$\mbox{H}$ $\mbox{I}$ 21-cm Absorption Spectra Classification using Machine Learning

기술 요약: 머신러닝을 이용한 H I 21cm 흡수 스펙트럼 분류

문제 정의
H I 21cm 흡수는 은하 내의 차가운 원자 수소 가스를 연구하는 데 있어 중요한 도구이며, 이는 시선 방향에 있는 은하(중간 삽입형, intervening) 또는 라디오 선원 자체와 관련된 것(연관형, associated)에서 발생한다. 이 두 가지 기원을 구별하는 것은 은하 진화 및 활동 은하핵(AGN) 피드백에 대한 통계적 연구를 위해 필수적이다. 전통적으로 이러한 분류에는 라디오 선원의 적색편이를 결정하기 위한 후속 광학/적외선 분광 측정이 필요하다. 그러나 이러한 접근 방식은 소스의 희미함, 블레이저(blazar)와 같은 천체의 스펙트럼 선 부재, 그리고 광도 적색편이 추정을 위한 다파장 광도 데이터 확보의 시간 소모성 등으로 인해 대규모 블라인드 탐사에서는 실행 불가능한 경우가 많다. 이전의 머신러닝(ML) 시도들(예: Curran et al. 2016; Curran 2021)은 가우시안 프로파일로 흡수 스펙트럼을 피팅하는 방식에 의존하여 약 80%의 정확도를 달erm했다. 저자들은 가우시안 프로파일이 대칭적이며, 나선 은하의 특징인 넓고 비대칭적인 더블 혼(double-horned) 프로파일을 정확하게 묘사하지 못해 분류 성능을 제한할 수 있다고 지적한다.

방법론
저자들은 적색편이 정보 없이 H I 21cm 흡수선을 "중간 삽입형(intervening)" 또는 "연관형(associated)"으로 분류하기 위한 지도 학습 기반의 ML 프레임워크를 개발하였다.

• 데이터 샘رض: 본 연구는 문헌에서 수집된 118개의 알려진 H I 21cm 흡수 스펙트럼(연관형 74개, 중간 삽입형 44개) 데이터셋을 활용하였다.
• 스펙트럼 피팅: 가우시안 프로파일 대신, 저자들은 오차 함수(error functions)와 다항식을 결합한 다재다능한 해석 함수인 Busy function을 사용하여 스펙트럼 프로파일을 피팅하였다. 이 방법은 더블 혼 형태의 은하 스펙트럼에서 나타나는 가파른 측면과 평탄한 골(trough)을 모델링할 수 있게 해준다. Busy function 피팅으로부터 13개의 스펙트럼 파라미터(진폭, 기울기, 오프셋, 선폭 $w_{50}$ 및 $w_{20}$, 적분 광학적 두께 $\tau_{int}$, 신호 대 잡음비 포함)를 추출하였다.
• 특성 선택(Feature Selection): 상관관계 분석 결과 $w_{50}$과 $w_{20}$ 사이에 강한 상관관계($r=0.95$)가 있음이 밝혀졌다. 이에 따라 차원을 축소하기 위해 $w_{50}$을 제외하였으며, 12개의 스펙트럼 파라미터와 SNR을 예측 변수로 남겼다.
• 머신러닝 모델: 6가지 지도 학습 분류 알고리즘(Gaussian Naive Bayes, Logistic Regression, Decision Tree, Random Forest, Support Vector Machine, XGBoost)을 훈련하고 평가하였다.
• 훈련 프로토콜: 작은 샘양과 클래스 불균형 문제를 해결하기 위해 저자들은 다음을 수행하였다:
  1. 44개의 중간 삽입형 흡수체와 수를 맞추기 위해 44개의 연관형 흡수체를 무작위로 선택하여 훈련 세트를 균형 있게 구성하였다.
  2. 층화 추출(stratified sampling)을 포함한 80:20 훈련-테스트 분할을 적용하였다.
  3. 표준 스케일링(Z-score 정규화)을 적용하였다.
  4. 편향되지 않은 추정치를 보장하기 위해 Leave-One-Out(LOO) 기법과 결합된 그리드 서치 교차 검증(Grid Search Cross-Validation)을 사용하여 하이퍼파라미터 튜닝을 수행하였다.
  5. 견고한 평균 성능 지표(Accuracy, $F_1$-score, AUC)를 생성하기 위해 전체 훈련 및 평가 과정을 1,000번 반복하였다.
• 비교 분석: 저자들은 또한 다중 가우시안 피팅에서 추출된 파라미터를 사용하여 모델을 테스트하였고, 적색편이 컷($z_{abs} \geq 0.1$) 적용의 영향을 평가하였다. 마지막으로, 가장 유의미한 두 가지 파라미터인 선폭($w_{20}$)과 적분 광학적 두께($\tau_{int}$)만을 사용하는 축소 모델을 테스트하였다.

