다중변량 분석을 활용한 VHE 감마‑하드론 구분 혁신

초록

**
본 연구는 H.E.S.S. 관측 데이터에 트리 기반 분류기를 적용하여 감마선과 하드론(우주선) 샤워를 구분하는 새로운 방법을 제시한다. 기존의 힐라스 파라미터 기반 절단 방식보다 배경 억제 효율이 향상되었으며, 다양한 관측 조건에서도 안정적인 성능을 보인다.

**

상세 분석

**
이미징 대기 체리오크 텔레스코프(IACT)는 대기 중 입자 샤워가 발생시킨 체리오크 빛을 촬영함으로써 VHE 감마선 천체를 탐색한다. 그러나 우주선에 의한 하드론 샤워가 전체 이벤트의 90 % 이상을 차지하므로, 감마‑하드론 구분은 감도 향상의 핵심 과제이다. 전통적으로는 힐라스 파라미터(길이, 너비, 꼬리 등)를 이용한 단순 절단(cut)이나 2‑D 히스토그램 기반의 likelihood 방법이 사용되어 왔다. 이러한 방식은 파라미터 간 상관관계를 충분히 활용하지 못하고, 에너지·시점·대기 조건에 따라 최적 절단값이 변동한다는 한계가 있다.

본 논문에서는 결정 트리(decision tree) 기반의 다중변량 분석(MVA) 기법을 도입한다. 구체적으로는 Boosted Decision Tree(BDT)와 Random Forest 두 가지 알고리즘을 비교 검증하였다. 학습 데이터는 Monte‑Carlo 시뮬레이션으로 생성한 감마‑샤워와 실제 관측에서 추출한 하드론 배경을 사용했으며, 교차 검증(cross‑validation)과 독립 검증 셋을 통해 과적합을 방지하였다. 입력 피처는 전통적인 힐라스 파라미터 외에도 이미지 중심에서의 타이밍 분포, 픽셀 강도 비율, 그리고 다중 텔레스코프 간의 위상 일치도 등을 포함한다.

성능 평가는 품질 계수(Q = ε_γ/√ε_h)와 감도 향상 비율을 기준으로 수행되었다. 결과적으로 BDT는 기존 H.E.S.S. 표준 분석(Standard Analysis) 대비 평균 15 % 이상의 Q값 상승을 보였으며, 특히 저에너지(≈100 GeV) 구간에서 배경 억제 효율이 크게 개선되었다. 또한, 트리 모델은 관측 각도, 대기 투명도, 카메라 전압 변동 등 다양한 환경 변수에 대해 거의 일정한 ROC 곡선을 유지함으로써 안정성을 입증했다.

시스템적 오류 분석에서는 시뮬레이션 파라미터 변화(대기 모델, 광전 효율)와 훈련 데이터 비율 변동이 최종 감도에 미치는 영향을 정량화하였다. 이러한 검증 결과는 트리 기반 MVA가 실제 관측 파이프라인에 바로 적용 가능함을 시사한다. 마지막으로 계산 비용 측면에서도 최신 GPU 가속 라이브러리를 활용하면 실시간 이벤트 분류가 가능함을 보여, 대규모 데이터 처리에 적합한 솔루션임을 강조한다.

**