우주 이야기 1613 - AI가 찾아낸 숨은 외계행성

 (Artist's impression of a unique type of exoplanet discovered with the Hubble Space Telescope. Credit: NASA, ESA, and A. Schaller (for STScI))

​

​

AI는 과학 연구 방식에도 큰 변화를 가져오고 있습니다. 특히 인간이 일일이 수작업으로 분석하기 힘든 대규모 데이터 분석에 AI는 최적의 솔루션을 제공할 수 있습니다. 예를 들어 첫 4년 동안 220만 개의 별의 밝기 데이터를 확보한 나사의 행성 사냥꾼 TESS 데이터가 그런 경우입니다.

​

워릭대학교 박사후 연구원인 마리나 라파르가 마그로 박사 (

Dr. Marina Lafarga Magro, Postdoctoral Researcher at the University of Warwick.)와 동료들은 나사의 TESS 데이터를 분석하기 위해 새로 개발한 AI 파이프라인인 RAVEN을 적용했습니다.

​

이번 연구에서는 항성에 매우 가까이 위치해 16일 이내에 공전하는 행성을 찾는 데 집중했습니다. TESS는 행성이 별 앞을 지나가면서 별빛이 주기적으로 약간 어두워지는 식현상을 이용하는데, 이 연구에서 31개의 신규 행성을 포함한 100개 이상의 외계행성을 확인하는데 성공했습니다.

​

별의 밝기는 다양한 이유로 변할 수 있고 행성이 우연히 그 앞을 지나더라도 밝기 변화는 상당히 미미하기 때문에 사실 이를 구분하기는 쉽지 않습니다. 여기에 데이터의 양이 기하급수적으로 증가하고 있다는 점도 큰 문제입니다.

​

연구팀의 레이븐 알고리즘은 이런 미세한 차이를 학습해 인간 대신 행성일 가능성이 높은 신호를 구분할 수 있습니다. 덕분에 레이븐 파이프라인을 사용하여 118개의 새로운 행성과 2,000개 이상의 고품질 행성 후보를 검증할 수 있었는데, 그중 거의 1,000개는 완전히 새로운 행성 후보였습니다.

​

앞으로 관측 기술의 발전으로 대규모의 데이터가 쏟아지는 점을 생각하면 AI가 연구에서 차지하는 비중은 점점 더 커질 것으로 생각합니다. AI 혁명이 과학 연구를 가속하는데 큰 역할을 할 것으로 기대합니다.

​

​

참고

​

https://phys.org/news/2026-03-ai-approach-uncovers-dozens-hidden.html

​

Automatic search for transiting planets in TESS-SPOC FFIs with RAVEN: Over 100 newly validated planets and over 2000 vetted candidates, Monthly Notices of the Royal Astronomical Society (2026). DOI: 10.1093/mnras/stag512

Kaiming Cui et al, Demographics of close-inTESSexoplanets orbiting FGK main-sequence stars, Monthly Notices of the Royal Astronomical Society (2026). DOI: 10.1093/mnras/stag022

Andreas Hadjigeorghiou et al, RAVEN: RAnking and Validation of ExoplaNets, arXiv (2025). DOI: 10.48550/arxiv.2509.17645