(HSC J1631+4426 broke the record for the lowest oxygen abundance. Credit: NAOJ/Kojima et al.)
국제 천문학자 팀이 머신러닝 기법을 통해 비교적 가까운 거리에서 매우 젊은 초기 은하를 찾아냈습니다. 타카시 코지마 박사 (Dr. Takashi Kojima)와 그 동료들은 스바루 망원경의 wide field 데이터를 분석해 초기에 형성된 은하를 연구하고 있었습니다. 그런데 4천만 개에 달하는 천체 가운데서 은하를 분류하는 작업은 사람이 수작업으로 하기에는 너무 힘든 일입니다.
연구팀은 머신러닝 기법을 활용해 초기 은하처럼 보이는 천체 27개를 찾아냈습니다. 그리고 그 가운데 4개애서 산소 비율을 찾아내는데 성공했습니다. 산소 같이 약간 무거운 원자는 수명을 다하고 죽은 별에서 나온 것이기 때문에 그 비율이 낮을 수록 초기에 형성된 은하라고 할 수 있습니다.
지상 관측으로 찾아낸 은하 중 하나인 HSC J1631+4426의 산소 비율은 태양의 1.6% 정도로 이는 거의 대부분의 별이 생긴지 얼마 되지 않는다는 이야기입니다. 그런데 그 거리는 4억 3천만 광년으로 이런 은하 가운데서 이례적으로 가깝다는 사실이 놀랍습니다. 거기에 은하에 있는 별의 질량도 태양의 80만 배에 불과해 우리 은하의 10만분의 1에 불과합니다.
이렇게 작고 젊은 별로 구성된 은하는 우주 초기에는 흔했습니다. 하지만 현재 은하에는 거의 없는 존재입니다. 따라서 HSC J1631+4426가 100억 광년 밖이 아니라 4억3천만 광년 거리에서 발견되었다는 것은 확실히 이상한 일입니다.
연구팀은 이를 설명하기 위해 두 가지 가설을 세웠습니다. 첫 번째는 드문 일이지만 은하사이 가스가 뭉쳐 새로운 은하가 우리 근방에서 최근 생겨났다는 것입니다. 하지만 일반적으로 우주의 팽창에 따라 가스가 많이 모이기 힘들기 때문에 별을 생성하면 몰라도 은하를 생성한다는 것은 드문 일입니다. 두 번째 가설은 초기 우주의 유물이 지금 별을 생성했다는 것인데 이 역시 이유가 확실치 않습니다.
그 이유에 대해서는 앞으로 밝혀야 할 과제지만, 아무튼 최근 인공지능은 과학 영역에서 점차 적용 사례가 늘어나고 있습니다. 분석해야할 데이터의 크기가 커질 수록 인공지능의 활약이 더 커질 것으로 예상됩니다
참고
Kojima et al., Extremely Metal-Poor Representatives Explored by the Subaru Survey (EMPRESS). I. A Successful Machine Learning Selection of Metal-Poor Galaxies and the Discovery of a Galaxy with M*<10^6 M_sun and 0.016 Z_sun. arXiv:1910.08559 [astro-ph.GA]. arxiv.org/abs/1910.08559
댓글
댓글 쓰기