우주

#CNN

15건의 기사

iss074e0301902 (Feb. 3, 2026) --- The Grand Canyon stretches about 277 miles across Arizona in the southwestern corner of the Colorado Plateau. The Colorado River began carving the Grand Canyon—one of
천문·천체물리

GRANDProto300, 10^17~10^18.5 eV 우주선(cosmic ray) 탐색 파이프라인 공개

GRAND 실험의 시험 배열인 GRANDProto300은 10^17~10^18.5 eV 에너지 대역의 우주선을 검출해 자율 전파 검출 기법을 검증하고, 은하계 기원에서 은하계 외부 기원으로 전환되는 영역을 연구하기 위해 설계됐다. 2024년 11월부터 2025년 6월까지 안테나 46기가 운용됐고, 2025년 7월 이후로는 63기가 안정적으로 데이터를 수집하고 있다. 연구팀은 시공간적으로 밀집한 잡음 사건 제외, 편광 컷, 천정각 도달 컷, 예상 트리거 지연 컷 등 여러 필터링 단계로 구성된 우주선 탐색 파이프라인을 제시하고, 2025년 7월부터 10월까지의 최신 데이터로 효율을 평가했다. 또한 신호 트레이스를 이용해 잡음과 우주선 신호를 구분하는 CNN 기반 알고리즘을 개발 중이며, 시뮬레이션과 실제 우주선 신호 데이터로 학습한 모델의 정확도를 함께 제시했다.

arXiv astro-ph.HE (고에너지)

a telescope on a hill with the milky in the background
천문·천체물리

에어리 디스크 기반 학습으로 초해상 분리 측정: 은하 NGC 4486B 이중 핵에 적용

연구진은 밝기·상호 간섭성·위상 같은 미지의 변수를 상쇄하는 에르미트-가우스(HG) 모드 투영 기법을 제시하고, 원형 동공 점확산함수(PSF)에 대한 정확한 중첩 적분과 국소적으로 역산 가능한 분리 응답을 유도했다. 이 해석적 결과를 바탕으로 합성 에어리(Airy) 영상으로 학습시킨 합성곱 신경망(CNN)은 학습 영상 150,000장에서 평균절대오차 0.018을 기록해, 비(非)에어리 가우스 PSF 근사의 0.18보다 10배 우수했다. 이를 허블 우주망원경(Hubble Space Telescope)의 기존 관측 자료에 적용해 은하 NGC 4486B 이중 핵의 분리를 학습 영상 100,000~150,000장 기준 약 9.6~12.0pc로 추정했으며, 이는 기존에 알려진 약 12pc 값과 대체로 일치한다. 논문은 광학 모드에서의 정확한 변수 상쇄와 영상만으로 학습한 추정기의 경험적 견고성을 구분하고, PSF 불일치 및 은하의 확장 구조가 주는 한계를 지적했다.

arXiv astro-ph.GA (은하)

CNN's Rachel Crane talks to Orion program manager, Mark Geyer, at the Space Vehicle Mockup Facility at NASA's Johnson Space Center in Houston on June 23, 2015. Part of Batch image transfer from Flickr
천문·천체물리

머신러닝 CNN으로 DESI DR1 분광 데이터에서 숨은 라이먼 알파 방출 은하 19,685개 발견

연구진은 DESI(암흑에너지 분광장비) 데이터 릴리스 1(DR1) 분광 데이터에서 라이먼 알파 방출 은하(LAE)를 자동으로 검출하는 합성곱 신경망(CNN) 기반 기법을 제시했다. 현재 DESI 파이프라인은 z>2 은하의 적색편이를 측정하도록 설계되지 않아 이들 LAE는 대부분 적색편이가 잘못 추정돼 있었으며, 연구진은 수천 개의 DESI 스펙트럼을 육안 검사해 학습·검증용 표본을 구축했다. 최종 모델은 LAE 검출에서 순도 95.2%, 완전성 95.9%를 기록했고, 방출선 은하로 선정된 약 2×10^6개 스펙트럼에 적용해 GPU 1개로 12분 만에 z~2에서 3.5 구간의 LAE 19,685개를 검출했다. 검출된 LAE는 대부분 라이먼 알파 광도 10^43 erg/s 이상인 광도함수의 밝은 쪽에 속하며, 합성 스펙트럼에서는 금속선의 P-Cygni 프로파일과 MgII 방출선 등 다양한 분광 특성이 나타났다. 이 표본은 DESI-II 탐사 준비를 위한 LAE 적색편이 결정 파이프라인의 학습·검증에 활용될 수 있다.

