인공지능이 우주 고고학에 도전하다: 허블 망원경으로 35년간 수집한 데이터를 48시간 만에 분석해 1.300개의 미스터리를 밝혀냈다

천문학 연구의 한계를 재정의하는 컴퓨팅 능력 시연에서, 인공지능 시스템이 단 이틀 반 만에 과학계가 수작업으로 수십 년을 걸려야 했을 작업을 완료했습니다. 바로 허블 우주 망원경의 35년 전체 관측 자료를 검토하여 1.300개 이상의 희귀하거나 특이한 천체를 식별한 것입니다. 데이비드 오라이언과 파블로 고메즈가 이끄는 유럽우주국(ESA) 연구진은 신경망을 개발하고 적용했습니다. 이상 일치 허블 레거시 아카이브에 저장된 약 100억 장의 이미지를 대상으로 망원경 발사 이후 축적된 특이점을 체계적이고 포괄적으로 탐색하는 최초의 연구를 수행했습니다. 이 연구 결과는 이번 주 월요일 학술지에 발표되었습니다. 천문학 및 천체 물리학그것들은 눈앞에 드러나 있었지만 감춰져 있던 우주를 드러냅니다. 이러한 이상 현상들 대부분은 과학 문헌에 기록된 적이 없었으며, 역사상 가장 면밀히 검토된 데이터조차도 올바른 "관점"으로 바라보면 여전히 비밀을 간직하고 있음을 보여줍니다.

공공기록보관소에 숨겨진 보물

이번 발견의 중요성은 분석 속도뿐 아니라 발견된 내용의 질에도 있다. 35년 동안 수천 명의 천문학자들이 허블 이미지를 연구하고 수만 건의 논문을 발표했다. 서류가장 밝거나, 가장 특이하거나, 가장 눈에 띄는 천체들은 이미 목록에 등재되었을 것이라고 합리적으로 추정되었다. 그러나 탐지된 이상 현상의 65%는 이상 일치 그들은 천문학 데이터베이스에 사전 기록이 없었다. 이는 수백 가지의 독특한 천체물리학적 현상이 공개 서버에 "숨겨져" 있으며, 무한한 인내심을 가진 기계의 도구가 그것들을 세상에 드러내기를 기다리고 있다는 것을 의미합니다.

발굴된 희귀품들 중에는 다음과 같은 것들이 포함되어 있습니다. 새로운 중력 렌즈 후보 138개이는 전경 은하의 질량이 시공간의 구조를 휘게 하여 마치 우주 돋보기처럼 작용해 멀리 있는 물체에서 오는 빛을 완벽한 호와 고리 모양으로 왜곡시키는 현상입니다. 이러한 현상은 암흑 물질과 우주의 팽창을 연구하는 데 매우 중요한 자연 실험실입니다. 또한, AI는 다음과 같은 점을 식별했습니다. 이전에 알려지지 않았던 417개의 은하 병합별들의 충돌이 다양한 상호작용 단계에서 만들어내는 격렬한 발레를 포착하고, 18개의 "해파리 은하"은하가 성단을 통과할 때 성간 가스의 압력으로 인해 별 물질의 촉수가 떨어져 나가는 매혹적인 구조입니다.

햄버거, 나비, 그리고 분류 불가능한 것들

인공지능의 특이한 형태 감지 능력 덕분에 기존의 설명으로는 설명하기 어려운 천체들을 발견할 수 있었습니다. 연구팀은 측면에서 관측된 원시 행성 원반들이 중심부의 먼지에 의한 빛 흡수 때문에 마치 우주의 "햄버거"나 별이 빛나는 배경을 뒤로한 어두운 나비의 실루엣처럼 보이는 현상을 관찰했습니다. 또한, 작은 은하가 더 큰 은하의 중심부를 통과하면서 연못에 잔물결이 일듯 별 형성의 충격파를 일으켜 형성된 희귀한 충돌 고리 은하 두 개도 발견했습니다.

