韓 연구진, 기계학습법으로 4500여개 소행성 성분 분류 성공

빛 반사 스펙트럼 넓이까지 분석…소행성 중첩 관측 문제 해소

"LSST 빅데이터 적용 시 태양계 소천체 비밀 파헤질 수 있을 것"

[서울=뉴시스]한국천문연구원은 문홍규 천문연 박사와 손영종 연세대학교 교수 공동연구팀은 천문연 외계행성탐색시스템(KMTNet) 관측자료와 자체 개발한 기계학습법을 통해 4528개 소행성 표면의 구성 성분을 분류했다고 밝혔다. 사진은 새로운 방식으로 소행성 구성 성분을 분류한 결과. (사진=천문연 제공)

[서울=뉴시스]윤현성 기자 = 국내 연구진이 자체 개발한 기계학습법을 통해 4500개가 넘는 소행성의 구성 성분을 분류해 파악하는 데 성공했다. 빛 반사를 통해 드러나는 반사 스펙트럼의 기울기와 깊이을 통해 성분을 추정한 것에서 나아가 스펙트럼의 넓이까지 추가하는 새로운 분류 체계를 만들었다.

한국천문연구원은 문홍규 천문연 박사와 손영종 연세대학교 교수 공동연구팀은 천문연 외계행성탐색시스템(KMTNet) 관측자료와 자체 개발한 기계학습법을 통해 4528개 소행성 표면의 구성 성분을 분류해 미국의 '행성과학저널(Planetary Science Journal)'에 발표했다고 30일 밝혔다.

소행성은 대부분 크기가 작아 대형 천체 망원경으로 봐도 점으로밖에 나타나지 않는다. 그래서 소행성 표면에 빛이 반사돼 드러나는 반사 스펙트럼을 통해 그 성분을 추정하게 된다. 과학자들은 과거 이러한 방법을 이용해 임의로 2차원 변수평면 상에서 구획을 나눴는데, 성분이 다른 소행성들이 구획 위에 겹쳐서 나타나 문제가 있다는 지적을 받아왔다.

이같은 문제를 해결하기 위해 공동연구팀은 기계학습법을 활용한 분석 방법을 도입했다. 과거에 사용해오던 변수인 가시광 스펙트럼 기울기와 흡수 스펙트럼 깊이 이외에 스펙트럼의 넓이까지 추가해 3차원 색 공간에 나타낸 것. 그리고 이러한 세 가지 변수(색)를 기계학습법으로 훈련시켜 소행성들의 개략적인 표면 성분을 새롭게 분류했다.

천문연-연세대 공동연구팀은 명확하게 그 경계를 구분할 수 있는 기존 9개의 분류형(A, B, C, K, L&D, O, S, V, X)을 확인했으며, 특히 2차원 색 평면에서 구별하기 어려운 K형과 X형을 3차원 공간에서 뚜렷하게 구분했다.

[서울=뉴시스][서울=뉴시스]한국천문연구원은 문홍규 천문연 박사와 손영종 연세대학교 교수 공동연구팀은 천문연 외계행성탐색시스템(KMTNet) 관측자료와 자체 개발한 기계학습법을 통해 4528개 소행성 표면의 구성 성분을 분류했다고 밝혔다. 사진은 망원경 관측자료를 이용해 소행성을 분류하는 방법. (사진=천문연 제공)

2022년 논문 1저자로 관측과 자료분석을 주도한 노동구 천문연 박사는 "소행성 성분 분류 연구에서 우리가 만든 방법을 우리가 자체 생산한 데이터에 적용해 거둔 성과라는 데 큰 의미가 있다"고 자평했다.

이 연구에 맞춰 기계학습법을 적용하고 분석을 주도한 신민수 천문연 박사는 "이 방법을 2024년부터 2034년까지 향후 10년 동안 베라 루빈 천문대에서 수행할 '시공간 기록 탐사'(LSST)의 빅데이터에 적용하면 태양계 소천체의 비밀을 파헤칠 수 있을 것"이라 말했다.

연구를 주도한 문홍규 천문연 박사는 "공동연구팀이 개발한 기계학습법은 우주자원 탐사에 당장 적용하는 데에는 무리가 있다. 그러나 100만개 넘는 소행성과 3만2000개에 달하는 근지구소행성의 색 정보를 빠르게 수집, 한눈에 파악하는 강력한 도구"라며 "해외 연구자들이 제시한 기준에서 탈피, 앞으로 독자적인 분류 시스템을 완성하는 것이 우리의 목표"라고 강조했다.


◎공감언론 뉴시스 [e-mail]