arXiv astro-ph.GA (은하)

CNN's Rachel Crane at the Space Vehicle Mockup Facility at NASA's Johnson Space Center in Houston on June 23, 2015. Part of Batch image transfer from Flickr.
천문·천체물리

원-클래스 SVM으로 외계행성 트랜짓 탐지 최적화: CNN보다 최대 84배 빠른 학습

arXiv에 공개된 연구는 외계행성 탐지에 주로 쓰이는 합성곱 신경망(CNN) 대신 원-클래스 서포트 벡터 머신(One-Class SVM)을 적용한 결과를 제시했다. 정확도는 CNN보다 약 5% 낮지만, 동일 하드웨어·동일 데이터셋에서 학습은 최대 84배, 예측은 3배 이상 빨랐다. 또한 GPU 없이 일반 하드웨어에서도 원활히 구동되므로, 시간과 연산 자원이 제한된 환경에서 트랜짓 탐지 작업의 효율을 높일 수 있다고 연구진은 설명했다.

arXiv astro-ph.EP (행성계)

KENNEDY SPACE CENTER, FLA. - Matt Lauer, co-anchor of NBC News’ Today, talks with astronaut Pam Melroy about the pending launch at 3:51 p.m. of Space Shuttle Discovery on the historic Return to Flig
천문·천체물리

X선 천체 분류, 3D CNN으로 공간-스펙트럼 정보 함께 쓰면 성능 향상

XMM-뉴턴(XMM-Newton) 모의 관측 데이터로 활동은하핵(AGN)과 은하단을 구분하는 합성곱 신경망(CNN) 모델을 1D(스펙트럼)·2D(이미지)·2D+1D·3D(이벤트 큐브) 데이터 표현별로 비교한 벤치마크 연구다. 공간-스펙트럼 이벤트 큐브에 직접 적용한 3D CNN이 교차검증 구간 전반에서 가장 일관된 성능을 보였고, 3D-GradCAM 해석 분석에서는 이 모델이 은하단 내 매질의 확산된 열적 방출과 AGN의 국소적·비열적 멱법칙 특성을 스스로 구분해 학습한 것으로 나타났다. 다만 2D와 1D를 결합한 기준선 대비 성능 향상폭은 미미했다. 연구진은 이벤트 큐브의 총 광자 수를 직접 다루기 때문에 수동 배경 차감과 모델링이 필요 없어, 대규모 X선 천체 목록의 자동 분류에 적용할 수 있는 일관된 종단간(end-to-end) 파이프라인이 된다고 설명했다.

arXiv astro-ph.IM (관측기기)

fluid,fluid art,abstract,abstract art,abstract background,abstract dark,texture,texture background,texture wall,texture paper,background,background image,background design,background texture,pattern,p
천문·천체물리

티베트-III 공기샤워 배열, 딥러닝으로 감마선 도래 방향 정확도 개선

티베트 AS감마(Tibet AS$\gamma$) 실험은 플라스틱 신틸레이터로 구성된 지상 공기샤워 검출기 배열(티베트-III)로 수 TeV에서 PeV 영역의 우주 감마선을 관측하며, 기존에는 검출기 히트 타이밍 데이터에 샤워 전면을 피팅해 도래 방향을 재구성하고 10~100 TeV 구간에서 약 0.5°~0.2°의 각분해능을 얻었다. 연구팀은 합성곱 신경망(CNN)을 기존 방법과 결합한 새로운 도래 방향 재구성 기법을 개발했고, 몬테카를로 시뮬레이션으로 생성한 감마선 사건으로 평가한 결과 각분해능이 기존 방법 대비 약 10~15% 개선됐다. 이 성능 향상은 천정각 40°까지 거의 의존성을 보이지 않았다. 연구팀은 이 기법이 검출기 약 600기로 구성된 티베트-III 배열에 검출기를 약 150~200기 추가한 것과 동등한 성능 이득을 제공한다고 밝혔다.

arXiv astro-ph.IM (관측기기)