주요 결과

• 모델 성능: Random Forest 모델이 다른 분류기들을 일관되게 능가하였다. 12개의 모든 스펙트럼 파라미터와 SNR로 훈련되었을 때, 평균 테스트 정확도는 89%, $F_1$-score는 0.90, AUC 점수는 0.94를 기록하였다.
• 특성 중요도: Random Forest 모델 분석 결과, 선폭 파라미터인 $w_{20}$이 가장 중요한 예측 변수로 식별되었으며, 적분 광학적 두께($\tau_{int}$)가 그 뒤를 이었다. 이는 연관형 흡수체(AGN)가 일반적으로 중간 삽입형(별 형성 은하)보다 더 넓고 강한 선을 가진다는 물리적 기대와 일치한다.
• 축소된 파라미터 세트: $w_{20}$과 $\tau_{int}$(및 SNR)만을 사용하여 Random Forest 모델을 재훈련했을 때, 정확도 88%, $F_1$-score 0.88, AUC 0.91을 얻었다. 이는 이 두 파라미터가 분류에 충분히 유효함을 시사한다.
• 피팅 방법 비교: Busy function 피팅 방식은 다중 가우시안 피팅 방식을 사용한 이전 연구들과 비교하여 대등하거나(적색편이 컷 시나리오에서 약간 더 나은) 유사한 분류 결과를 나타냈다. Busy function은 프로파일의 복잡성과 관계없이 고정된 수의 자유 파라미터(8개)를 제공하는 반면, 다중 가우시안 피팅은 구성 요소당 3개의 파라미터를 추정해야 하므로 가변적인 복잡성(15개의 가우시안, 또는 315개의 파라미터)을 가진다.
• 적색편이 독립성: 적색편이 컷($z_{abs} \geq 0.1$)을 적용했을 때 테스트 정확도는 (89%에서 87%로) 미미하게 감소하였으며, 이는 스펙트럼 파라미터 자체가 샘플 내의 적색편이 진화 효과와 독립적인 견고한 분류기임을 나타낸다.
• 새로운 데이터에 대한 적용: 저자들은 재훈련된 Random Forest 모델($w_{20}$ 및 $\tau_{int}$ 사용)을 FLASH 파일럿 탐사에서 검출된 30개의 새로운 H I 21cm 흡수체에 적용하였다. 모델의 예측은 약 **80%**의 경우에서 Curran(2021)의 로지스틱 회귀 분류와 일치하였다.

의의 및 주장
본 논문은 H I 21cm 흡수체를 분류하기 위한 효율적이고 자동화된 ML 프레임워크를 제공한다고 주장하며, 이는 Square Kilometre Array(SKA) 전구체(예: ASKAP, MeerKAT) 및 SKA 자체를 겨냥한 향후 대규모 블라인드 탐사에 매우 중요하다. 주요 기여는 다음과 같다:

1. 방법론적 개선: 비대칭 프로파일에 대한 스펙트럼 파라미터 추출에 있어 가우시안 피팅의 효율적인 대안으로서 Busy function의 적합성을 입증하였다.
2. 성능 향 향상: Busy function 사용과 더 포괄적인 ML 알고리즘 적용을 통해 이전 연구(약 80%)보다 높은 분류 정확도(89%)를 달성하였다.
3. 특성 단순화: 두 가지 최소한의 스펙트럼 파라미터($w_{20}$ 및 $\tau_{int}$)가 고정밀 분류에 충분하다는 것을 확립하여, 향후 탐사의 데이터 요구 사항을 단순화하였다.
4. 확장성: 개발된 기술은 향후 탐사에서 예상되는 수백에서 수천 개의 새로운 흡수체를 처리하기 위한 실행 가능한 솔루션으로 제시되며, 시간 소모적인 후속 분광 측정에 대한 의존도를 줄여준다.

저자들은 현재의 결과가 유망하지만, SKA 시대의 더 큰 데이터셋이 훈련을 위해 확보됨에 따라 이 모델들의 예측력이 더욱 높아질 것이라고 언급하며 신중한 태도를 유지하고 있다.