🔭 astrophysics

A sound-horizon-free measurement of the Hubble constant from DESI DR2 baryon acoustic oscillations using artificial neural networks

이 논문은 DESI DR2 BAO 데이터를 인공 신경망을 이용해 사운드 호라이즌(sound horizon)에 의존하지 않는 모델 독립적인 방식으로 분석함으로써, 허블 상수( $H_0$ )를 $71.5\pm2.2$ km s $^{-1}$ Mpc $^{-1}$ 로 측정하여 기존 플랑크(Planck) 결과보다 높은 값을 제시하며 허블 텐션(Hubble tension)을 뒷받침했습니다.

원저자: Gaurav N. Gadbail, Kazuharu Bamba

게시일 2026-04-28

📖 2 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Gaurav N. Gadbail, Kazuharu Bamba

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

1. 배경: "우주의 속도계가 서로 다르다!" (허블 텐션)

우주가 얼마나 빨리 커지고 있는지를 나타내는 숫자를 **'허블 상수( $H_0$ )'**라고 합니다. 그런데 지금 과학계에는 큰 문제가 하나 있어요.

초기 우주 팀 (플랑크 위성): "우주의 아기 시절(빅뱅 직후) 흔적을 보니, 우주는 시속 67km 정도로 천천히 커지고 있어!"
현재 우주 팀 (SH0ES 등): "아니야! 지금 우리 주변의 별들을 직접 관찰해 보니, 우주는 시속 73km로 아주 빠르게 커지고 있어!"

마치 똑같은 자동차를 보고 한 사람은 "시속 67km로 달린다"고 하고, 다른 사람은 "시속 73km로 달린다"고 주장하는 상황입니다. 이 차이가 단순한 실수인지, 아니면 우리가 모르는 새로운 우주의 법칙이 있는 것인지가 바로 **'허블 텐션'**입니다.

2. 이 논문의 핵심 아이디어: "편견 없는 투표"

기존의 측정 방식들은 각각 '편견(모델 의존성)'을 가지고 있었습니다.

초기 우주 팀은 "우주는 이런 규칙(ΛCDM 모델)으로 움직일 거야"라는 가정을 먼저 세우고 계산합니다.
현재 우주 팀은 "별의 밝기는 이 정도일 거야"라는 기준점을 미리 정해놓고 계산합니다.

하지만 이 논문의 저자들은 **"그 어떤 가정이나 기준점도 쓰지 말고, 오직 눈에 보이는 데이터만 가지고 계산해 보자!"**라고 제안합니다. 이를 위해 세 가지 서로 다른 '측정 도구'를 가져왔습니다.

초신성 (SNe Ia): 멀리 있는 별의 밝기 변화.
우주 연대기 (CC): 은하의 나이를 직접 재서 우주의 속도 측정.
바리온 음향 진동 (DESI BAO): 우주 초기 파동이 남긴 '자(Ruler)' 역할.

3. 비법 도구: "인공지능(ANN)이라는 만능 요리사"

여기서 가장 중요한 기술이 바로 **인공지능(Artificial Neural Network, ANN)**입니다.

데이터들은 여기저기 흩어져 있고 불규칙합니다. 기존에는 사람이 만든 수학 공식(함수)에 데이터를 끼워 맞췄다면, 이 논문에서는 인공지능에게 데이터를 통째로 던져줍니다.

인공지능은 마치 **"어떤 레시피(수학 공식)도 미리 배우지 않은 천재 요리사"**와 같습니다. 요리사는 재료(데이터)만 보고 스스로 맛(우주의 팽창 곡선)을 찾아냅니다. 미리 정해진 레시피가 없으니, 특정 모델에 치우치지 않는 **'가장 객관적인 맛'**을 낼 수 있는 것이죠.

4. 결과: "결국, 우주는 빠르게 커지고 있다!"

저자들이 인공지능을 이용해 이 세 가지 데이터를 종합해 계산해 본 결과, 허블 상수는 약 71.5가 나왔습니다.

이 숫자가 의미하는 바는 매우 중요합니다:

"초기 우주 팀(67)"보다는 높고, "현재 우주 팀(73)"과는 비슷합니다.
즉, 이 결과는 **"우주가 생각보다 빠르게 커지고 있다"**는 쪽의 손을 들어준 것입니다.
이는 우리가 알던 기존 우주 모델(플랑크 결과)에 무언가 오류가 있거나, 우리가 아직 모르는 **'새로운 물리 법칙'**이 우주에 존재할 가능성을 강력하게 뒷받침합니다.

요약하자면...

이 논문은 **"기존의 고정관념(모델)을 완전히 버리고, 인공지능이라는 객관적인 눈을 통해 우주의 속도를 재봤더니, 우주는 우리가 생각했던 것보다 더 빠르게 팽창하고 있었다!"**라고 선언하는 연구입니다.

