앤스로픽 클로드, 우주 지도 빈칸 채웠다…하늘 3분의 1은 AI 추정

[이데일리 김현아 기자] 인공지능(AI)이 관측 공백을 메워 하늘 전체를 담은 자외선 지도를 만들었다. 우주 관측 장비들이 포착하지 못한 영역까지 추정해 별과 먼지 등 우주의 구조를 더 넓게 살펴볼 수 있게 됐다. 하늘의 약 3분의 1은 실제 관측값이 아닌 AI의 예측으로 채웠다.

앤스로픽은 8일(현지시간) 존스홉킨스대 천체물리학자이자 앤스로픽 연구원인 브리스 메나르(Brice Menard)가 AI 도구 ‘클로드 사이언스’와 함께 자외선 전천 지도를 제작했다고 밝혔다. 자외선은 지구 대기의 오존층에 흡수돼 지상에서 관측하기 어렵다. 우주망원경들이 자외선 자료를 수집해 왔지만, 기존 관측만으로는 하늘 전체를 채우기 어려웠다.

브리스 메나르 교수 존스홉킨스대학교 교수. 사진=존스홉킨스대 홈페이지

존스홉킨스 대학교 천체물리학자이자 앤스로픽 연구원인 브리스 메나르는 클로드 사이언스(Claude Science)와 협력하여 최초의 완벽한 자외선(UV) 하늘 지도를 어떻게 제작했는지 설명했다. 사진=앤스로픽 홈페이지

관측 공백 3분의 1, AI가 추정

지도 제작에 가장 많이 활용된 자료는 미국 항공우주국(NASA)의 자외선 관측 우주망원경 갈렉스(GALEX)에서 나왔다. 2003년부터 2013년까지 운영된 갈렉스는 약 3만8000회의 개별 관측으로 하늘의 약 3분의 2를 촬영했다. 다만 탐지기 손상을 막기 위해 밝은 별 주변을 피했고, 별이 밀집한 은하 평면의 상당 부분도 관측하지 않았다.

연구진은 NASA의 스위프트(Swift), 한국 과학기술위성 1호에 탑재된 원자외선 분광기(FIMS/SPEAR), 유럽의 관측 자료 등을 추가로 활용했다. 서로 다른 장비의 자료를 하나로 합치려면 좌표와 해상도를 맞추고, 밝은 별 주변의 빛 번짐과 관측 장비별 차이를 보정해야 했다.

메나르는 클로드 사이언스로 공개된 관측 자료를 찾고 내려받는 작업부터 보정과 통합까지 진행했다. 여러 AI 에이전트가 하늘의 각 영역을 나눠 처리하고, 서로 다른 장비의 자료를 하나의 지도에 맞춰 결합했다.

가장 큰 과제는 관측 자료가 없는 영역을 채우는 일이었다. 연구진은 자외선 관측이 있는 영역에서 자외선 밝기와 가시광선·적외선·전파 자료 사이의 관계를 AI가 학습하도록 했다. AI는 이 관계를 바탕으로 관측 공백의 자외선 신호를 추정했다.

예측 정확도를 확인하기 위해 실제 관측이 있는 영역 일부를 의도적으로 가린 뒤 AI가 복원하도록 했다. 메나르에 따르면 여러 차례 개선을 거친 모델은 가려 둔 영역의 실제 관측값을 약 10% 오차 범위에서 추정했다. 이는 일부 관측 자료를 가린 검증 시험 결과로, 지도 전체의 예측값이 같은 정확도를 보인다는 의미는 아니다.

출처=앤스로픽 홈페이지

AI가 놓친 오류, 연구자가 찾아냈다

AI가 모든 오류를 스스로 찾아낸 것은 아니다. 메나르는 완성된 지도를 살펴보다 희미한 원형 자국을 발견했다. 갈렉스의 개별 관측 영상에 지구 대기에서 발생한 미세한 자외선 잔광이 남아 있었고, 이 흔적이 지도에 원형 무늬로 나타난 것이다.

클로드는 두 차례 검토에서도 이 문제를 찾아내지 못했다. 메나르가 원형 자국을 지적하자 AI 에이전트들은 원인을 추적해 잔광 보정 절차를 개선했다. 이후 약 3만8000건의 관측 자료를 다시 처리해 원형 흔적을 제거했다.

최종 지도에는 유럽우주국(ESA) 가이아 위성의 가시광선 자료를 바탕으로 추정한 1억 개 이상의 별의 자외선 방출량도 반영됐다. 지도는 실제 관측 영역과 AI가 추정한 영역을 구분하고, 예측의 불확실성도 함께 제공한다.

이번 사례는 AI가 자료 수집과 보정, 계산처럼 시간이 많이 드는 과학 연구를 지원할 수 있음을 보여준다. AI가 대규모 데이터 처리 작업을 수행했지만, 결과의 이상 징후를 발견하고 수정 방향을 제시한 것은 연구자의 판단이었다.

앤스로픽은 지도를 교육과 연구에 활용할 수 있도록 공개했다. 이를 통해 젊은 별 주변의 먼지 구름이나 별의 폭발로 형성된 먼지 구조 등 가시광선만으로는 파악하기 어려운 우주의 모습을 살펴볼 수 있다.