우리 우주가 어떻게 현재와 같은 모습이 되었고, 최종적으로 어떻게 변화될 것인가를 이해하는 것은 과학의 가장 큰 도전 과제 중 하나다.
맑은 밤 하늘에 반짝이는 헤아릴 수 없이 많은 별들은 이 과제의 규모가 엄청나다는 사실을 보여주지만, 실은 이야기의 한 부분에 지나지 않는다.
더 깊은 수수께끼는 우리 눈으로는 직접 볼 수 없는 암흑 물질(dark matter)과 암흑 에너지(dark energy)에 있다.
암흑 물질이 서로 우주를 끌어당기고 암흑 에너지가 이를 더 빠르게 팽창시키는 상황에서 우주 연구자들은 이에 대한 정확한 모델을 만들기 위해 이 두 가지가 우주에 얼마나 많이 존재하는지를 알 필요가 있다.
스위스 취리히 연방공대(ETH) 물리학자들과 컴퓨터 과학자들은 최근 인공지능을 통해 우주의 암흑 물질 함량을 추정하는 표준방법 개선에 나서 괄목할 만한 성과를 거뒀다.
연구팀은 페이스북 같은 소셜 미디어의 얼굴 인식에 사용되는 방법과 매우 유사한 첨단 기계학습 알고리즘을 활용해 우주 데이터를 분석했다. 이 연구는 물리학 학술지 ‘피지컬 리뷰 D’(Physical Review) 13일 자에 발표됐다.
우주를 ‘얼굴 인식’ 하다
밤하늘을 촬영한 사진에는 비록 인식할 얼굴이 없지만, 우주 연구가들은 그와 유사한 무엇인가가 있을 것이라고 기대하고 있다.
취리히 연방공대 입자물리 및 우주물리 연구소 알렉산드르 레프리기아(Alexandre Refregier) 교수실의 토마스 카츠프르자크(Tomasz Kacprzak) 연구원은 “페이스북은 알고리즘을 이용해 이미지에서 눈과 입, 귀를 찾고 있는데, 우리는 자체 알고리즘으로 암흑 물질과 암흑 에너지의 숨겨진 단서를 찾고 있다”고 말했다.
암흑 물질은 망원경으로 직접 볼 수가 없다. 때문에 물리학자들은 먼 은하로부터 지구로 도달하는 빛의 경로에 있는 모든 물질이 빛을 약간 휘게 한다는 사실에 착안해 암흑 물질을 탐색하고 있다.
‘약한 중력 렌즈(weak gravitational lensing)’로 알려진 이 효과는 은하들의 이미지를 매우 미묘하게 왜곡한다. 이는 마치 뜨거운 날 먼 곳에 있는 물체가 흐리게 보이는 것과 같은 이치다. 빛이 온도가 다른 공기층을 통과할 때 왜곡되기 때문이다.
우주 연구자들은 이 왜곡을 역이용해 암흑 물질이 어디에 존재하는지를 나타내는 하늘의 질량 지도를 만들 수 있다. 그런 다음 암흑 물질 지도를 이론적 예측과 비교해 어떤 우주론 모델이 데이터와 가장 근접하게 일치하는지를 찾는다.
전통적으로 이것은 지도의 다른 부분들이 서로 어떻게 연관되는지를 기술하는 이른바 상관 함수 같은, 사람이 고안한 통계를 사용해 이루어진다. 그러나 이런 통계는 물질 지도의 복잡한 패턴을 정확히 찾는 데는 한계가 있다.
신경망 스스로 학습
알렉산드르 레프리기아 교수는 “이번 연구에서는 완전히 새로운 방법을 사용했다”고 말하고, “우리가 스스로 적절한 통계 분석을 하는 대신 컴퓨터에 그 일을 맡겼다”고 밝혔다.
이 일을 위해 컴퓨터 과학부 데이터 분석 연구소(Data Analytics Lab)의 아우렐리안 루치(Aurelien Lucchi) 박사팀이 합류했다.
이들은 논문 제1저자이자 레프리기아 교수실 박사과정생 야니스 플루리(Janis Fluri) 연구원과 함께 심화 인공신경망으로 불리는 기계학습 알고리즘을 사용해 암흑 물질 지도에서 가능한 한 최대치의 정보량을 추출하도록 학습시켰다.
연구팀은 첫 단계로 우주를 시뮬레이션한 컴퓨터-생성 데이터를 제공해 신경망을 훈련시켰다. 이를 통해 신경망은 주어진 우주론적 변수-예를 들면 암흑 물질과 암흑 에너지의 총량 비율-에 대한 올바른 답이 각각 시뮬레이션된 암흑 물질 지도에 대한 답이 되어야 한다는 것을 알았다.
신경망은 암흑 물질 지도를 반복적으로 분석함으로써 지도 안에서 올바른 종류의 특성을 찾아내고 원하는 정보를 더욱더 많이 추출하는 법을 스스로 배웠다. 페이스북의 유추에서는 눈이나 입으로부터 무작위의 타원형 모양을 점점 더 잘 구별해 내고 있다.