Tropical Galaxy | Blender 3D
천문·천체물리

딥러닝 기반 중력파 탐색: 정합 필터와 CNN 결합 하이브리드 기법 연구

연구진은 밀집 쌍성 합병(compact binary coalescence)에서 나오는 중력파를 탐색하기 위해 정합 필터링(matched filtering) 개념과 합성곱 신경망(CNN)을 결합한 하이브리드 기법을 제안했다. 아인슈타인 망원경(Einstein Telescope) 같은 차세대 간섭계는 데이터 양과 매개변수 공간이 커져 정합 필터링의 계산 비용이 크게 늘어나는데, 제안된 방법은 통상적인 χ² 기각 검정 없이도 탐색이 가능하다. 가우시안 잡음·과도 잡음에 신호를 주입한 시뮬레이션 데이터로 시험한 결과, 템플릿 뱅크에 반영되지 않은 물리 효과(이심률, 세차운동, 고차 모드)가 포함된 신호나 글리치가 섞인 데이터에서는 기존 정합 필터링과 비슷하거나 더 나은 탐지 효율을 보이면서 자원 효율성이 높았다. 반면 순수 가우시안 잡음 환경의 표준 BNS/BBH 탐색에서는 탐지 능력이 일부 저하되는 것으로 나타났다.

arXiv astro-ph.IM (관측기기)

KENNEDY SPACE CENTER, FLA. - Satellite trucks are lined up at the NASA News Center to capture the launch of Space Shuttle Discovery from Launch Pad 39B (background) on the historic Return to Flight
천문·천체물리

LUMA: 천체 영상에서 강한 중력렌즈를 탐색하는 CNN 파이프라인 공개

연구진이 시뮬레이션된 천체 영상에서 강한 중력렌즈(strong gravitational lens)를 자동 탐지하는 합성곱 신경망(CNN) 파이프라인 'LUMA'를 제시했다. 희미한 호(arc)와 고리(ring) 구조를 강조하는 물리 기반 전처리 단계와, 클래스 재가중 및 학습률 스케줄링으로 훈련된 3블록 구조의 소형 CNN을 결합한 방식이다. 시뮬레이션 데이터에서 약 96%의 테스트 정확도와 비자명(non-trivial) 클래스에 대해 약 0.99의 ROC AUC를 기록했으며, 혼동행렬 분석에서도 렌즈 후보에 대해 높은 완전도와 순도를 보였다. 연구진은 비교적 경량의 CNN 구조도 강한 중력렌즈 탐색의 경쟁력 있는 기준선이 될 수 있다고 보고, 향후 실제 서베이 영상 적용과 트랜스포머 기반 모델로의 확장을 과제로 제시했다.

arXiv astro-ph.GA (은하)

KENNEDY SPACE CENTER, FLA. - Roger Crouch, a payload specialist, talks to the media prior to the launch at 3:51 p.m. of Space Shuttle Discovery on the historic Return to Flight mission STS-114. He
천문·천체물리

신경망으로 중성수소(HI) 자기흡수 탐지 — 차세대 전파망원경 실시간 분석 겨냥

차가운 중성수소(HI) 가스를 직접 추적하는 21cm 방출선의 자기흡수(HI self-absorption)는 그동안 육안 검사나 방출선 모델링에 의존해 체계적 추출이 어려웠다. 연구진은 방출선에 대한 가정이나 보조 데이터 없이 자기흡수 특징을 탐지하고 사후 처리로 속도를 추정하는 경량 합성곱 신경망(CNN)을 제시했으며, 합성 스펙트럼으로 학습한 모델은 미사용 합성 데이터에서 정확도 96.5%, 정밀도 96.0%, 재현율 97.0%를 기록했다. 은하면 방향의 리겔-크러처(Riegel–Crutcher) 구름과 거대 분자 필라멘트 영역의 실측 21cm 데이터에 적용한 결과, 기존 분석과 13CO 방출 데이터와 비교해 알려진 자기흡수 구조의 공간 분포와 속도를 재현했다. 또한 소비자용 노트북 GPU 한 대에서 초당 약 15,000개 스펙트럼을 처리할 만큼 계산 효율이 높아, 스퀘어 킬로미터 어레이(SKA) 같은 차세대 관측 시설의 데이터 처리 속도에서도 실시간 탐지가 가능하다고 설명했다.

arXiv astro-ph.GA (은하)

STS-135 mission specialist Sandra Magnus, has some make up applied prior to her appearance on CNN American Morning, Tuesday, Aug. 16, 2011, in New York City. The crew from space shuttle Atlantis (STS-
천문·천체물리

