신경망 기반 천문측량을 이용한 확률적 중력파 배경 제약

초록

이 논문은 가상의 Gaia 천문측량 데이터를 활용해 완전 연결 신경망(FCN)과 그래프 신경망(GNN) 두 가지 모델을 훈련시켜 확률적 중력파 배경(SGWB)의 에너지 밀도 ΩGW 를 추정한다. 다양한 소스 수와 은하면 마스크 조건에서 모델의 견고성을 검증하고, 전통적인 MCMC 방법과 비교해 몇 분 안에 결과를 얻는 속도 이점을 확인한다.

상세 분석

본 연구는 SGWB 를 천문측량, 특히 Gaia와 같은 고정밀 적위·적위운동 데이터에 매핑하는 물리적 모델을 기반으로 한다. SGWB 가 광경로에 미치는 미세한 변형은 적위와 적위운동에 quadrupole 형태의 상관 패턴을 만든다. 논문은 이론적 배경으로 ΩGW (f)=1/ρc dρGW/dlnf 를 사용하고, 적위운동 분산 Δμ²와 관측 소스 수 N 에 대한 상한식 ΩGW≲Δμ² N H0⁻² 를 도입한다.

데이터 생성 단계에서는 pygaia 패키지를 이용해 G‑밴드 등급 16–20 사이의 가상의 퀘이사 500, 2000, 12000개 샘플을 무작위로 배치하고, 각 소스에 대한 적위·적위운동 오차를 등급에 따라 할당한다. SGWB 신호는 벡터 구면조화의 quadrupole 성분을 무작위 계수(0–1)로 생성하고, 식 (5) ΩGW≈(6/5)·(1/4π)·P2·H0⁻² 로 정규화한다. 입력 피처는 (α, δ, μα, μδ, σμα, σμδ) 총 6개이며, ΩGW 값은