우주 데이터의 홍수, AI로 해법 찾다
- •캘리포니아 대학교 샌타크루즈 연구진이 제임스 웹 우주 망원경의 방대한 심우주 이미지를 AI로 분석했다.
- •Morpheus AI는 시맨틱 세그멘테이션을 활용해 은하 구조를 픽셀 단위로 식별하며, 기존 이론을 뒤집는 초기 원반 은하를 발견했다.
- •GPU 가속 모델이 비디오 게임 업스케일링 기법을 응용해 지상 망원경 이미지의 대기 왜곡을 제거하고 해상도를 높였다.
우주 탐사의 새로운 지평은 더 이상 로켓이나 정밀 렌즈만으로 결정되지 않는다. 이제는 방대한 원시 데이터를 유의미한 지식으로 전환하는 실리콘 칩이 핵심적인 역할을 수행한다. 제임스 웹 우주 망원경(JWST)이 초기 우주의 거대한 데이터를 쏟아내면서 천체물리학자들은 인간의 수작업으로는 처리 불가능한 데이터의 홍수를 마주하게 되었다. 캘리포니아 대학교 샌타크루즈 연구진에게 있어 돌파구는 단순한 관측 시간의 확보가 아닌, 강력한 컴퓨팅 파이프라인의 통합이었다.
이 우주적 풍요를 해석하기 위해 연구팀은 Morpheus라는 AI 도구를 개발했다. 이 시스템은 시맨틱 세그멘테이션, 즉 컴퓨터 비전에서 이미지의 모든 픽셀을 범주별로 분류하는 기법을 활용해 타원형 은하와 회전하는 원반 은하와 같은 구조를 정밀하게 구분한다. 연구진은 이러한 세밀한 수준의 분석을 통해 기존 모델이 예측했던 것보다 수십억 년이나 더 이른 시기에 형성된 복잡한 회전 원반 은하들을 발견했다. 이러한 발견은 초기 우주가 오직 혼란스러운 충돌과 파괴로 가득 차 있었다는 과학계의 오랜 가설을 정면으로 반박한다.
이 기술의 응용 범위는 우주 망원경에 국한되지 않는다. 연구진은 지구 대기로 인해 심각한 흐림 현상이 발생하는 지상 망원경의 한계도 극복하고 있다. 이들은 현대 비디오 게임에서 저해상도 이미지를 고품질로 복원하는 업스케일링과 유사한 기법을 적용했다. 이를 통해 지상에서 수집된 왜곡된 데이터에서 세부 정보를 복원하는 AI 모델을 훈련함으로써, 지상 관측소의 이미지를 우주 망원경 수준의 선명도로 개선하고 있다.
이번 성과는 머신러닝이 학술적인 호기심의 대상을 넘어 현대 과학의 기능적 필수 요소로 전환되었음을 보여주는 대표적인 사례다. 베라 C. 루빈 천문대(Vera C. Rubin Observatory)와 같이 전 하늘의 데이터를 지속적으로 생성할 대규모 프로젝트들이 준비됨에 따라, 인간 연구자들만으로는 이러한 시스템 없이 연구를 수행하는 것이 사실상 불가능해졌다. 대학생들에게 이는 중요한 현실을 시사한다. 우주론, 생물학, 재료과학 등 다양한 분야에서 미래의 발견은 도메인 전문 지식과 고도화된 알고리즘 처리 능력의 가교 위에서 이루어질 것이다.