딥러닝으로 암흑물질 헤일로 식별… CNN+FoF 기법으로 ROCKSTAR 대비 약 10배 속도 향상

연구진은 우주론적 N체 시뮬레이션에서 암흑물질 헤일로를 찾아내기 위해 3차원 합성곱 신경망(CNN)으로 입자를 헤일로/비헤일로로 분류한 뒤, 병렬화된 FoF(Friends-of-Friends) 군집화 알고리즘으로 헤일로를 구성하는 기법을 제시했다. 학습 데이터는 GADGET-4 시뮬레이션과 ROCKSTAR 헤일로 파인더 레이블로 구성했으며, ROCKSTAR의 $M_{200b}$ 기준에서 최고 해상도의 경우 주요 성능 지표가 모두 98%를 넘었고, FoF 단계의 헤일로 목록은 순도 99% 이상, 질량 5×10^11 태양질량 이상에서 완전도 94%를 유지했다. 질량함수는 기준값과 5% 이내로 일치했고 내부 밀도 분포도 충실히 재현됐다. 연구진은 이 방식이 ROCKSTAR 대비 약 한 자릿수(약 10배) 빠른 대안으로, 빠른 필드 레벨 에뮬레이터와 결합할 때 시뮬레이션 기반 추론의 종단간 순방향 모델링에 유용하다고 밝혔다.

arXiv astro-ph.GA (은하)

KENNEDY SPACE CENTER, FLA. - Against a sunrise-painted sky at NASA Kennedy Space Center, co-anchor on CNN’s American Morning, talks on air with NASA Administrator Mike Griffin about the pending 3:51
천문·천체물리

신경망으로 중력파 탐색 매개변수 공간 좁히기: 정렬 스핀 쌍성 블랙홀로 확장

연구진은 정합 필터(matched filtering) 방식의 중력파 탐색이 고차원 매개변수 공간의 수많은 템플릿 파형과 상관 연산을 해야 해 계산 비용이 크다는 점에 주목해, 합성곱 신경망(CNN)으로 탐색 영역을 좁히는 기존 기법을 정렬 스핀(aligned-spin) 쌍성 블랙홀(BBH) 계로 확장했다. IMRPhenomD 파형과 어드밴스드 라이고(Advanced LIGO) 설계 감도를 사용해, 정렬 스핀 템플릿 뱅크만으로 학습한 CNN이 독립적으로 균일 샘플링한 BBH 신호에 대해 99.8% 이상의 신호-잡음 분류 정확도를 달성했으며, 이는 추가 균일 샘플링 학습 데이터가 필요하지 않음을 뜻한다고 밝혔다. 연구진은 주성분분석(PCA) 기반 분위수 방식으로 템플릿 뱅크를 대체로 균형 잡힌 4개 패치로 나누고 5가지 매개변수 공간 표현을 평가했는데, 처프 질량-지속시간 표현이 평균 정확도 93.2%로 가장 높았고 처프 질량(91.6%), 구성 성분 질량(90.5%)이 뒤를 이었다. 반면 후-뉴턴 좌표 tau_0-tau_3와 theta_0-theta_3-theta_3s는 정확도가 크게 낮아, 기존 템플릿 뱅크만으로도 학습과 고정확도 탐지가 가능하지만 실제 신호의 매개변수를 제한하려면 매개변수 공간 표현의 선택이 결정적이라는 결론을 내렸다.

arXiv astro-ph.IM (관측기기)

Work began on March 11, 2010 to replace a set of elevation bearings on the giant Mars antenna at NASA Deep Space Network complex in Goldstone, Calif.
천문·천체물리

딥러닝으로 은하군·은하단의 헤일로 질량과 가스 비율 추정하는 다중모드 프레임워크 'DLHD' 제안

은하군 규모에서는 구성원 은하 수가 적고 퍼텐셜 우물이 얕으며 AGN 피드백에 의한 바리온 방출이 있어 암흑물질 헤일로의 총질량(M_halo)과 가스 비율(f_gas)을 정확히 추정하기 어렵다. 연구진은 은하 목록과 X선 영상을 Deep Sets와 합성곱신경망(CNN)의 결합으로 동시에 처리하는 다중모드 딥러닝 프레임워크 'Deep Learning Halo Definer(DLHD)'를 제시했다. IllustrisTNG300 유체역학 시뮬레이션 기반 모의 데이터로 검증한 결과 DLHD의 M_halo 추정 RMSE는 Deep Sets 대비 1.9배, CNN 단독 대비 1.3배 개선됐다. R_200c 이내 가스 비율에서는 Deep Sets 대비 2.0배, CNN 단독 대비 1.1배 RMSE가 줄었으며 다른 구경에서도 일관된 개선이 나타났다.

