딥러닝으로 우주를 탐험하다: AI 기반 외계행성 탐색 알고리즘의 혁신

Helem Salinas 등 연구진이 개발한 Transformer 기반 AI 알고리즘이 TESS 데이터 분석을 통해 214개의 새로운 외계행성 후보를 발견했습니다. 이는 주기성 가정 없이도 외계행성 통과 신호를 직접 감지하는 혁신적인 기술을 선보인 결과입니다.

우주 탐사의 영역에서 인공지능(AI)의 활약이 눈부십니다. 특히, 외계행성 탐색 분야에서는 AI가 혁신적인 도구로 자리매김하고 있으며, 최근 놀라운 연구 결과가 발표되었습니다. Helem Salinas 등 7명의 연구진은 Transformer 기반 알고리즘을 이용하여 TESS(Transiting Exoplanet Survey Satellite) 망원경의 데이터를 분석, 무려 214개의 새로운 외계행성 후보를 발견하는 쾌거를 이루었습니다.

기존의 외계행성 탐색 방법은 주로 통과 신호의 주기성을 가정하고, 후보를 분류 및 검증하는 데 초점을 맞추었습니다. 하지만 이번 연구는 이러한 한계를 뛰어넘었습니다. 연구진은 Transformer 신경망을 활용하여 주기성 가정 없이 TESS의 FFI(Full Frame Image) 데이터에서 직접 외계행성 통과 신호를 탐지하는 새로운 접근 방식을 제시했습니다. Transformer의 장점인 장거리 의존성 파악 능력을 활용하여, 배경 및 중심 시계열과 결합된 완전한 광도 곡선으로부터 외계행성 통과 신호를 직접 식별해낸 것입니다. 이는 마치 긴 문장에서 문맥을 파악하듯이, 복잡한 광도 곡선에서 통과 신호의 특징(예: 깊이, 모양)을 파악하는 것과 같습니다.

이 알고리즘은 단순히 통과 신호를 찾는 데 그치지 않습니다. 통과 신호의 모양을 학습하여 다른 변동성 요인과 구별하는 능력을 갖추었습니다. 이를 통해 122개의 다중 통과 광도 곡선, 88개의 단일 통과 광도 곡선, 4개의 다중 행성계를 포함한 214개의 새로운 외계행성 후보를 TESS 1-26 섹터 데이터에서 성공적으로 확인했습니다. 이는 행성의 크기가 목성 반지름의 0.27배보다 큰 경우에 해당합니다.

이번 연구는 AI 기반 외계행성 탐색 분야에서 획기적인 진전을 이룬 것으로 평가됩니다. 방대한 우주 데이터를 효율적으로 분석하고, 기존 방법의 한계를 극복하는 새로운 패러다임을 제시했습니다. 앞으로 이러한 기술 발전은 더 많은 외계행성 발견으로 이어질 뿐만 아니라, 생명체 존재 가능성을 가진 행성을 찾는 데에도 크게 기여할 것으로 기대됩니다. 끊임없는 기술 혁신을 통해 우주에 대한 우리의 이해는 더욱 깊어질 것입니다. ✨