우주

#XGBoost

5건의 기사

천문·천체물리

X선 폭발 원소 분포의 '2차 피크' 주범은 Cu-59·Ga-63 경쟁 반응

I형 X선 폭발(XRB) 재(ash)의 조성은 중성자별 지각의 열 수송 특성과 약한 상호작용을 통한 가열·냉각에 영향을 주는데, 반응률 불확실성은 최종 원소 분포에서 주 피크와 분리된 2차 피크를 만들 수 있다. 연구진은 STARLIB 반응률과 온도 의존 불확실성을 K04 단일영역 후처리 모델에 적용하고, 4종의 몬테카를로 계산을 XGBoost 분류·SHAP 분석·반응 흐름 분석과 결합해 그 기원을 조사했다. 그 결과 Cu-59와 Ga-63에서 경쟁하는 (p,α)·(p,γ) 반응쌍이 조사한 44개 동위원소 전부에서 중심 68% 신뢰구간 밖 2차 피크의 주된 원인으로 나타났으며, 두 반응쌍을 중앙값 반응률로 고정하면 2차 피크 영역의 표본 비율이 96~100% 감소한 반면 대부분의 질량수에서 중심 68% 구간의 경계는 거의 변하지 않았다. 효과는 Cu-59 쌍이 더 컸고, 재순환이 강화되면 더 무거운 동위원소로 공급되는 물질이 줄고 양성자 소모가 빨라져 이후 양성자 포획이 더욱 억제된다. 연구는 Cu-59(p,γ)Zn-60과 Ga-63의 두 경쟁 채널을 XRB 원소 분포 예측 개선을 위한 핵물리 제약의 우선 과제로 제시했다.

arXiv astro-ph.HE (고에너지)

천문·천체물리

XGBoost로 자기화 분자운 속 전주성 핵 예측… 머신러닝 난류 연구 1편

거대분자운(GMC)의 초음속 난류와 자기장 속에서 어떤 가스가 중력 붕괴해 별 형성 핵이 될지 예측하기 위해, 자체중력 난류 자기유체역학(MHD) 시뮬레이션의 추적 입자 약 210만 개로 XGBoost 머신러닝 모델을 학습시킨 연구다. 회귀 모델은 0.25 t_ff(약 0.31 Myr) 동안의 3차원 공간 진화를 R² > 0.99로 예측했고, 분류 모델은 중력 붕괴 가능성 순위를 AUC 0.975로 구분했다. SHAP 해석 결과 국소 밀도·운동에너지·자기장 강도가 핵 식별을 주도하며, 모델이 log₁₀ρ ≈ 0.8 부근에서 비선형 붕괴 임계값을 스스로 재도출한 것으로 나타났다. 다만 절대적 이진 임계값에서는 정밀도가 37%에 그쳤고, 연구진은 점 단위 ML 모델이 붕괴를 멈추는 데 필요한 국소 미분 연산자(자기장 방향 미분, 열압력 기울기, 자기장 곡률 등)를 평가할 공간적 맥락을 수학적으로 갖지 못한다고 지적했다.

arXiv astro-ph.GA (은하)

man standing beside telescope with tripod
천문·천체물리

ALMA 밴드패스 보정 이상 신호를 자동 분류하는 머신러닝 프레임워크 제안

전파 간섭계 관측에서 주파수별 기기 응답을 보정하는 밴드패스 보정 결과에는 이상 신호가 섞일 수 있고, 이를 놓치면 과학 데이터 품질이 떨어진다. 연구진은 기존 관측소 파이프라인이 쓰는 스칼라 지표와 선형 결정 경계 대신, 이상 탐지를 지도학습 분류 문제로 다루는 머신러닝 프레임워크를 설계했다. 커널 기반 스캔 통계에서 도출한 특징들을 XGBoost 모델에 결합해 ALMA 밴드패스 보정의 진폭 해에서 이상을 분류하며, 품질 관리를 거친 대규모 ALMA 데이터로 학습했다. 저자들은 이 방식이 현행 파이프라인 휴리스틱보다 오분류를 크게 줄이며, 차세대 전파 관측 시설로도 확장 적용할 수 있다고 밝혔다.

arXiv astro-ph.IM (관측기기)

On 1st February 2023, Comet C/2022 E3 was at it's closes point to earth. I went out in my garden at around 11pm and scoured the night sky to try and find this very faint smudge in the sky (as that's h
천문·천체물리

불확실성을 반영한 조석파괴현상(TDE) 분류: 호스트 정보 없이 확률적 랜덤 포레스트 활용

연구진은 ZTF 알림 스트림의 핵심부 일시천체에서 상승·감쇠 시간척도, 흑체 온도 변화, 천체 변광 지표 등 11개 특징을 추출해 호스트 은하 정보 없이 조석파괴현상(TDE)을 분류하는 확률적 랜덤 포레스트(PRF) 기반 프레임워크를 제시했다. PRF는 XGBoost와 Leave-One-Out 교차검증으로 비교됐는데, XGBoost는 균형·고정밀 시나리오에서 재현율이 더 높은 반면 PRF는 특징 불확실성이 큰 천체에 페널티를 부여해 오탐을 더 많이 걸러냈다. 이 프레임워크를 아카이브 데이터에 적용한 결과 미분류 천체 중 11개의 새로운 TDE 후보와, 기존 학습 레이블에서 초신성이나 활동은하핵으로 잘못 분류됐던 3개의 광도측정 TDE 후보를 찾아냈다. 연구진은 호스트 정보에 의존하지 않는 이 방식이 루빈 천문대(Rubin Observatory)가 관측할 어두운 일시천체 집단에도 유효하며, 낮은 신호대잡음비에서 결정론적 모델이 보이는 과신 오분류를 막기 위해 불확실성을 반영한 확률적 분류기가 필수적이라고 밝혔다.

arXiv astro-ph.HE (고에너지)

A breathtaking image of the NGC 4631 Whale Galaxy with colorful nebulas and stars in the universe.
천문·천체물리

저적색편이 세이퍼트 AGN 연구: 머신러닝 측광 적색편이 관계는 서브타입 간 전이되지 않는다

SDSS에서 분광학적으로 선별한 세이퍼트 I형·II형 표본을 AllWISE 측광과 교차 매칭해 0 < z_spec <= 0.6 구간에서 SDSS ugriz와 WISE W1-W4 기반 45개 특징으로 랜덤 포레스트·XGBoost 회귀 모델을 평가했다. 서브타입별 모델은 자체 표본에서 세이퍼트 II형 기준 R2 = 0.965, sigma_NMAD = 0.0169의 높은 성능을 보였으나, 세이퍼트 I형과 II형 사이의 전이에서는 표본 크기와 적색편이를 맞추고 측광 입력을 제한한 뒤에도 뚜렷한 비대칭적 정확도 저하가 나타났다. 확률적 세이퍼트 분류기는 세이퍼트 II형 회귀 모델이 더 신뢰할 만한 부분집합을 식별해냈고, 학습에 포함된 적색편이 범위를 벗어난 외삽에서는 계통적 과소추정이 발생했다. 연구진은 이 결과가 AGN 측광 적색편이 성능이 학습 데이터가 대표하는 천체 집단과 적색편이 영역에 크게 의존함을 보여주며, 서브타입을 고려한 보정과 적용 가능성에 기반한 천체 선별이 필요하다는 점을 뒷받침한다고 밝혔다.

arXiv astro-ph.GA (은하)