허블 우주망원으로 ‘약한 중력렌즈’를 측정해 재구성한, 암흑 물질의 대규모 분포 삼차원 지도. ⓒ Wikimedia / NASA/ESA/Richard Massey (California Institute of Technology)
사람이 하는 분석보다 더 정확
이 훈련 결과는 매우 고무적이었다. 신경망은 사람이 만든 통계 분석에 기초한 전통적인 방법으로 얻은 값보다 30% 더 정확한 값을 산출했다.
연구자들에게 이는 커다란 개선으로서, 마치 망원경 수를 두 배로 늘리고 비용과 시간을 많이 들여 관측의 정확성을 높이는 것과 같다.
연구팀은 마지막으로, 완전히 훈련된 신경망을 사용해 KiDS-450 데이터세트에서 실제 암흑 물질 지도를 분석했다.
플루리 연구원은 “기계 학습 도구를 이런 맥락으로 사용한 것은 이번이 처음으로, 심화 인공신경망을 통해 이전의 접근법보다 더 많은 정보를 추출할 수 있다는 사실을 알게 됐다”며, “우주론 연구에서 기계 학습이 앞으로 더 많이 응용될 것”이라고 전망했다.
플루리 연구원팀은 다음 단계로 이 방법을 ‘암흑 에너지 조사(the Dark Energy Survey)’와 같은 더욱 큰 이미지 세트들에 적용할 계획이다.
(3285)
로그인후 이용 가능합니다.
유방암은 흔한 암 유형 가운데 하나다. 세계보건기구(WHO)에 따르면 매년 전 세계에서 유방암 진단을 받는 사람이 약 230만 명에 달한다. 유방암도 초기에 찾아내면 대체로 치료 효과를 볼 수 있다. 하지만 이미 다른 부위로 전이된 상태에서 발견되면 훨씬 더 치료하기 어렵다. 암의 전이는, 원발 암에서 떨어져 나온 '순환 종양 세포' 클러스터(CTCs)가 혈류를 타고 다른 기관으로 이동해 새로운 종양을 형성하는 것이다.
화성 탐사 후발주자인 중국이 미국보다 2년 앞서 화성 암석시료를 지구로 가져올 것이라고 중국 우주탐사 관계자가 밝혔다. UPI 통신과 우주 전문 매체 '스페이스뉴스' 등에 따르면 중국의 화성탐사 미션 '톈원(天問)1'을 설계한 쑨쯔어저우 연구원은 지난 20일 난징대학 개교 120주년 세미나에 참석해 우주선 두 대를 활용해 화성 암석 시료를 지구로 가져오는 '톈원3호' 계획을 공개했다.
정부가 주류시장으로 나아갈 수 있을 것으로 예측되는 미래혁신기술 15개를 도출했다. 선정된 기술은 완전자율 비행체·주행차, 맞춤형 백신, 수소에너지, 초개인화된 인공지능(AI), 생체칩, 복합재난 대응시스템, 양자암호통신기술 등이다. 과학기술정보통신부(과기정통부)는 23일 제40회 국가과학기술자문회의 심의회의 운영위원회를 열고 이같은 내용이 담긴 제6회 과학기술예측조사 결과안 등을 심의·보고했다.
올해 하반기부터 자율주행차 실증 구간이 기존 7개 지구에서 14개 지구로 확대된다. 국토교통부는 최근 '자율차 시범운행지구 위원회'를 통해 서울 강남과 청계천, 강원도 강릉 등 7개 신규지구 선정과 광주광역시 등 기존 3개 지구 확장에 대한 평가를 마쳤다면서 24일에 시범운행지구를 확정·고시를 할 예정이라고 23일 밝혔다.
한국과학기술원(KAIST)은 신소재공학과 이건재 교수팀이 100㎚(나노미터) 두께 단일 소자에서 인간 뇌의 뉴런과 시냅스를 동시에 모사하는 뉴로모픽 메모리를 개발했다고 23일 밝혔다. 뉴런은 신경계를 이루는 기본적인 단위세포이고, 시냅스는 뉴런 간 접합 부위를 뜻한다. 1천억개 뉴런과 100조개 시냅스의 복잡한 네트워크로 구성된 인간 뇌는 그 기능과 구조가 고정된 것이 아니라 외부 환경에 따라서 유연하게 변한다.
'숨소리 빼곤 다 거짓말'이라는 비유적 표현이 있는데, 인간이 내쉬는 날숨도 개인마다 달라 지문이나 홍채 등처럼 생체인증 정보로 활용할 수 있다는 연구 결과가 나왔다. 일본 규슈대학에 따르면 이 대학 재료화학공학연구소 과학자들이 도쿄대학과 함께 날숨에 섞여 있는 화합물을 분석해 개인을 식별, 인증할 수 있는 인공코 시스템을 개발한 결과를 과학 저널 '케미컬 커뮤니케이션스'(Chemical Communications)에 발표했다.
연조직 육종(soft-tissue sarcoma)은 근육, 결합조직, 지방, 혈관, 신경, 힘줄, 관절 활막(joint lining) 등에 생기는 암이다. 신체 부위별로 보면 팔다리, 복강 후벽, 내장, 체강, 두경부 순으로 자주 발생한다. 희소 암으로 분류되기는 하지만, 미국의 경우 한 해 5천 명 넘는 환자가 연조직 육종으로 사망한다. 특히 활막 육종은 폐로 많이 전이해 예후가 좋지 않다.