기계 학습을 활용한 새로운 과학 연구가 천체 물리학의 수수께끼를 푼다.

Seoul미국 에너지부 프린스턴 플라즈마 물리 연구소의 과학자들이 새로운 컴퓨터 프로그램을 개발했습니다. 이 프로그램은 기계 학습을 이용해 플라스모이드라는 플라즈마 주머니를 우주에서 찾아냅니다. 이러한 플라스모이드는 지구의 자기장이 영향을 미치는 우주 영역인 자기권에서 발견됩니다.

새로운 프로그램은 모의 데이터를 사용하여 훈련되었습니다. 이 프로그램은 우주선 데이터를 분석해 플라즈모이드를 찾고, 자기 재결합 현상을 연구할 것입니다. 이 과정은 위성과 전력망에 피해를 줄 수 있습니다.

기계 학습의 사용은 몇 가지 주요 이점을 제공합니다.

• 플라스모이드를 발견하는 능력을 향상시킵니다
• 자기 재연결에 대한 이해를 돕습니다
• 재연결로 인한 혼란에 대비하는 데 도움을 줍니다

과학자들은 플라즈모이드를 탐지하여 그것들이 자기 재연결에 어떤 영향을 미치는지 확인하고자 합니다. 자기 재연결이란 자기장이 분리되었다가 다시 결합하는 과정을 말합니다. 이 과정에서 많은 에너지가 방출되며, 지구 근처에서 발생할 경우 인공위성과 전력망에 혼란을 일으킬 수 있습니다.

일부 과학자들, 예를 들어 프린스턴 대학의 한타오 지 교수, 는 플라즈모이드가 큰 플라즈마에서 재연결 속도를 높일 수 있다고 생각하고 있습니다. 그러나 이 가설은 아직 확정되지 않았습니다. 연구자들은 플라즈모이드가 재연결 속도에 어떤 영향을 미치는지, 그리고 플라즈마 입자에게 얼마나 많은 에너지를 주는지를 찾기 위해 노력하고 있습니다.

그 프로그램은 불완전한 데이터를 사용하여 플라스모이드를 정확하게 검출하도록 훈련되었습니다. 컴퓨터 모델에서는 플라스모이드가 보통 완벽한 원형을 띠지만, 자연에서 그런 형태는 흔하지 않습니다. 베르그스테트와 지는 실제 플라스모이드를 놓치지 않기 위해 자연적인 변동을 포함한 데이터를 활용했습니다.

더 읽기:

어제 · 오후 10:00

온실가스 감축 없이 위험에 처한 파타고니아 빙하 보호막

Bergstedt와 Ji는 플라즈모이드를 모델링하는 프로그램을 만들곤 했습니다. 이들은 소량의 데이터로부터 예측을 도와주는 기계 학습이 천체물리학 연구에 더 자주 사용될 것이라고 생각합니다.

Bergstedt와 Ji는 NASA의 자기권 다중규모(Magnetospheric Multiscale, MMS) 미션 데이터를 사용하여 그들의 프로그램을 테스트할 계획입니다. MMS는 2015년에 발사되어 재연결을 연구하며, 지구 자기장이 지배하는 자장 꼬리 영역을 통과하는 네 개의 우주선을 가지고 있어 재연결 연구에 이상적입니다.

재결합을 연구하는 것은 어려운 일입니다. 우리는 태양을 멀리서만 측정할 수 있습니다. 실험실 플라즈마는 우주에 비하면 작습니다. 그러나 자기권 꼬리는 우주선이 직접 측정할 수 있는 큰 플라즈마를 제공합니다.

Bergstedt와 Ji는 그들의 프로그램을 개선하기 위해 두 가지 방안을 계획하고 있다. 첫째, 프로그램을 다양한 데이터 유형에 맞게 조정하여 새로운 데이터 세트를 처리할 수 있게 할 것이다. 둘째, 그들은 이 프로그램을 사용하여 MMS 데이터를 연구할 계획이다.

우리의 연구는 에너지부, NASA 및 국립과학재단으로부터의 보조금에 의해 지원되었습니다.