우주

#U-Net

8건의 기사

천문·천체물리

딥러닝으로 만든 첫 페르미-LAT 전천 감마선 천체 목록 '1FDL' 공개

연구진은 광학 관측에 쓰이던 AutoSource-ID 알고리즘을 감마선 데이터용으로 확장해, U-Net 기반 영상 분할로 천체를 검출하고 별도의 심층신경망(DNN)으로 위치·플럭스 추정과 진짜/허위 천체 분류를 수행하는 파이프라인을 구축했다. 학습 데이터는 10년치 페르미-LAT(Fermi-LAT) 관측에 기반한 몬테카를로 시뮬레이션으로 생성했으며, 그 결과 딥러닝 기법으로 만든 첫 전천 감마선 천체 목록 1FDL에 3,800개가 넘는 천체의 위치·플럭스와 검출 신뢰도 점수를 담았다. 성간 방출 모형(IEM) 변화에 대한 견고성 평가에서 이 방식은 표준 페르미-LAT 목록 파이프라인의 우도 기반 방법과 대등하거나 더 나은 성능을 보였다. 1FDL은 같은 10년 관측 기간의 4FGL-DR2 카탈로그와 대체로 일치했고, 최근 16년 천체 목록(FL16Y)에서 확인된 신규 천체 몇 개도 포함했다.

arXiv astro-ph.HE (고에너지)

This all-sky image shows the spatial distribution over the whole sky of the galactic haze at 30 and 44 GHz, extracted from the Planck observations.
천문·천체물리

물리 정보 신경망(PINN) vs U-Net: 마이크로파 영역 열적 먼지 복원 비교

은하 열적 먼지 방출은 100GHz 이상에서 우주마이크로파배경(CMB)의 주된 전경 오염원으로, 연구진은 수정 흑체(MBB) 스펙트럼 모델을 미분 가능한 구조적 제약으로 직접 내장한 물리 정보 신경망(PINN)을 제시하고 동일한 파이프라인으로 학습한 표준 U-Net과 비교했다. 두 모델은 143·217·353·545GHz 네 주파수의 플랑크(Planck) HFI 모의 패치로 학습했고, 공통 검증셋과 PySM 먼지 모델 D4·D7·D10의 독립적인 은하 먼지 구현 3종에서 평가했다. 평가 전반에서 두 신경망은 구조적 유사도 지수(SSIM) 0.96 이상, 각 파워스펙트럼 스펙트럼 지수는 모든 영역에서 입력값과 1% 이내로 일치하는 비슷한 복원 품질을 보였다. 물리 제약을 넣은 PINN은 제약이 없는 U-Net 대비 복원 정확도 저하 없이 모든 예측 결과가 열역학적으로 허용되는 물리 구성에 대응함을 보장했다.

arXiv astro-ph.IM (관측기기)

CAPE CANAVERAL, Fla. -- NASA’s Mars Atmosphere and Volatile EvolutioN, or MAVEN, spacecraft begins its 10-month journey to Mars, launching atop a United Launch Alliance Atlas V rocket at 1:28 p.m. EST
행성과학·태양계

딥러닝으로 화성 고에너지 O2+ 이온 빔 식별… MAVEN 10년 관측 데이터 분석

화성 전리층 이온은 태양풍에 의해 가속되어 대기 이온 유출에 크게 기여하는데, 연구진은 U-Net 기반 영상 분할 모델을 개발해 메이븐(MAVEN) 탐사선의 10년치 관측에서 고에너지 O2+ 빔을 식별하고 전역적 특성을 통계 분석했다. 분석 결과 O2+ 빔은 화성 플라스마 환경 전반에 널리 분포하며, 태양풍 대류 전기장이 화성 외부를 향하는 +E 반구에 강하게 치우쳐 나타나 대류 전기장이 빔 형성에 주요한 역할을 함을 시사했다. 태양풍과 마그네토시스 영역의 빔은 기존에 알려진 플룸과 일치했고, 발생 빈도로 가중한 플럭스는 기존 장기 플룸 추정치와 부합했으나 빔 구간 자체의 플럭스는 훨씬 높게 나타났다. 유도 자기꼬리에서는 대류 전기장과의 연관성이 유지되면서 홀 전기장이 추가 에너지 공급원으로 작용할 수 있었고, 빔 특성은 주로 상류 태양풍 조건에 좌우되며 태양 극자외선 복사와는 뚜렷한 관련이 없었다. 연구진은 이 결과가 우주선 관측에서 일시적 플라스마 집단을 식별하는 딥러닝의 가능성을 보여준다고 밝혔다.

arXiv astro-ph.EP (행성계)

A breathtaking satellite view of Earth highlighting Asia with clear oceans.
천문·천체물리

딥러닝으로 남반구 고위도 전위 패턴 예측 — 확산 모델이 장기 예보에서 우위

연구진은 SuperDARN 레이더 관측에서 도출한 남반구 고위도 전위 지도를 예측하기 위해 L1 라그랑주점의 태양풍·행성간자기장 측정값을 조건으로 하는 확률적 확산(diffusion) 모델, 조건 없는 확산 모델, 결정론적 U-Net 기준 모델 등 세 가지 딥러닝 구조를 학습·비교했다. 2020~2025년 5년치 SuperDARN 데이터를 DSCOVR L1 측정값과 동기화해 단일 예측, 최대 350프레임의 자기회귀 롤아웃, 학습에 쓰이지 않은 2015년 3월 세인트패트릭데이 대형 폭풍 사례로 평가했다. 결정론적 모델은 짧은 예보 구간과 정온한 조건에서 경쟁력이 있었지만, 예보 구간이 길어지고 현상이 격렬해질수록 확산 모델의 우위가 커졌다. 연구진은 이를 근거로 확률적·표본 기반 생성 모델이 장기 우주기상 예보에 더 유망한 방향이라고 평가했다.

