한국천문연구원(원장 박영득)은 문홍규 박사와 연세대 손영종 교수 공동연구팀이 천문연 외계행성탐색시스템(KMTNet) 관측자료와 자체 개발한 기계학습법을 통해 4528개 소행성 표면 구성 성분을 분류했다고 30일 밝혔다. 이 같은 성과는 미국 행성과학저널(Planetary Science Journal)에 발표됐다.
소행성은 대부분 크기가 작아 대형 천체망원경으로 봐도 점으로밖에 나타나지 않는다. 이로 인해 소행성 표면에 빛이 반사돼 드러나는 반사 스펙트럼으로 그 성분을 추정한다. 과거 이러한 방법을 이용해 임의로 2차원 변수평면 상에서 구획을 나눠 왔으며, 성분이 다른 소행성들이 이 위에 겹쳐 나타나 그동안 문제점으로 지적됐다.
공동연구팀은 기계학습법을 활용한 분석 방법을 도입했다. 과거에 사용해오던 변수인 가시광 스펙트럼 기울기와 흡수 스펙트럼 깊이 이외에 스펙트럼 넓이를 추가, 3차원 색 공간에 나타냈다. 이러한 세 가지 변수를 기계학습법으로 훈련 시켜 소행성들의 개략적 표면 성분을 새롭게 분류했다.
이를 통해 공동연구팀은 명확하게 그 경계를 구분할 수 있는 기존 9개 분류형(A, B, C, K, L&D, O, S, V, X)을 확인했으며, 특히 2차원 색 평면에서 구별하기 어려운 K형과 X형을 3차원 공간에서 뚜렷하게 구분지었다.
연구에 맞춰 기계학습법을 적용하고 분석을 주도한 천문연 신민수 박사는 “이 방법을 2024년부터 2034년까지 향후 10년 동안 베라 루빈 천문대에서 수행할 '시공간 기록 탐사'(LSST) 빅데이터에 적용하면 태양계 소천체 비밀을 파헤칠 수 있을 것”이라고 말했다.
천문연 문홍규 박사는 “공동연구팀이 개발한 기계학습법은 100만개가 넘는 소행성과 3만2000개에 달하는 근지구소행성 색 정보를 빠르게 수집, 한눈에 파악하는 강력한 도구”라며 “해외 연구자들이 제시한 기준에서 탈피, 앞으로 독자적인 분류 시스템을 완성하는 것이 목표”라고 밝혔다.
이인희기자 leeih@etnews.com
