국내 연구진이 4500여 개 소행성의 구성 성분을 파악할 수 있는 기계학습(머신러닝) 기술을 개발했다.
한국천문연구원은 문홍규 박사와 손영종 연세대 교수 연구팀이 공동으로 천문연의 외계행성탐색시스템(KMTNet) 관측자료와 자체 개발한 기계학습법을 통해 4528개 소행성 표면의 구성 성분을 분류한 연구성과를 국제 학술지 '미국 행성과학저널'에 게재했다고 30일 밝혔다.
소행성은 대부분 크기가 작아 대형 천체망원경으로 관측해도 점으로 밖에 나타나지 않는다. 이 때문에 소행성 표면에 빛이 반사돼 드러나는 반사 스펙트럼을 통해 성분을 추정한다. 과학자들은 이런 방법을 이용해 임의로 2차원 변수평면 상에서 구획을 나눠 소행성 성분을 파악하려 했으나, 성분이 서로 다른 소행성들이 겹쳐 나타나는 문제가 있었다.
연구팀은 이런 문제를 해결하기 위해 기계학습을 활용한 분석방법을 적용했다. 과거 사용하던 변수인 가시광 스펙트럼 기울기와 흡수 스펙트럼 깊이에 더해 스펙트럼 넓이를 추가해 3차원 색(변수) 공간에 소행성 성분들이 나타나도록 했다. 이어 세 가지 변수(색)를 기계학습법으로 훈련시켜 소행성들의 개략적인 표면 성분을 새롭게 분류하는 데 성공했다.
그 결과, 명확하게 경계를 구분할 수 있는 기존 9개의 분류형을 확인했고, 이 가운데 2차원색 평면에서 구별하기 어려운 K형과 X형을 3차원 공간에서 뚜렷하게 구분할 수 있었다고 연구팀은 설명했다.
문홍규 천문연 박사는 "이번에 개발한 기계학습 기술은 100만개 넘는 소행성과 3만2000개에 달하는 근지구소행성의 색 정보를 빠르게 수집해 한 눈에 파악하는 강력한 도구로 쓰일 것"이라며 "내년부터 향후 10년 간 베라 루빈천문대에서 수행할 '시공간 기록 탐사'의 빅데이터에 적용하면 태양계 소천체의 비밀을 파헤치는 데도 활용될 것"이라고 말했다. 이준기기자 bongchu@dt.co.kr
한국천문연구원은 4500여 개 소행성의 구성 성분을 분류할 수 있는 기계학습 기술을 개발했다. 사진은 망원경 관측자료를 이용해 소행성을 분류하는 방법