arXiv astro-ph.EP (행성계)

Lexington, Massachusetts high school student, Judith Miles, discusses her proposed Skylab experiment with engineers and scientists during a design review of the experiment equipment. At left is Ron P
천문·천체물리

U-Net 신경망으로 퀘이사 스펙트럼의 금속 흡수선 검출: WEAVE 모의 데이터 검증

대규모 분광 탐사로 퀘이사 스펙트럼 데이터가 급증하면서 흡수 특징을 자동 검출하는 기법이 필요해진 가운데, 연구진은 WEAVE 유사 모의 스펙트럼의 퀘이사 정지좌표계 파장 구간 1230Å ≤ λ_RF ≤ 3095Å에서 금속 흡수선을 찾는 U-Net 모델을 제안했다. 이 U-Net은 흡수선 신호대잡음비(S/N_line) 약 4에서 완전성·순수도·F1 점수 모두 약 90%에 도달했고, S/N_line 5 이상의 오검출은 모두 감쇠 라이먼알파(Lyα) 계열의 넓은 흡수체 분포 꼬리 부분에서 발생했다. 연속광 맞춤 과정을 함께 적용해도 S/N_line 4 이상에서는 검출 성능에 미치는 영향이 거의 없었다. 연구진은 이 구조가 현재와 향후의 대규모 분광 탐사에서 흡수선 분석 도구로 경쟁력이 있다고 밝혔다.

arXiv astro-ph.GA (은하)

On June 17, 2025, NASA’s Armstrong Flight Research Center in Edwards, California, hosted Bring Kids to Work Day, offering hands-on activities that introduced children and their families to the excitin
천문·천체물리

U-Net과 ResNet 결합해 전경 은하빛에 가려진 중력렌즈 탐색… KiDS 데이터서 후보 2,168개 식별

연구진은 중심 은하의 전경 빛에 가려진 중력렌즈를 찾기 위해 U-Net으로 전경 은하빛을 분리해 잔차 영상을 만들고, ResNet으로 렌즈 신호를 이진 분류하는 복합 신경망 기법을 제안했다. 실제 관측 데이터 검증에서 신뢰도 임계값 0.6 기준으로 재현율 71.5%, 위양성률 4.5%를 기록했다. 이 방법을 킬로디그리 서베이(KiDS) 데이터 릴리스 4의 은하 표본 638,398개 이상에 적용해 A등급 88개, B등급 322개, C등급 1,758개 후보를 식별했다.

arXiv astro-ph.GA (은하)

천문·천체물리

결정론적 확산 모델로 중력파 후보 신호 잡음 제거…α-(de)blending 기법 제안

회전하는 중성자별에서 나오는 연속 중력파를 전천 탐색할 때 나온 후보 신호의 잡음을 제거하는 결정론적 머신러닝 기법이 제시됐다. 연구진은 시간영역 F-통계량 탐색 파이프라인의 F(f,ḟ) 후보 패턴을 U-Net으로 구현한 확산형 생성 모델 'α-(de)blending'으로 반복 후처리하고, 6일·12일 모의 시간영역 구간에 LVK 하드웨어 주입과 유사한 신호를 소프트웨어로 주입해 학습시킨 두 모델을 구조적 유사도 지수(SSIM)로 평가했다. 그 결과 신호대잡음비 ρ ≳ 4에서 하늘 위치에 따른 올바른 패턴을 대체로 복원했는데, 이는 통상적인 전천 탐지 기준보다 다소 낮은 수준이며 복원 성능은 패턴 형태에 크게 좌우됐다. 연구진은 이 기법이 준결맞음 일치 단계에 앞서 정합성 확인 또는 veto 도구로 쓰일 수 있다고 밝혔다.

arXiv astro-ph.HE (고에너지)

천문·천체물리

머신러닝으로 재이온화 시기 관측에서 원시 밀도장 복원… 우주론 파라미터 제약 2배 개선

연구진은 LIMFAST로 생성한 z~8의 21cm 및 CO(1-0) 라인 세기 지도에서 3차원 U-Net을 이용해 z~300 시점의 초기 밀도장을 복원했다. 21cm는 중성·저밀도 은하간 물질을, CO는 고밀도 별 형성 영역을 추적해 서로 보완적이며, 잡음이 없는 경우 두 추적자를 결합하면 k ≲ 0.75 Mpc^-1에서 교차상관계수 |C(k)| ≳ 0.90을 달성했다. SKA1-Low 및 COMAP-ERA급 관측의 각분해능과 열잡음을 반영하면 소규모 정보는 열화되지만, 결합 시 k ≲ 0.3 Mpc^-1에서 |C(k)| ≳ 0.70을 유지했다. 시뮬레이션 기반 추론 결과 복원 후 σ8과 ns의 불확실성이 약 2배 개선됐고, 다른 파라미터에서도 작지만 일관된 향상이 확인됐다.

arXiv astro-ph.IM (관측기기)