arXiv astro-ph.GA (은하)

KENNEDY SPACE CENTER, FLA. - Against a sunrise-painted sky at NASA Kennedy Space Center, Miles O’Brien (left), co-anchor on CNN’s American Morning, talks on air with NASA Administrator Mike Griffin
천문·천체물리

CNN으로 X선·21cm HI 모의 관측에서 은하 헤일로 기체 특성 추정

연구진은 IllustrisTNG100·TNG300 시뮬레이션 기반 모의 관측 데이터로 합성곱 신경망(CNN)을 훈련해 헤일로 질량, 기체 비율, 금속 함량, [O/Fe] 함량비를 추정했다. X선과 HI를 결합한 다중 파장 조합은 기체 비율 추정에서 단일 파장보다 일관되게 우수했고, 헤일로 질량 측정은 X선이 앞섰으나 저온(T<10^5 K) 기체 비율에서는 두 파장의 기여가 비슷했다. 동일 노출시간 기준으로 마이크로칼로리미터는 CCD 대비 금속 함량 추정 성능을 1.75배 개선했으며, TNG300에서는 100 ksec X선 노출로 그룹 헤일로 질량을 RMSE 0.04 dex로 추정했다. 연구진은 이러한 딥러닝 기법이 향후 X선·21cm HI 탐사의 장비 개발과 관측 전략 설계를 평가하는 데 활용될 수 있다고 밝혔다.

arXiv astro-ph.GA (은하)

KENNEDY SPACE CENTER, FLA. - Against a sunrise-painted sky at NASA Kennedy Space Center, Miles O’Brien (left), co-anchor on CNN’s American Morning, checks his notes during a talk on air with NASA Ad
천문·천체물리

군중 주석에서 배우는 딥러닝: 은하 형태 분류의 기초

연구진은 갤럭시 주(Galaxy Zoo 1)의 시민과학 주석 데이터를 학습 자료로 삼아 은하 형태를 자동 분류하는 합성곱 신경망(CNN)을 훈련하고, 학습 방식·주석자 간 일치도·분류 체계의 계층 구조가 정확도에 미치는 영향을 분석했다. 마지막 층만 학습할 때보다 신경망 전체를 학습시키면 완전 일치 기준 정확도가 10% 향상됐고, 학습 데이터가 적을 때는 계층 구조 활용과 단계별 전이학습(커리큘럼 학습)이 정확도를 높였으며 앙상블도 효과가 있었다. 신경망의 모든 층을 학습시키고 주석자 간 일치도가 높은 데이터를 사용한 경우 99% 이상의 정확도를 달성했다. 다만 가장 어려운 사례에서는 정확도가 낮았고, 연구진은 군중 주석 기반 딥러닝 학습이 확정적 주석 학습보다 추가적인 난제를 안고 있다고 결론지었다.

arXiv astro-ph.GA (은하)

An astronaut in a spacesuit exploring a rocky landscape, evoking adventure and sci-fi themes.
천문·천체물리

딥러닝으로 분산 개구 망원경 정렬·코페이징 추정: Small ExoLife Finder(SELF) 적용 연구

외계행성 생명징후 직접촬영을 목표로 설계된 35~50m급 피조(Fizeau) 간섭계 망원경 ExoLife Finder(ELF)의 3.5m 시제품인 Small ExoLife Finder(SELF)를 대상으로, 초점면 이미지에서 정렬 오차를 직접 추정하는 합성곱 신경망(CNN) 기법이 제시됐다. 연구진은 SELF 단순화 모델의 고정밀 광학 시뮬레이션으로 학습·검증 데이터를 생성하고, 부분개구 정렬 오차와 초점면 강도 분포 사이의 비선형 관계를 학습하는 맞춤형 CNN 회귀 모델을 구성해 모든 거울 쌍의 피스톤·틸트 오차를 재구성했다. 맞춤형 CNN은 밀리초 단위 추론 속도로 성능·강건성·계산 효율의 균형을 보였으며, 가우시안 잡음 증강은 낮은 신호대잡음비에서는 재구성 성능을 높였지만 잡음이 거의 없는 조건에서는 오히려 성능을 떨어뜨리는 트레이드오프가 확인됐다. 저자들은 이 결과가 분산 개구 망원경의 데이터 기반 초점면 파면 센싱 가능성과, 향후 고분해능 간섭계의 자율적 코페이징 전략의 토대를 보여준다고 밝혔다.

arXiv astro-ph.IM (관측기기)