JWST 깊은 시야에서 발견된 은하 규모 강중력렌즈 4건

초록

PEARLS NEP TDF와 CEERS 두 JWST 빈 필드(총 144 arcmin²)를 시각적으로 검토해 16개의 후보를 찾고, 광학‑적외선 SED와 파라메트릭 렌즈 모델링을 통해 5개의 고신뢰도 은하 규모 강중력렌즈(중심 반경 < 1″, 대부분 z_lens > 1)를 확인하였다. JWST는 기존 지상·우주 기반 탐색에 비해 면적당 렌즈 검출 효율이 크게 높으며, 순수 병렬 관측으로는 약 80개의 렌즈를 기대할 수 있다.

상세 분석

본 연구는 JWST/NIRCam의 고해상도와 깊은 적외선 감도를 활용해 은하 규모 강중력렌즈를 탐색한 최초 사례 중 하나이다. 데이터는 PEARLS NEP TDF(8개의 겹치는 포인팅, 총 54 arcmin²)와 CEERS(10개의 포인팅, 90 arcmin²)에서 제공되며, 각각 8·7개의 NIRCam 필터와 HST/ACS F606W·F814W 보조 필터를 포함한다. 파이프라인은 JWST 공식 1.8.2 버전을 사용해 1/f 노이즈와 ‘Wisp’ 아티팩트를 보정했으며, 최종 깊이는 28.5–29.3 mag(0.32″ aperture) 수준이다.

시각적 검토는 3명의 저자와 1명의 저자가 독립적으로 수행했으며, F444W‑F277W‑F150W를 각각 빨강·초록·파랑 채널로 매핑한 컬러 이미지에서 비정상적인 아크, 링, 다중 이미지 형태를 찾았다. 초기 후보 16개는 모두 눈에 띄는 비대칭 구조를 보였지만, 실제 렌즈인지 확인하기 위해 두 단계의 정량적 검증을 거쳤다.

첫 번째 단계는 전경 은하의 형태학적 파라미터를 GALFIT으로 모델링하고, 그 결과를 기반으로 EAZY를 이용해 광대역 SED 피팅을 수행해 전경(전형적인 ETG)와 배경(청색, 강한 방출선) 각각의 포토‑z를 추정했다. 포토‑z 오류는 10 %로 고정했으며, BAGPIPES를 이용해 별질량·시형성 이력을 추가로 추정했다. 두 번째 단계는 lenstronomy 패키지를 사용해 전경을 Singular Isothermal Ellipsoid(SIE) + 외부 전단(shear) 모델로, 배경 소스를 Sérsic 프로파일로 묘사한 파라메트릭 렌즈 모델링을 수행했다. 초기 파라미터는 입자 군집 최적화(PSO)로 찾고, 이후 emcee 기반 MCMC로 후방 확률분포를 샘플링했다. 모델 적합도는 이미지 잔차와 라그랑주 포인트의 위치 일치를 통해 평가했으며, 4개의 후보가 충분히 재현되었다.

중심 마스크(≈0.3″)에 의해 일부 이미지가 가려지는 문제를 보완하기 위해, 두 번째 접근법으로 Multi‑Gaussian Expansion(MGE) 기반 렌즈‑빛 분리를 적용했다. pyautolens와 결합한 MGE 모델은 복잡한 은하 중심 구조와 근접 이미지까지 모두 복원했으며, 이 과정에서 추가 고신뢰도 후보 하나(PEARLS J172339.6+654936)를 발견했다.

결과적으로 최종 고신뢰도 렌즈는 5개이며, 전경 은하의 적색편이 z_lens≈0.9–2.1, 배경 소스는 z_source≈2.5–5.6 범위에 있다. Einstein 반경은 0.3″–0.8″로, 기존 지상 기반 탐색(대체로 >1″)보다 작으며, 이는 JWST의 0.03″/픽셀 해상도가 작은 각도 구조를 탐지할 수 있음을 시사한다.

통계적으로는 NIRCam 포인팅당 평균 0.25 lens(≈1 lens per 3–4 pointings)라는 효율을 보였으며, 이는 Euclid·LSST·Roman 등 대규모 광학 설문보다 면적당 검출률이 10배 이상 높다. 저자들은 순수 병렬 관측(≈300 NIRCam 포인팅, 깊이 동일)으로 약 80개의 은하 규모 렌즈를 기대하고, 그 중 1/3은 z_lens>1·z_source>3인 고‑z 시스템이 될 것이라고 예측한다. 이러한 고‑z 렌즈는 은하 내부 질량 프로파일, 별형성 이력, 그리고 시간 지연을 통한 우주론 파라미터 측정에 중요한 표본이 된다.

마지막으로, 자동화된 CNN·SVM 탐색과 비교했을 때 인간 시각 검토가 여전히 높은 순도와 완전성을 제공한다는 점을 강조한다. 향후 대규모 JWST 병렬 데이터와 머신러닝 기반 전처리를 결합하면, 현재의 수작업 검토보다 훨씬 큰 표본을 효율적으로 구축할 수 있을 것으로 기대된다.