머신러닝은 과연 어디까지 한계를 뻗어나갈 것인가
NASA 자료를 통해 50개의 행성의 존재를 확인한 AI
다른 행성에 대한 탐구가 엄청나게 업그레이드 되었음
머신러닝 알고리즘이 50개의 새로운 행성의 존재를 확인시켜줌
이 알고리즘의 배후에 있는 워릭 대학교의 팀은 NASA가 이제 은퇴한 케플러 미션과 2018년에 발사된 우주 망원경인 TESS(Transiting Exoplanet Survey Satellite)에서 발원한 거대한 데이터셋을 제공함
과학자들은 이 팀의 연구가 미래의 행성 검증 기법을 위한 길을 열 수 있기를 바라고 있음
다른 행성의 존재를 알아내고 확인하는 현재의 기술은 노이즈, 배경의 물체의 간섭, 심지어 카메라의 오류에 의해 쉽게 흔들림
연구팀은 확인된 행성과 false positives 사이의 차이를 가르쳐 알고리즘을 훈련시켰음
그리고 나서 워릭 대학교 팀은 행성 후보자들에게 아직 검증되지 않은 별도의 데이터 집합에 알고리즘을 풀었음
이 알고리즘은 50개의 새로운 행성을 확인할 수 있었는데, 이는 천문학 역사상 최초의 것이었음
지난 주, 영국 왕립천문학회지 월간지에 게재된 논문의 수석 저자인 데이비드 암스트롱이 성명에서 말하길
"우리가 개발한 알고리즘은 50명의 후보를 행성 검증 문턱을 넘어 실제 행성으로 업그레이드할 수 있게 해준다"
고 했음
그 행성들은 다양한 크기로 나옴
어떤 것들은 해왕성만큼 큰 반면, 다른 것들은 심지어 지구보다 작음
암스트롱은 "어떤 후보가 행성이 될 가능성이 더 높은지 말하기는 커녕, 우리는 이제 정확한 통계적 가능성이 무엇인지 말할 수 있다"고 설명했음
"후보자가 false positives가 될 확률은 1%도 안 되는 정도로 오차가 적기에 이 알고리즘을 거치면 검증된 행성으로 간주된다."
알고리즘은 매우 효과적이고 완전히 스스로 매우 빠르게 작동함
인간 두뇌와 비교할 수 없을 정도의 속도임
암스트롱은 "아직 알고리즘을 훈련하는 데 시간을 투자해야 하지만, 일단 그렇게 되면, 이 알고리즘을 미래의 후보자들에게 적용하는 것이 훨씬 쉬워진다"고 덧붙였음
"우리는 이 기술을 TESS와 PLATO 같은 현재와 미래의 임무에서 나온 후보자들의 대규모 샘플에 적용하기를 희망한다."(2026년에 발사될 우주 망원경인 PLAnetary Transits and Ovalations of Stars)
세줄요약
1. 머신러닝으로 나사 우주망원경 자료 학습시킴
2. 인간이 할 수 있는 작업 한계를 초월하여 인간이 못찾은 행성 50개 찾아냄
3. 앞으로 이 기술은 스타크래프트 blacksheep wall 정도의 치트키로 성장할 수도 있음