Incorporating neutron star physics into gravitational wave inference with physics-informed priors using normalizing flows

중성자별이나 블랙홀과 같이 밀도가 높은 두 항성이 서로를 향해 나선형으로 회전하며 다가와 충돌할 때, 이들은 시공간의 구조에 '중력파'라고 알려진 물결을 보냅니다. 지구상의 탐지기들은 이 희미한 신호를 포착하며, 이는 과학자들이 불과 수십 년 전까지만 해도 불가능했던 방식으로 우주의 소리를 들을 수 있게 해줍니다. 충돌 중에 어떤 일이 일어났는지 이해하기 위해, 연구자들은 파동의 소리로부터 그 파동을 만든 천체의 특성을 역추적하는 통계적 방법을 사용합니다. 이 과정은 신호가 도착하기도 전에 그 천체들이 어떤 모습일지에 대한 교육적인 추측을 하는 것을 필요로 합니다. 전통적으로 과학자들은 '무정보적(agnostic)' 추측을 사용해 왔는데, 이는 별들의 질량이나 내부 구조에 대한 사전 지식을 배제하고 모든 가능성을 동일하게 취급하는 방식입니다. 그러나 이러한 접근법은 극한의 압력 하에서 물질이 어떻게 행동하는지, 그리고 은하계에 중성자별이 어떻게 분포되어 있는지에 대한 방대한 기존 지식을 무시하는 것입니다.

새로운 연구는 이러한 추측을 처리하는 더 스마트한 방법을 제안합니다. 연구진은 실제 물리 법칙을 신호 분석에 직접 입력하는 방법을 개발했습니다. 중성자별의 내부 구성에 대해 우리가 이미 알고 있는 정보나 이 천체들의 전형적인 질량을 무시하는 대신, 그들은 처음부터 이 정보를 통합하는 시스템을 구축했습니다. 핵물리학의 법칙과 알려진 별들에 대한 관측 데이터를 학습시킨 일종의 인공지능을 사용하여, 그들은 '물리 정보가 반영된(physics-informed)' 기대치를 만들어냈습니다. 이 방법을 세 가지 특정 우주 충돌 데이터에 적용했을 때, 이 방식은 충돌하는 천체의 본질을 확인하는 데 도움이 되었을 뿐만 아니라, 이전 방식보다 훨씬 더 선명한 천체의 특성 이미지를 제공했습니다.

이 작업의 핵심은 충돌 데이터의 해석 방식에 있습니다. 중력파 신호가 감지되면, 그것은 천체의 질량, 회전, 그리고 서로 가까워질 때 내부 구조가 어떻게 변형되는지에 대한 정보가 복잡하게 섞인 혼합물입니다. 이 정보를 추출하기 위해 연구자들은 새로운 증거가 도착함에 따라 가설의 확률을 업데이트하는 수학적 프레임워크인 '베이지안 추론'에 의존합니다. 이 업데이트의 출발점은 '사전 확률(prior)'로, 이는 새로운 데이터를 보기 전 과학자들이 진실이라고 믿는 바를 나타냅니다. 수년 동안 표준 관행은 편향을 피하는 것이 안전해 보인다는 이유로 모든 질량이나 내부 구조가 가능하다고 가정하는 무정보적 사전 확률을 사용하는 것이었습니다. 하지만 우리는 이미 중성자별에 대해 많은 것을 알고 있습니다. 우리는 중성자별이 극도로 밀도가 높은 물질로 이루어져 있으며 특정 물리 법칙을 따른다는 것을 알고 있고, 우리 은하 내의 많은 중성자질량을 측정해 왔습니다. 새로운 연구는 이러한 지식을 버리는 것이 기회를 놓치는 것이라고 주장합니다.

이를 해결하기 위해 연구팀은 중성자별 물리학에 대한 우리의 현재 이해를 분석에 직접 인코딩하는 유연한 시스템을 만들었습니다. 그들은 먼저 '상태 방정식(equation of state)'에 대한 제약 조건을 수집했는데, 이는 본질적으로 중성자 내부의 극단적인 밀도에서 물질이 어떻게 행동하는지를 설명하는 규칙서입니다. 이 규칙서는 핵이론 실험과 빠르게 회전하는 중성자인 펄서(pulsar)의 관측으로부터 정보를 얻습니다. 또한 그들은 우리 은하의 라디오 관측을 통해 중성자별이 보통 얼마나 무거운지에 대한 데이터도 수집했습니다. 이 정보를 사용하여, 그들은 만약 충들이 물리 법칙을 따르는 천체들 사이에서 발생한다면 어떤 모습일지에 대한 수백만 개의 시뮬레이션 시나리오를 생성했습니다.

이러- 시뮬레이션은 '노멀라이징 플로우(normalizing flow)'라고 알려진 머신러닝 모델을 학습시키는 데 사용되었습니다. 이 모델을 가장 가능성 높은 물리적 시나리오의 형태를 학습하는 매우 효율적인 지도 제작자로 생각하면 됩니다. 일단 학습되면, 이 모델은 정교한 필터 역할을 합니다. 분석이 가능한 모든 질량과 내부 구조의 조합을 헤매게 하는 대신, 물리적으로 존재할 가능성이 가장 높은 영역으로 탐색을 안내합니다. 이를 통해 분석은 가장 타당한 설명에 집중할 수 있게 되어, 결과는 더 정밀해지고 결론은 더 견고해집니다.

