[R&D르네상스] 인공지능이 그린 우리은하 주변 암흑물질 지도
[R&D르네상스] 인공지능이 그린 우리은하 주변 암흑물질 지도
  • 박소연 기자
  • 승인 2021.05.31 13:37
  • 댓글 0
이 기사를 공유합니다

- 딥러닝 기술 활용해 우리은하 주변 암흑물질 분포 예측
- 은하 사이 숨겨진 다리인 암흑물질 예측에 결정적 단서 포착
박소연 기자 psy@monthlypeople.com
박소연 기자 psy@monthlypeople.com

한국천문연구원은 우리은하 주변의 외부 은하 정보에 인공지능을 적용해 기존 연구 대비 3배 이상 정밀한 우리은하 주변 암흑물질 분포 지도를 공개했다. 암흑물질이란 질량이 있어 중력을 통해 우주에 존재한다고 간접적으로 추정되는 물질로 빛을 내거나 반사하지 않아 우리 눈에 보이지 않는다. 이러한 암흑물질은 우주를 구성하는 에너지의 약 26%를 차지할 것으로 추정되고 있다.

 

천문연 홍성욱 박사가 주도한 국제 공동 연구진은 약 1,900개의 외부 은하 정보에 딥러닝(Deep Learning) 기술을 적용해 우리은하로부터 1억 광년 내에 펼쳐져 있는 암흑물질의 밀도 분포를 예측했다. 이번 결과를 통해 약 3백만 광년의 해상도를 가진 우리은하 주변 우주 거대 구조(large-scale structure of the universe)의 상세한 모습을 확인할 수 있었다.

 

연구진은 우선 인공지능 모형을 학습시키기 위해 일러스트리스-TNG (Illustris-TNG)’라는 대규모 우주 거대 구조를 모사한 시뮬레이션을 활용했다. 이를 통해 학습한 암흑물질 예측 모형은 은하 간 실가닥(filament) 구조를 매우 자세하게 재구성했다. 특히 은하의 위치와 공간 속도를 동시에 입력했을 때 기존 시뮬레이션과 비슷한 매우 높은 수준의 암흑물질 분포를 예측할 수 있음을 확인했다. 학습된 암흑물질 예측 모형의 성능 확인을 위해 실제 우리은하 주변 1억 광년 내에 존재하는 은하 정보를 적용한 결과 우리은하가 포함된 국부 은하군과 처녀자리 은하단 등 기존에 알려진 은하 집단과 은하들을 연결하는 실가닥 구조가 잘 재현됨을 확인했다.

 

 

■ 인공지능으로 예측한 우리은하 주변 1억 광년 내의 3차원 암흑물질 분포와 운동 방향 ■
좌표 가운데 검은색 ‘X’는 우리은하의 위치를 표시하며, 작은 검은 점들은 우리은하 주변에 위치한 잘 알려진 외부 은하이다. 빨간색 영역은 암흑물질 밀도가 높은 곳이며, 파란색 영역은 암흑물질 밀도가 비교적 낮은 곳임을 의미한다. 화살표는 암흑물질의 운동 방향을 나타낸다. 은하와 은하 사이를 연결하는 암흑물질들이 미세한 실가닥처럼 분포하는 것을 확인할 수 있다.
(a) 초은하좌표계* XY평면상 우리은하 주변 암흑물질 분포
(b) 초은하좌표계 YZ평면상 우리은하 주변 암흑물질 분포
(c) 초은하좌표계 ZX평면상 우리은하 주변 암흑물질 분포
*초은하좌표계: 우리은하를 중심으로 하여 우리은하 바깥의 천체의 위치를 표시하는 좌표계 중의 하나. xyz 직각좌표계를 이용할 경우, z축(SGZ)은 헤르쿨레스자리 방향이며, x축(SGX)은 우리은하 중심에서 지구를 향하는 방향으로 정의한다.
[사진 및 설명 = 한국천문연구원]

눈에 보이지도 않는 암흑물질의 분포를 밝히는 것이 중요한 이유는 은하와 은하를 연결하는 우주망(cosmic web)이 대부분 암흑물질로 구성됐기 때문이다. 암흑물질의 분포는 우주에 존재하는 각각의 은하가 과거에 어떻게 형성됐는지 또한 미래에 어떻게 진화할지를 알 수 있는 우주 팽창 모형의 기본 뼈대가 된다.

