가이아 소시지 엔셀루스의 두 얼굴: 그래프 어텐션 네트워크로 화학적 흔적 탐색

초록

GALAH DR4의 13종 원소 풍부도를 그래프 어텐션 오토인코더에 입력하고, 궤도 적분량을 엣지 가중치로 활용해 차원 축소와 노이즈 제거를 수행했다. 얻어진 잠재공간을 OPTICS 군집화에 적용해 은하계 광역성, 구상성단, 그리고 GSE(가이아‑소시지‑엔셀루스) 잔해를 화학적으로 구분하였다. 특히 GSE 구성원을 두 개의 화학적 클러스터로 나누어, 금속성 외곽과 금속성 중심이라는 두 출생지 시나리오를 제시한다.

상세 분석

본 연구는 화학적 태깅을 위한 최신 머신러닝 프레임워크를 제시한다. 먼저 각 별을 노드로, 궤도 적분량(E, Lz 등) 기반 유사성을 엣지 가중치로 하는 그래프를 구성한다. 노드 특성은 GALAH DR4에서 추출한 13개의 원소 비율(