천문·천체물리
변광성 분류, 특징 기반 머신러닝이 딥러닝보다 우수…ZTF 데이터 4만 개 비교 연구
ZTF(Zwicky Transient Facility) StarEmbed 데이터셋의 약 4만 개 천체, 7개 불균형 클래스를 대상으로 특징 기반 머신러닝과 광도곡선 원본을 그대로 학습하는 엔드투엔드 딥러닝을 비교한 연구가 발표됐다. 물리적 근거를 가진 특징으로 학습한 고전적 모델이 딥러닝 신경망을 일관되게 앞섰고, 연구진은 라벨이 붙은 데이터가 제한적인 점이 성능 차이의 한 원인이라고 분석했다. 또한 광도곡선이 다변량이고 샘플링이 불규칙하며 형태적으로 다양하다는 점이 딥러닝 모델에 추가적인 난관으로 작용한다고 지적했다. 연구진은 현재 모델이 주어진 학습 데이터 규모에서는 일반화에 실패한다며, 라벨 데이터셋 확대와 대규모 비라벨 서베이를 활용한 자기지도 사전학습의 효용을 추가로 검증할 필요가 있다고 밝혔다.
arXiv astro-ph.IM (관측기기)