[뉴스스페이스=김시민 기자] NASA 에임스 연구센터가 오픈소스 AI 도구 ExoMiner++를 공식 공개하며 외계행성 탐사 분야에 새로운 전환점을 마련했다.

science.nasa.gov, globalpeopledailynews, opensourceforu, astrobiology, letsdatascience, nasaspaceflight, moneycontrol, livescience에 따르면, 이 딥러닝 모델은 TESS(외계행성 탐사 위성)의 2분 cadence 데이터에서 총 14만7,568개의 미분류 통과 신호(Threshold Crossing Events, TCEs) 중 7,330개를 행성 후보로 선별했으며, 이는 기존 TESS Objects of Interest(TOIs) 1,868개, Community TOIs(CTOIs) 69개, 신규 CTOIs 50개를 포함한다.

논문에 따르면, ExoMiner++는 이전 ExoFOP-TESS 데이터베이스의 2,506개 TOI 행성 후보 중 1,797개를 재확인하며 높은 정확성을 입증했다.

케플러 전이학습으로 TESS 노이즈 극복

ExoMiner++는 2021년 케플러 미션에서 370개 외계행성을 검증한 원본 ExoMiner를 기반으로 하며, 케플러의 고품질 레이블 데이터로부터 전이학습(transfer learning)을 적용해 TESS의 더 시끄럽고 모호한 데이터를 효과적으로 처리한다.

모델은 주기도(periodogram), 플럭스 트렌드(flux trend), 차이 이미지(difference image), 펼쳐진 플럭스(unfolded flux), 우주선 자세 제어 데이터 등 추가 진단 입력을 활용해 행성 통과 신호와 허위 양성(예: 식쌍성)을 구별한다. 케플러의 좁고 깊은 관측과 TESS의 광범위한 전천 조사라는 차이에도 호환 가능한 데이터셋을 생성, 수작업 분석 시간을 대폭 단축시켰다.

오픈소스 GitHub 배포로 글로벌 협력 촉진

ExoMiner++는 GitHub에서 무료 다운로드 가능해 전 세계 연구자들이 TESS의 팽창하는 공개 데이터 아카이브를 활용할 수 있게 됐다. NASA 수석 과학 데이터 책임자 케빈 머피(Kevin Murphy)는 "오픈소스 소프트웨어가 과학 발견을 가속화하며, 공개 데이터와 코드가 골드 스탠다드 과학의 핵심 기둥"이라고 강조했다.

프로젝트 리더 하메드 발리자데간(Hamed Valizadegan)은 "제한된 자원으로 큰 성과를 내는 효율적 접근"이라 평가했으며, 공동 연구원 미구엘 마르티뉴(Miguel Martinho)는 "수십만 신호 처리에 딥러닝이 이상적"이라고 밝혔다.

로만 망원경 시대 대비 미래 확장

향후 ExoMiner++는 원시 데이터에서 직접 통과 신호를 식별하는 기능을 강화할 예정이며, 낸시 그레이스 로만 우주망원경의 수만건 외계행성 통과 데이터를 분석하는 데 적용될 전망이다.

에임스 외계행성 과학자 존 젠킨스(Jon Jenkins)는 "오픈소스 과학이 외계행성 분야의 급속 발전 원동력"이라고 언급했다. 현재까지 6,000개 이상 외계행성이 발견된 가운데, 로만 망원경은 5년 내 15배 이상 증가를 기대하게 할 기술 데모로 활용될 가능성이 크다.