[기술 요약] DESI DR2 BAO 및 인공 신경망(ANN)을 이용한 음향 지평선 독립적 허블 상수( $H_0$ ) 측정

1. 연구 배경 및 문제 제기 (Problem)

현대 우주론의 가장 큰 난제 중 하나는 **허블 텐션(Hubble Tension)**입니다. 이는 우주 팽창률을 나타내는 허블 상수( $H_0$ )를 측정할 때, 초기 우주 데이터(Planck CMB, $\Lambda$ CDM 모델 기반, 낮은 $H_0$ 값)와 국소 우주 데이터(SH0ES, Cepheid 기반, 높은 $H_0$ 값) 사이의 통계적 불일치를 의미합니다.

기존의 측정 방식들은 다음과 같은 모델 의존성 문제를 가집니다:

CMB 측정: $\Lambda$ CDM 모델을 가정하여 재결합 시기의 음향 규모를 현재의 팽창률로 외삽해야 함.
국소 거리 사다리(Distance Ladder): SNe Ia(Ia형 초신성)의 절대 광도를 보정하기 위해 Cepheid 변광성이나 TRGB와 같은 별의 물리적 특성에 의존하며, 이에 따른 계통 오차가 존재함.

2. 연구 방법론 (Methodology)

본 연구는 모델 의존성을 완전히 배제하기 위해 '음향 지평선(Sound Horizon, $r_d$ )에 의존하지 않는(sound-horizon-free)' 방식을 채택했습니다.

거리 이중성 관계 (Distance Duality Relation, DDR): 임의의 메트릭 중력 이론에서 성립하는 $d_L(z) = (1+z)^2 d_A(z)$ 관계를 이용합니다.
세 가지 상호 보완적 관측 데이터 결합:
1. SNe Ia (Pantheon+): 비정착(unanchored) 광도 거리 $\Xi_{SNIa}(z) = H_0 d_L(z)$ 를 제공.
2. Cosmic Chronometers (CC): 직접적인 허블 파라미터 $H(z)$ 를 제공.
3. DESI DR2 BAO: 음향 지평선 $r_d$ 가 정확히 상쇄되도록 설계된 $\Xi_{BAO}(z) = H(z) d_A(z)$ 조합을 사용.
인공 신경망(ANN) 기반 함수 재구성:
- 기존의 가우시안 프로세스(GP) 회귀 대신, 데이터 중심(data-driven) 접근법인 ANN을 사용하여 $H(z)$ 와 $\Xi_{SNIa}(z)$ 를 재구성했습니다.
- 네트워크 구조: 1개의 은닉층과 4,096개의 뉴런, ELU 활성화 함수를 사용하며, 데이터의 불확실성을 전파하기 위해 부트스트랩(Bootstrap) 방식(1,000회 반복)을 적용했습니다. 이는 특정 함수 형태를 가정하지 않아 모델 독립성을 극대화합니다.

3. 주요 기여 (Key Contributions)

최신 데이터 적용: DESI DR1보다 정밀도가 향상된 DESI DR2 데이터를 사용하여, 새로운 트레이서(ELG1, QSO)를 포함한 7개의 독립적인 BAO 척도를 분석에 활용했습니다.
모델 독립성 확보: 음향 지평선( $r_d$ )에 대한 지식이나 SNe Ia의 절대 광도에 대한 가정이 전혀 필요 없는 수식을 유도하여 $H_0$ 를 직접 산출했습니다.
ANN 방법론의 검증: GP 회귀보다 편향(bias)과 분산(variance)의 균형을 더 잘 맞추는 ANN 재구성 방식의 우수성을 입증했습니다.

4. 연구 결과 (Results)

허블 상수 측정값: 1,000회 부트스트랩 결과, $H_0 = 71.5 \pm 2.2 \text{ km s}^{-1}\text{ Mpc}^{-1}$ (68% 신뢰 구간)를 얻었습니다.
기존 연구와의 비교:
- SH0ES (고값) 및 TRGB (중간값): $0.6\sigma$ 이내의 오차로 일치함.
- Planck 2020 (저값): 약 $2\sigma$ 의 긴장(tension)을 보임.
적색편이(Redshift) 일관성: 7개의 개별 BAO 트레이서에서 얻은 $H_0$ 값들이 서로 통계적으로 일관되게 나타났으며, 이는 우주 팽창 역사가 적색편이에 따라 급격히 변하지 않는다는 우주론적 원리를 지지합니다.

5. 연구의 의의 (Significance)

본 연구는 허블 텐션이 단순한 모델 의존적 오류나 특정 관측 데이터의 계통 오차가 아닐 가능성을 강력하게 시사합니다. 초기 우주 모델(CMB)에 의존하지 않고도 높은 $H_0$ 값이 도출되었다는 점은, 표준 $\Lambda$ CDM 모델을 넘어서는 새로운 물리(New Physics)의 필요성을 뒷받침하는 독립적인 증거가 됩니다. 향후 DESI DR3 및 LSST 데이터가 축적되면 $H_0$ 의 불확실성을 1% 미만으로 줄여 이 논쟁을 종결지을 수 있을 것으로 기대됩니다.