 

특히 과거 우주망 지도를 구현하고자 시도한 연구들은 초기 우주 모형에 대한 가설을 수립하고 수십억 년 동안 우주의 진화를 모사해야 하는데 이는 방대한 계산과 전산 자원이 필요하기 때문에 우리은하 주변 암흑물질 분포까지 상세하게 볼 수는 없었다. 이번 연구 결과는 기존과 다른 완전히 새로운 접근 방식인 딥러닝 기술을 통해 다양한 은하 정보의 확률적 통계 모형을 구축함으로써 암흑물질 분포 예측을 매우 효율적으로 재현했다는 데 큰 의의가 있다.

 

그림 2. 암흑물질 분포를 예측하기 위해 사용한 인공지능 모형외부 은하들의 공간 분포와 각각의 운동 속도 정보를 입력값(그림 왼쪽)으로 하고 암흑물질의 밀도 분포를 출력값(그림 오른쪽)으로 하는 합성곱 신경망(convolutional neural network) 기반의 딥러닝 모형이다. 학습훈련은 일러스트리스-TNG 시뮬레이션에서 우리은하와 비슷한 환경을 골라낸 자료를 이용했다. 은하의 공간 분포와 속도 정보를 잘 활용했을 때 인공지능은 암흑물질의 밀도 분포를 약 3백만 광년 규모까지 잘 드러내줄 뿐 아니라, 은하와 은하 사이 암흑물질들이 따라 분포하는 미세한 실가닥 구조도 잘 재현해 낸다.
■ 암흑물질 분포를 예측하기 위해 사용한 인공지능 모형 ■
외부 은하들의 공간 분포와 각각의 운동 속도 정보를 입력값(그림 왼쪽)으로 하고 암흑물질의 밀도 분포를 출력값(그림 오른쪽)으로 하는 합성곱 신경망(convolutional neural network) 기반의 딥러닝 모형이다. 학습훈련은 일러스트리스-TNG 시뮬레이션에서 우리은하와 비슷한 환경을 골라낸 자료를 이용했다. 은하의 공간 분포와 속도 정보를 잘 활용했을 때 인공지능은 암흑물질의 밀도 분포를 약 3백만 광년 규모까지 잘 드러내줄 뿐 아니라, 은하와 은하 사이 암흑물질들이 따라 분포하는 미세한 실가닥 구조도 잘 재현해 낸다.
[사진 및 설명 = 한국천문연구원]

이번 연구를 이끈 천문연 이론천문센터의 홍성욱 박사는 차세대 첨단 천문관측 장비들이 가동되면 이제껏 발견되지 못한 새로운 은하들이 지속적으로 은하 목록에 추가될 것이며, 이를 통해 암흑물질 예측 모형의 신뢰성이 더욱 향상될 수 있다이번에 활용된 딥러닝 기술을 통해 향후 우리은하 주변뿐 아니라 더 확장된 우주 거대 구조에 대한 상세 지도를 얻는다면 이는 궁극적으로 현대 천문학의 난제인 암흑물질의 정체를 밝힐 결정적 단서가 될 것이다고 말했다.

본 연구결과는 천체물리학저널(The Astrophysical Journal) 526일자에 게재됐다.

 


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • 07238 서울 영등포구 국회대로 70길 15-1 RA542 (여의도동14-9, 극동 VIP빌딩 5층) 월간인물
  • 대표전화 : 02-2038-4470
  • 팩스 : 070-8260-0200
  • 청소년보호책임자 : 문채영
  • 법인명 : 월간인물(Monthly People)
  • 대표자 : 박성래
  • 제호 : 월간인물
  • 사업자등록번호 : 227-08-61739
  • 등록번호 : 서울 아 03717
  • 등록일 : 2015년 04월 30일
  • 발행일 : 2015년 04월 14일
  • 발행인 : 박성래
  • 편집인 : 남윤실
  • 월간인물 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재와 복사, 배포 등을 금합니다.  |  Copyright © 2021 월간인물. All rights reserved.
  • 「열린보도원칙」 당 매체는 독자와 취재원 등 뉴스이용자의 권리 보장을 위해 반론이나 정정보도, 추후보도를 요청할 수 있는 창구를 열어두고 있음을 알려드립니다.
    고충처리인 박성래 02-2038-4470 psr@monthlypeople.com
우수콘텐츠 우수콘텐츠 인터넷신문위원회 ND소프트