연구팀은 앞선 1편에서 보고한 렌즈 적색편이 0.8 이상의 강한 중력렌즈 후보 84개 가운데 은하 규모 80개 계통에 대해 렌즈 모델링을 수행했다. 이 중 71개(약 90%)는 렌즈 모델로 잘 재현되는 명확한 렌즈 특징을 보여 확실한 강한 중력렌즈로 분류됐고, 8개는 유력(5개) 또는 가능(3개) 후보로, 1개는 현재 영상 자료에서 신뢰할 만한 렌즈 특징이 없어 비(非)렌즈로 분류됐다. 논문은 이번 분석으로 z_lens > 0.8에서 알려진 은하 규모 강한 중력렌즈의 수가 거의 3배로 늘어, 고적색편이 은하의 총질량 구조에 대한 통계적 연구가 처음으로 가능해졌다고 밝혔다. 이는 우주론적 시뮬레이션의 예측이 고적색편이에서 크게 갈리는 영역을 검증할 기회를 제공한다.
arXiv astro-ph.GA (은하)
연구진은 사전학습된 36개 모델의 모든 층 표현을 교차 매칭된 광학 영상·적외선 영상·분광 데이터로 분석해, 기하학적으로 정렬된 천문 표현이 과학적으로도 상호 교환 가능한지 검증했다. 분석된 139개 모델-서베이 비교 모두에서 네트워크 내 어딘가에 유의미한 국소 이웃 정렬이 나타났지만, 정렬 정도는 일반적으로 층이 깊어질수록 증가하지 않았고 연속된 연산 블록 간의 변화량이 블록 출력 자체보다 더 강한 정렬을 보이는 경우도 있었다. 또한 기하학 기준으로 선택한 단계는 모든 영상 전이 비교에서 라벨 기준으로 선택한 단계보다 성능이 낮았으며, 최종 HSC-COSMOS-Web 모델 쌍은 모두 정렬된 반면 적색편이 전이는 모두 음의 R² 값을 기록했다. 연구진은 모델이 천체 간의 유사한 서베이 간 기하 구조는 복원할 수 있어도, 검증한 물리량에 대한 서베이 불변 선형 인코딩은 복원하지 못한다고 결론지었다.
arXiv astro-ph.IM (관측기기)
연구진은 Legacy Survey–HSC, HSC–JWST, SDSS–HSC의 교차 매칭 천체를 이용해 서베이 간 표현(representation)을 감사하는 컨포멀(conformal) 프레임워크를 제시했다. 천문 전용 AstroPT 임베딩은 동일한 커버리지 조건에서 범용 시각 백본보다 변환 오차가 낮고 컨포멀 영역도 더 좁았으며, 모델 계열별로 실패하는 천체가 서로 달랐다. 소스 임베딩에 자신의 향후 오차 정보가 담겨 있는지 적응적 컨포멀 예측으로 검증한 결과, 경고 신호는 Legacy→HSC에서는 백본 전반에 일관되게 나타났고 HSC→JWST에서는 백본에 따라 달랐으며 SDSS→HSC에서는 거의 없었다. 또한 대조군 분석에서 등급·겉보기 크기·최근접 이웃 거리로 설명되지 않는 '조용한 실패(silent failure)'가 확인됐다.
arXiv astro-ph.IM (관측기기)
연구진은 8개 계열에서 가져온 22개의 동결(frozen) 파운데이션 모델로 은하 이미지를 임베딩한 뒤, 각 결과를 백색화하고 연결된 임베딩에 무작위 SVD를 적용해 1024차원 임베딩을 만들었다. 이렇게 만든 모델은 HSC, 제임스웹 우주망원경(JWST), DESI 레거시 서베이 영상의 물리량·은하 형태 추정 지표 21개 중 19개에서 개별 구성 모델 모두를 능가했으며, 바스켓 규모와 아키텍처 다양성이 커질수록 성능이 올라가고 서로 다른 천문 서베이 간에도 성능이 전이됐다. 저자들은 비슷한 단일 도메인 모델을 새로 사전학습하려면 A100 GPU 기준 10^4~10^5 시간(수 톤의 CO2eq 배출)이 필요한 반면, 게슈탈트 조립은 단일 장비에서 수 분이면 충분하다고 밝혔다.
arXiv astro-ph.IM (관측기기)
연구진은 천문학을 실험 도구로 삼아 파운데이션 모델들이 공통된 표현으로 수렴하는지를 검증했으며, 분류·자기증류·결합임베딩 예측·오토인코딩·시각언어 사전학습·천문 특화 구조를 아우르는 11개 모델 계열(파라미터 규모 O(10M)~O(10B))을 제임스웹 우주망원경(JWST)·HSC·Legacy 영상과 DESI 분광 데이터에 적용했다. 모든 모델은 천문 특화 미세조정 없이 동결 상태로 평가했고, 선형 프로브로 적색편이·항성질량·비활동별형성률(sSFR)을 추정하는 한편 MKNN(국소)과 CKA(전역)로 임베딩 기하 구조를 비교했다. 그 결과 물리량 예측 성능은 모델 용량에 따라 예측 가능하게 확장됐고, 저수준 통계를 거의 공유하지 않는 DESI 분광과 HSC 영상 사이에서도 전역이 아닌 국소 임베딩 정렬이 물리 성능과 함께 움직였다. 저자들은 이 결과가 엄격한 플라톤적 표현 가설(PRH)보다 아리스토텔레스적 수정안(ARH)을 뒷받침하며, 천문 파운데이션 모델이 범용 사전학습 구조 위에 구축될 수 있음을 시사한다고 밝혔다.
arXiv astro-ph.IM (관측기기)