도에서 더 큰 차이가 나타나 꼬리 부분의 불일치를 시사했다. 특히 파워 스펙트럼과 바이스펙트럼을 결합한 경우 SBI의 사후분포가 과소확신(underconfident)을 보여 각 통계량을 따로 쓸 때보다 약한 제약을 내놓으면서도 커버리지 검사는 통과했다. WST 계수는 큰 스케일에 한정해도 $f_\mathrm{NL}$ 제약을 더 좁혔으며, 저자들은 고차 통계량의 잠재력과 함께 표준 커버리지 진단을 넘어 사후분포의 형태를 검증하는 전략이 필요하다고 강조했다.

arXiv astro-ph.IM (관측기기)

A breathtaking capture of the Horsehead Nebula surrounded by shining stars in deep space.
천문·천체물리

미분해 다중성과 항성 나이의 축퇴 해소를 위한 시뮬레이션 기반 추론 제안

은하 형성 시나리오를 구분하는 핵심 변수인 항성 나이는 현재 최선의 경우에도 정밀도 약 7%, 정확도 약 10~15% 수준에 머물러 있다. 연구진은 StarHorse 같은 최신 항성 매개변수 추론 코드가 미분해(unresolved) 항성 다중성을 고려하지 않는다는 점을 한계로 지적하며, 특히 주계열의 거의 동일 질량 쌍성이나 더 높은 차수의 다중성계에서는 이를 반영하는 것이 차세대 항성 서베이에 필수적이라고 설명했다. 이에 분광·측광·측성 관측 자료로부터 항성 나이와 질량, 쌍성 질량비 등을 정밀하게 얻는 방법으로 시뮬레이션 기반 추론(SBI)을 제시했다.

arXiv astro-ph.GA (은하)

The audience applauds and enjoys the official opening of the E&O Building as the new site of the Expendable Launch Vehicle Program. Home for NASA’s unmanned missions since 1964, the building has been
행성과학·태양계

번개 방전 연구의 새 접근법 '엘브스 위치측정(Elveslocation)' 제안

뇌우 방전이 만드는 고도 약 90km의 1밀리초 미만 발광 현상 '엘브스(ELVES)'는 수백~1,000km 지름까지 팽창하는 고리 형태로 나타나며, 그 위치·팽창 속도·밝기 분포에 방전의 위치와 방향, 전류 함수 정보가 담겨 있다. 연구진은 TUS와 미니-유소(Mini-EUSO) 같은 광시야·마이크로초 분해능 궤도 검출기 데이터에서 방전 파라미터를 복원하는 역문제를, 베이즈 접근과 시뮬레이션 기반 추론(SBI)으로 다루자고 제안한다. 이 논문은 사건의 시공간 패턴을 생성하는 모드와 방전 파라미터를 재구성하는 SBI 시뮬레이터 모드를 겸하는 엘브스 동역학 모델을 제시하며, 이를 뇌우 대기 연구의 새로운 방법론인 '엘브스 위치측정'으로 이름 붙였다.

arXiv astro-ph.EP (행성계)

Inside the Space Station Processing Facility high bay at NASA's Kennedy Space Center in Florida, technicians prepare the Neutron star Interior Composition Explorer, or NICER, payload for final packagi
천문·천체물리

X선 스펙트럼 AI 추론의 모델 오설정 벤치마크: 세 가지 검사법 모두 놓치는 '이득 편이'와 주변화 대응

XMM-뉴턴(XMM-Newton) EPIC-pn과 NICER의 실제 응답함수로 만든 모의 스펙트럼에서, 신경망 기반 사후분포 추정(amortized neural posterior estimation)의 오설정 탐지 성능을 평가한 연구다. 모델에 반영되지 않은 6.4keV 방출선과 부분 가림은 스펙트럼 단위로 탐지 가능했으나(AUC 각각 0.97, 0.84) 연속체 모델 오류는 0.66에 그쳤고, 회복 지표를 모두 통과한 플로가 피복률에서 0.114만큼 벗어나는 등 회복 지표가 보정을 보장하지 못했다. 사후예측검사·정확한 푸아송 가능도 기반 중요도 표집·중첩표집 증거 세 가지 모두 6.4keV 선은 잡아냈지만, EPIC-pn 에너지 눈금 정확도의 2.4~14.4배에 해당하는 3% 이득 편이는 어느 것도 탐지하지 못했다(AUC 0.44~0.54). 이 편이는 광자 지수를 +0.02 편향시켰으며, 시뮬레이션별 이득을 성가신 매개변수로 넣어 재학습해도 편향은 남고 플로는 이득 제약의 최대 0.163만 포착했다. 저자들은 상정한 보정 성가신 변수에 대한 주변화가 카탈로그 규모 X선 SBI의 현실적 방어책이며, 시험한 어떤 검사도 경고를 주지 못한다고 결론지었다.

arXiv astro-ph.HE (고에너지)