우주

#Galaxy Zoo

4건의 기사

A child poses in an astronaut cutout suit during Bring Kids to Work Day on June 17, 2025, at NASA’s Armstrong Flight Research Center in Edwards, California. The event offered children and their famili
천문·천체물리

SpecLess: 측광 데이터로 은하 형태·활동성을 분류하는 다중 서베이 머신러닝 파이썬 패키지 공개

분광 관측 없이 광대역 측광 데이터만으로 은하를 분류하는 오픈소스 파이썬 패키지 SpecLess가 arXiv에 공개됐다. SDSS+AllWISE, KiDS+VIKING, DESI Legacy Imaging Surveys 측광 자료로 학습한 XGBoost 분류기는 형태 분류(타원·나선)에서 macro F1 0.9332(SDSS, 35,554개 은하)와 0.9237(KiDS, 3,269개), 활동성 분류(starforming·starburst·Seyfert·LINER)에서 0.7637(SDSS, 16,931개)과 0.7398(DESI, 11,975개)을 기록했다. 다만 서베이 간 전이에서는 성능 저하가 나타나 형태 분류의 macro F1 하락폭이 SDSS→KiDS 0.0153, KiDS→SDSS 0.0354였고, 활동성 분류는 SDSS→DESI 0.0660, DESI→SDSS 0.0406이었다. SpecLess v0.3.0은 사전학습된 서베이별 분류기 4종을 통합 파이썬 인터페이스로 배포한다.

arXiv astro-ph.GA (은하)

A captivating view of Earth and its moon floating in the vast expanse of space.
천문·천체물리

NASA, 겹쳐 보이는 은하쌍 찾는 시민과학 프로젝트 '오버랩 주(Overlap Zoo)' 공개

NASA가 지구나 우주망원경 시점에서 우연히 겹쳐 보이는 은하쌍을 찾아내는 새 시민과학 프로젝트 '오버랩 주(Overlap Zoo)'를 공개했다. 뒤쪽 은하가 '우주의 손전등'처럼 앞쪽 은하를 비추면 그 안의 먼지가 어두운 실루엣으로 드러나, 천문학자들은 은하 내 먼지 분포와 먼지가 별빛을 가리고 산란시키는 방식을 측정할 수 있고 이는 먼 천체까지의 거리 추정 정밀도를 높이는 데도 쓰인다. 프로젝트 책임자인 대학원생 트레버 버트럼(Trevor Butrum)은 은하 관측 자료가 급격히 늘면서 후보 은하쌍을 천문학자들이 모두 분류하기 어려워졌다며, 가장 크고 정확한 겹친 은하쌍 목록을 만드는 데 자원봉사자의 도움이 꼭 필요하다고 밝혔다. 참가자는 갤럭시 주(Galaxy Zoo) 프로젝트 참여자들이 겹친 은하 후보로 지목한 이미지를 보며 은하쌍 존재 여부를 확인하고 주요 특징을 분류한 뒤 윤곽선을 표시하게 되며, 인터넷에 연결된 컴퓨터만 있으면 사전 경험 없이 참여할 수 있다.

NASA

Captivating image of the Horsehead Nebula in the Orion constellation, showcasing vivid colors and cosmic beauty.
천문·천체물리

유클리드 VIS 이미지를 AI 학습용으로: 형태 분류·이상 탐지·유사 이미지 검색을 위한 확장형 파이프라인

유클리드(Euclid) 미션의 VIS 컷아웃 이미지를 224×224 표준 입력으로 변환하고 사전학습된 DINOv2 ViT-S/14 특징 추출기로 처리해, Galaxy Zoo Euclid(Q1) 카탈로그 기반의 365,513행·384차원 컷아웃-임베딩 데이터셋을 구축한 파이프라인이 공개됐다. 365,513개 컷아웃의 초기 생산에는 약 48시간이 걸렸으며, 이는 초당 2.12개 컷아웃의 처리 속도에 해당한다. 성능 평가에서 릿지 회귀 프로브는 카탈로그 4개 항목에 대해 결정계수 0.377~0.596을 기록했고, 전체 라벨 1% 예산 조건에서 고정 MLP의 macro-F1은 3개 과제에서 0.802~0.861이었으나 데이터 불균형이 큰 나선은하 과제에서는 0.484에 그쳤다. 연구진은 이상 탐지 워크플로로 설정 의존적인 후보 1,681개를 찾아냈으며, 표준화된 이미지 인터페이스와 재사용 가능한 사전학습 임베딩이 유클리드 Q1 공개 표본 규모에서 여러 후속 분석을 지원할 수 있음을 보였다고 밝혔다.

arXiv astro-ph.IM (관측기기)

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)