멀티라인 분석을 위한 커널 PCA와 커널 SHAP 통합 프레임워크: NGC 1068 ALMA Band 3 데이터 사례

초록

본 논문은 ALMA Band 3에서 얻은 NGC 1068의 13개 분자선 적분 강도 지도에 커널 주성분 분석(Kernel PCA)과 설명가능 인공지능 기법인 Kernel SHAP을 결합한 새로운 데이터‑드리븐 프레임워크를 적용한다. 기존 선형 PCA가 두 번째 성분까지만 물리적 의미를 제공했던 반면, 제안된 방법은 네 번째 성분까지도 의미 있는 구조를 해석하고, 특히 HCO⁺가 은하 중심에서 약 400 pc 반경까지 뻗은 분자성류 지역에서 강화된 것을 밝혀낸다.

상세 분석

본 연구는 다중 분자선 관측 데이터의 비선형 상관관계를 포착하기 위해 커널 PCA(Kernel Principal Component Analysis)를 선택하였다. 커널 PCA는 입력 데이터를 고차원 힐베르트 공간으로 매핑한 뒤, 그 공간에서 선형 주성분을 추출함으로써 원본 데이터의 복잡한 비선형 구조를 보존한다. 저자들은 RBF(방사형 기저 함수) 커널을 사용해 13개의 분자선 강도를 683개의 공간 격자(샘플)로 구성된 행렬에 적용했으며, 표준화 과정을 통해 각 특성의 분산을 동일하게 맞추었다.

하지만 커널 PCA만으로는 각 성분에 기여하는 개별 분자선의 중요도를 직접 해석하기 어렵다. 이를 보완하기 위해 Kernel SHAP을 도입하였다. SHAP(Shapley Additive exPlanations)은 게임 이론의 샤플리 값을 기반으로 각 입력 특성이 모델 출력에 미치는 기여도를 정량화한다. Kernel SHAP은 모델이 블랙박스일 때도 근사적인 선형 회귀를 통해 샤플리 값을 추정하므로, 커널 PCA가 생성한 비선형 성분에 대해 “어떤 분자선이 어느 정도 영향을 주었는가”를 명확히 파악할 수 있다.

분석 결과, 기존 PCA에서는 제1·제2 성분이 주로 별폭발 영역과 원형 디스크(CND)의 물리적 차이를 설명했으나, 제3·제4 성분은 거의 무시되었다. 반면 커널 PCA+SHAP 프레임워크는 제3·제4 성분에서도 의미 있는 패턴을 도출했으며, 특히 HCO⁺(J=1–0) 라인이 분자성류 영역에서 강하게 양의 SHAP 값을 보였다. 이는 해당 영역에서 자외선(UV) 방사와 고밀도 가스가 HCO⁺의 화학적 풍부성을 증가시켰음을 시사한다. 저자들은 LTE(국부 열평형) 분석을 통해 추정한 분자 컬럼 밀도와 비교함으로, HCO⁺ 강화가 실제 화학적 변화를 반영한다는 점을 검증하였다.

또한, Mahalanobis 거리 기반의 2차원 산점도 분석을 통해 일부 분자선 쌍이 두 개의 뚜렷한 선형 트렌드(완만한 경향과 급격한 경향)를 보이며 비선형 구조를 형성함을 확인했다. 이러한 구조는 온도, 밀도, 광학 깊이 등의 지역적 물리적 파라미터 변동에 기인한다. 커널 PCA는 이러한 복합적인 비선형 관계를 효과적으로 압축했으며, SHAP 해석을 통해 각 성분에 기여하는 구체적인 분자선을 식별함으로, 기존 선형 PCA가 놓쳤던 미세한 물리·화학적 신호를 드러냈다.

마지막으로, 저자들은 고차원 특성(분자선 수)보다 샘플 수가 충분히 큰 경우에만 안정적인 결과를 얻을 수 있음을 강조하고, 차원 축소 전 표준화와 격자 재샘플링(150 pc 스케일) 과정을 통해 통계적 독립성을 확보하였다. 향후 데이터 양이 급증하는 ALMA 대규모 라인 서베이에도 이 프레임워크를 적용하면, 자동화된 비선형 특징 추출과 물리적 해석이 가능할 것으로 기대한다.