하지만 이론 물리학에 있어 가장 유망한 것은 아마도 다음과 같은 집합일 것입니다. 기존 분류 체계를 완전히 거부하는 수십 개의 물체 이러한 "순수한" 변칙 현상은 나선 은하, 타원형 은하 또는 불규칙 은하의 범주에 속하지 않으며, 관측 장비의 오류로 인한 것으로 보이지도 않습니다. 본질적으로 이것들은 제임스 웹 우주망원경과 같은 망원경을 이용한 후속 관측을 통해 새로운 유형의 천체인지, 아니면 지금까지 포착하고 식별할 기회가 없었던 극히 짧고 드문 진화 단계인지 밝혀내야 하는 진정한 미스터리입니다.

인간적 차원의 위기 해결

오라이언과 고메즈의 연구는 현대 천문학의 근본적인 병목 현상인 부피 문제를 다룹니다. 인간 과학자들은 관찰 대상을 이해하는 질적 분석에는 탁월하지만, 생물학적으로 피로로 인해 오류를 범하지 않고 수백만 장의 이미지를 검토하는 데 필요한 주의력을 지속적으로 유지할 수 없습니다. 갤럭시 주(Galaxy Zoo)와 같은 시민 과학 프로젝트는 수천 명의 자원봉사자에게 작업을 위임함으로써 이러한 문제를 완화하려고 노력했지만, 기하급수적으로 증가하는 아카이브에 직면했을 때 대중의 열정조차도 한계가 있습니다.

이상 일치 이는 하이브리드 접근 방식을 통해 해결됩니다. 준지도 학습 및 능동 학습 기존 알고리즘은 학습된 대로만 검색하는 반면(예: "고양이 찾기"), 이 신경망은 천문 데이터의 정상적인 구조를 인식하고 해당 패턴에서 벗어나는 모든 것을 표시하도록 훈련되었습니다. 또한, 인간 전문가가 초기 결과를 검증하는 피드백 루프를 통합하여 시스템이 실제 천체물리학적 이상 현상과 단순한 카메라 센서 결함 또는 우주선이 검출기에 충돌한 것을 구별하도록 "학습"시켰습니다.

데이터 폭증에 대비한 예행연습

허블 아카이브에 이 도구를 성공적으로 구현한 것은 사실상 가까운 미래를 위한 준비입니다. 천문학은 이제 "대규모 관측소" 시대로 접어들고 있습니다. 2023년에 발사된 유럽우주국(ESA)의 유클리드 임무는 이미 수십억 개의 은하를 지도화하고 있으며, 곧 가동될 베라 C. 루빈 천문대는 며칠에 한 번씩 남반구 하늘의 영상을 촬영하여 10년 동안 60페타바이트 이상의 데이터를 축적할 예정입니다. 2027년 발사 예정인 NASA의 낸시 그레이스 로만 우주 망원경은 허블 망원경보다 100배 더 넓은 시야를 가지고 있어 인간의 마음으로는 상상할 수 없을 만큼 풍부한 별들의 풍경을 보여줄 것입니다.

이러한 맥락에서 다음과 같은 도구는 이상 일치 그것들은 더 이상 단순한 호기심의 대상이 아니라 필수적인 기반 시설이 될 것입니다. 실시간으로 쏟아지는 데이터를 걸러내는 AI가 없다면, 잠재적인 발견의 대다수는 하드 드라이브에 보관된 채로 눈에 띄지 않고 잊혀질 것입니다.ESA 팀의 성공은 인공지능이 천문학자를 대체하는 것이 아니라, 오히려 초고속 체처럼 알맹이와 쭉정이를 걸러내어 인간이 가장 잘하는 일, 즉 불가능한 현상의 물리학을 해석하는 데 시간을 쏟을 수 있도록 해준다는 것을 보여줍니다.