최근 연구자 그룹이 중력파의 출처를 탐지하는 혁신적인 방법을 공개했으며, 이 방법이 이러한 탐지의 정확성을 크게 향상시키고 이 신비로운 우주 사건의 식별 속도를 높일 수 있다고 믿고 있습니다. 그들의 연구는 오늘 자연(Nature) 저널에 발표되었으며, 중성자별 병합에서 발생하는 중력파 방출에 초점을 맞춘 알고리즘을 제시합니다. 이러한 사건이 인식되면 전 세계의 천문학자들에게 경고가 발송되어 전문가들이 이 짧고 수수께끼 같은 중력파 출처에 대한 폭넓은 정보를 수집할 수 있습니다. 맥락을 이해하기 위해 중력파는 시공간의 섬유에서 일어나는 파동으로, 아인슈타인에 의해 100년 이상 전에 이론화되었고 2015년에 현재 LIGO-Virgo-KAGRA 협력의 일부에 의해 처음으로 탐지되었습니다. 이 파동은 블랙홀과 중성자별과 같은 우주에서 가장 무거운 물체들 간의 상호작용에 의해 생성됩니다. 연구자들의 알고리즘은 서로 나선형으로 접근하여 병합되는 중성자별을 구체적으로 겨냥합니다. 이러한 현상을 '중성자별 병합'이라고 합니다. 이러한 병합 과정에서 방출되는 중력파를 탐지함으로써, 천문학자들은 중성자별 구조, 특정 중금속의 기원, 일반 상대성 이론 테스트, 우주의 팽창 속도 측정 및 잠재적으로 암흑 물질의 본질을 이해하는 데 도움을 받을 수 있습니다. 인공지능을 활용하면 이러한 중력파 사건의 분석을 가속할 수 있으며, 연구팀의 발견에 따르면 병합 위치 예측의 정확성을 향상시킬 수 있습니다. 그들은 이 방법이 중력파의 출처를 단 1초 만에 결정할 수 있으며, LISA와 같은 차세대 중력파 탐지기를 위한 데이터 분석 템플릿으로 사용될 수 있다고 주장합니다. 이 연구의 주요 저자이자 튜빙겐 대학의 기계 학습 연구자인 막시밀리안 닥스(Maximilian Dax)는 Gizmodo와의 이메일에서 “훈련 후 새로운 관측이 발생하면, 신경망이 측정을 입력으로 받아 이중 중성자별의 특성(위치 포함)을 1초 이내에 예측할 수 있다”고 설명했습니다.

“이러한 신속한 반응이 가능한 이유는 추론 중에 새로운 중력파 시뮬레이션을 요구하지 않기 때문입니다. ” 닥스는 또한 이 방법이 이중 중성자별 병합에서 전자기 신호의 조기 탐지를 촉진하여 병합 순간에 더 가까운 관측을 가능하게 할 것이라고 기대했습니다. “이러한 다중 메신저 관측은 놀랍고, 우주론, 핵물리학 및 중력 등 다양한 분야에서 중요한 의미를 가집니다. ” 연구자들의 알고리즘은 이전 모델보다 30%의 정확도 향상을 자랑하며, 천문학자들이 어떤 병합 사건이 추가적인 긴급 관측이 필요한지를 식별하는 데 도움을 줄 수 있습니다. 영국 포츠머스 대학의 우주론자인 마이클 윌리엄스(Michael Williams)는 뉴스 & 뷰즈 기사에서 “기계 학습은 현재의 분석 방법을 향상시키거나 잠재적으로 대체하는 수단으로 중력파 연구 분야에서 considerable한 주목을 받고 있다”고 언급했습니다. “하지만 몇 가지 도전 과제가 여전히 남아 있다”고, 새로운 연구와는 관련이 없는 윌리엄스는 덧붙였습니다. “기계 학습 알고리즘의 효율성은 일반적으로 어떻게 훈련되는지에 달려 있습니다. 이 알고리즘에 대한 특정한 도전 과제는 중력파 탐지기에서의 실제 잡음의 특성이 네트워크의 훈련 동안 가정한 것과 비교하여 시간이 지남에 따라 변한다는 점입니다. 이는 결과를 왜곡하는 체계적인 오류를 유발할 수 있습니다. ” 윌리엄스는 팀의 알고리즘이 다음 이중 중성자별 병합에 대한 정보를 효과적으로 전달할 수 있을지가 진정한 시험이 될 것이라고 결론지었습니다.