LITMUS 빠른 자동미분 모델을 활용한 베이지안 지연 복원

초록

본 논문은 AGN의 광변동을 DRW(감쇠 랜덤 워크) 모델로 기술하고, JAX 기반 자동미분 프레임워크를 이용해 다중 모드 별칭(alias) 문제를 해결하는 베이지안 지연 회복 도구 LITMUS를 소개한다. LITMUS는 사후 확률밀도와 모델 증거(evidence)를 동시에 추정해 진짜 지연과 가짜 별칭을 구분하며, 기존 JAVELIN 대비 거짓 양성률을 크게 낮추고 계산 효율도 향상시킨다.

상세 분석

LITMUS는 AGN 변광을 Gaussian Process(GP) 중에서도 특히 감쇠 랜덤 워크(DRW) 공분산 함수를 사용해 모델링한다. DRW는 σ와 τ 두 파라미터로 정의되는 이중 지수 형태의 공분산을 가지며, 이는 실제 퀘이사 변동 스펙트럼과 높은 일치성을 보인다. 논문은 이러한 GP 모델을 JAX의 자동미분 기능과 결합해, 파라미터 공간을 효율적으로 탐색하는 새로운 샘플링 파이프라인을 설계하였다. 핵심은 다중 모드(특히 계절적 관측 갭으로 인한 별칭 피크) 를 포착하면서도, 각 모드에 대한 베이지안 증거(Z)를 정량적으로 계산해 모델 비교에 활용한다는 점이다.

기존 방법(JAVELIN, PyCCF, CREAM 등)은 주로 MCMC 혹은 최적화 기반으로 단일 모드에 집중하거나, 별칭 피크를 사후 확률에 포함시켜 후처리 단계에서 임계값을 적용해 필터링한다. 이러한 접근은 별칭이 실제 데이터와 겹치지 않아도 높은 사후 확률을 부여받는 경우가 많아, 거짓 양성률이 크게 증가한다. LITMUS는 증거 비율(Bayes factor)을 이용해 “null hypothesis”(별칭이 아닌 실제 지연)와 “alternative hypothesis”(별칭) 사이의 확률적 우위를 직접 비교한다. 증거가 충분히 높을 경우에만 해당 모드를 채택하도록 설계돼, 별칭에 의한 오탐을 통계적으로 억제한다.

또한 LITMUS는 JAX 기반으로 구현돼 GPU 가속과 자동미분을 활용해, 기존 Nested Sampling 대비 10배 이상의 계산 속도를 달성한다. 이는 대규모 RM 설문(수천 개의 AGN)에서도 실시간 혹은 준실시간 분석이 가능함을 의미한다. 모듈식 설계 덕분에 DRW 외에도 보다 복잡한 커널(예: Matern, Quasi‑Periodic)이나 다중 전이 함수(다중 지연)까지 손쉽게 확장할 수 있다.

실험에서는 OzDES 샘플을 모사한 1000개의 mock light curve에 대해 LITMUS와 JAVELIN을 비교하였다. LITMUS는 평균 절대 지연 오차가 5% 이하로, JAVELIN 대비 3배 높은 정확도를 보였으며, 거짓 양성률은 2% 수준으로 크게 감소했다. 특히 별칭 피크(≈180 일, 540 일 등) 주변에서의 오탐이 거의 사라졌으며, 증거 기반 판단이 시각적 검토 없이도 자동으로 신뢰도 높은 결과를 제공한다.

이와 같이 LITMUS는 베이지안 모델링, 자동미분, 증거 기반 모델 선택을 결합해 RM 분야의 핵심 문제인 별칭과 거짓 양성을 근본적으로 해결한다는 점에서, 차세대 대규모 AGN 시계열 분석에 필수적인 도구로 자리매김할 전망이다.