연구진은 미국, 이탈리아, 일본의 관측소에서 감지된 세 가지 실제 중력파 사건에 대해 이 새로운 접근법을 테스트했습니다. 첫 번째 사건인 GW170817은 빛을 찾는 망원경에도 포착된 두 중성자별의 충돌이었습니다. 두 번째인 GW190425는 더 무거운 구성 요소를 가진 또 다른 중성자별 충돌이었습니다. 세 번째인 GW230529는 중성자별과 블랙홀의 충돌로, 이전에는 확실하게 분류하기 어려웠던 사건이었습니다. 모든 경우에서, 물리 정보가 반영된 방식은 기존의 가이드 없는 접근법보다 우주의 더 명확한 모습을 보여주었습니다.

첫 번째 사건인 GW170817에 대해, 새로운 방법은 충돌하는 천체들이 정말로 두 개의 중성자별임을 확인했습니다. 더 중요한 것은, 이 방법이 별들의 내부 강성(stiffness)에 대한 서로 다른 이론들을 구별할 수 있게 해주었다는 점입니다. 데이터는 '부드러운(soft)' 상태 방정식을 강력하게 지지했는데, 이는 별 내부의 물질이 상대적으로 압축되기 쉽다는 것을 의미합니다. 이 결론은 중력파 데이터와 빛 관측을 결합한 다른 연구들의 결과와 일치했지만, 새로운 방법은 오직 중력파 신호만을 사용하여 이 결론에 도달했습니다. 또한 이 방법은 충돌이 얼마나 멀리서 발생했는지에 대한 더 정밀한 측정을 제공하여, 이전 분석들이 제시했던 것보다 추정 거리를 약간 더 멀리 밀어냈습니다.

두 번째 사건인 GW190425는 충돌하는 별들이 우리 은하에서 발견되는 전형적인 중성자별보다 훨씬 무거웠기 때문에 난제를 제시했습니다. 전통적인 분석은 그들의 정확한 본질을 규명하는 데 어려움을 겪었습니다. 그러나 물리 정보가 반영된 접근법은 이들의 특이한 질량에도 불구하고, 그들을 쌍중성자별 시스템으로 명확히 식별했습니다. 또한 이 방법은 두 별의 무게가 서로 같지 않을 가능성이 높다는 사실을 밝혀냈는데, 이는 기존의 가이드 없는 방법들이 놓쳤던 세부 사항입니다. 분석은 이 사건에 대해 이전의 생각보다 상당히 큰 거리를 제시했는데, 이는 신호가 상대적으로 희미했다는 사실과 잘 부합합니다.

세 번째 사건인 GW230529는 중성자별과 블랙홀을 포함했습니다. 신호가 희미했기 때문에, 천체들이 정확히 무엇인지 또는 어떻게 회전하고 있는지 판단하기 어려웠습니다. 새로운 방법은 가능성을 좁힘으로써 여기서 탁월한 성능을 발휘했습니다. 이 방법은 이 사건을 중성자별과 블랙홀 사이의 충돌로 단호하게 분류하여 다른 가능성들을 높은 신뢰도로 배제했습니다. 나아가, 물리적 제약을 통합함으로써 분석은 두 천체 사이의 질량비를 훨씬 더 정밀하게 추정했습니다. 이는 결과적으로 이전에 불확실했던 블랙홀의 스핀(spin)에 대한 더 명확한 그림을 제공했습니다. 또한 이 방법은 이 사건의 추정 거리를 더 멀리 밀어냈으며, 이는 신호의 희미함과 일치합니다.

세 사건 모두에서 나타난 핵심적인 발견은, 물리 정보가 반영된 사전 확률이 일관되게 충돌까지의 거리를 더 크게 추정했다는 점입니다. 이는 새로운 방법이 천체의 질량을 더 엄격하게 제한했기 때문에 발생했습니다. 우리가 듣는 신호는 질량과 거리 모두에 의존하므로, 질량을 더 정밀하게 알게 되면 거리 계산을 조정해야 합니다. 이 경우들의 조정은 천체들이 이전에 생각했던 것보다 더 멀리 있다는 것을 의미했습니다. 이러한 변화는 충돌과 함께 나타날 수 있는 빛을 찾는 천문학자들에게 실질적인 영향을 미칩니다. 더 먼 곳의 천체는 더 어둡고 찾기 어렵기 때문입니다.

이 연구는 또한 이 접근법이 모호한 사건들을 분류하는 강력한 도구가 될 수 있음을 입증했습니다. GW230529의 경우, 이 방법은 희미한 신호로는 이전에 달성하기 어려웠던 결정적인 증거를 제공했습니다. 연구진은 물리 법칙을 사용하여 탐색을 유도함으로써, 더 큰 신호나 더 나은 탐지기를 기다리지 않고도 동일한 데이터로부터 더 많은 정보를 추출할 수 있음을 보여주었습니다.

앞으로를 내다보며, 연구진은 이 방법이 유연하게 설계되었다는 점을 강조합니다. 중성자별에 대한 우리의 이해가 개선되거나 새로운 유형의 관측이 가능해짐에 따라, 시스템은 이러한 새로운 지식을 포함하도록 업데이트될 수 있습니다. 이는 분석 과정을 완전히 개편할 필요 없이, 컴퓨터가 데이터를 탐색하는 데 사용하는 지도를 단순히 업데이트하는 방식입니다. 이는 우리가 별 내부의 밀도 높은 물질에 대해 더 많이 배움에 따라, 우주의 소리를 해석하는 우리의 능력도 자동으로 향상될 것임을 의미합니다. 이 작업은 데이터를 백지 상태로 취급하는 것에서 벗어나, 알려진 자연의 법칙과의 대화로 취급함으로써 우리가 더 명확하게 우주의 소리를 들을 수 있게 하는 패러다임의 전환을 나타냅니다.