[충청뉴스 이성현 기자] 한국천문연구원(이하 ‘천문연’) 문홍규 박사와 연세대학교 손영종 교수 공동연구팀은 천문연 외계행성탐색시스템(KMTNet) 관측자료와 자체 개발한 기계학습법을 통해 4,528개 소행성 표면의 구성 성분을 분류해 미국의 행성과학저널(Planetary Science Journal)에 발표했다.

소행성은 대부분 크기가 작아 대형 천체망원경으로 봐도 점으로밖에 나타나지 않는다. 그래서 소행성 표면에 빛이 반사돼 드러나는 반사 스펙트럼을 통해 그 성분을 추정한다. 과학자들은 과거 이러한 방법을 이용해 임의로 2차원 변수평면 상에서 구획을 나누어 왔으며, 성분이 다른 소행성들이 이 위에 겹쳐 나타나 그동안 문제점으로 지적됐다.

이 문제를 해결하기 위해 공동 연구팀은 기계학습법을 활용한 분석 방법을 도입했다. 과거에 사용해오던 변수인 가시광 스펙트럼 기울기와 흡수 스펙트럼 깊이 이외에 스펙트럼의 넓이를 추가, 3차원 색 공간에 나타냈다. 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 구분 지었다.

2022년 논문 1저자로 관측과 자료분석을 주도한 천문연 노동구 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 천문연 신민수 박사는 “이 방법을 2024년부터 2034년까지 향후 10년 동안 베라 루빈 천문대(Vera C. Rubin Observatory)에서 수행할 ‘시공간 기록 탐사’( LSST, Large Synoptic Survey Telescope)의 빅데이터에 적용하면 태양계 소천체의 비밀을 파헤칠 수 있을 것”이라 말했다.

이 연구를 주도한 천문연 문홍규 박사는 “공동연구팀이 개발한 기계학습법은 우주자원 탐사에 당장 적용하는 데에는 무리가 있다. 그러나 100만 개 넘는 소행성과 32,000개에 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 밝혔다.

이성현 기자 다른기사 보기