천문·천체물리
LISA 우주망원경의 초대질량 블랙홀 쌍성 병합 분석에 양자 신경망 적용 — 벤치마크 연구
연구진은 레이저 간섭계 우주 안테나(LISA)가 관측할 중력파 데이터 분석을 위해 양자·하이브리드·고전 머신러닝 모델을 초대질량 블랙홀 쌍성(MBHB)의 신호 검출과 병합 예측 두 과제에 적용해 비교했다. LISA 데이터 챌린지의 상그리아(Sangria) 데이터셋을 사용해 변분 양자 분류기(VQC), 포스트 VQC 하이브리드 모델, 양자 커널 기법, 데이터 재업로딩 분류기, 양자 LSTM(QLSTM)을 고전 모델인 서포트 벡터 머신·다층 퍼셉트론·순환 신경망·LSTM과 벤치마크했다. 신호 검출에서는 여러 양자 모델이 고전 기준선과 동등하거나 더 나은 성능을 보였고, 특히 최상위 포스트 VQC 하이브리드 구조는 블라인드 데이터셋의 모든 신호 샘플을 정확히 식별했다. 병합 검출과 병합 시점 추정에서는 표준 VQC가 가장 신뢰도 높은 모델로, 검출된 모든 병합 사건을 가장 낮은 위치 추정 오차로 특정했다. 저자들은 보편적인 양자 우위는 관측되지 않았으나 일부 양자 모델이 특정 중력파 분석 과제에서 실질적 이점을 제공할 수 있으며 향후 LISA 데이터 분석 파이프라인의 유력한 후보라고 평가했다.
arXiv astro-ph.IM (관측기기)
