AI와 GPU가 여는 초기 우주 탐사, 학생도 참여 가능

JWST 데이터 폭증, AI 없이는 분석 불가능

2022년 제임스 웹 우주망원경(JWST)이 첫 관측 데이터를 보내기 시작했을 때, 천문학자들은 예상을 뛰어넘는 은하의 수에 충격을 받았다. UC 산타크루즈의 브랜트 로버트슨(Brant Robertson) 교수팀은 빅뱅 직후 형성된 초기 은하를 연구하며, 가장 먼 은하 관측 기록을 여러 차례 경신해왔다.

문제는 데이터의 규모다. 하나의 심우주(Deep-field) 이미지에 수십만 개의 은하가 담겨 있고, 각 은하마다 밝기·색상·질량·형태·운동 등 수백 개의 변수가 측정된다. 로버트슨 교수는 "이 데이터셋은 너무 크고 복잡해서 인간이 수작업으로 분석하기엔 불가능하다"고 말한다.

AI 파이프라인: Morpheus와 GalaxyFriends

연구팀이 구축한 분석 파이프라인의 핵심은 Morpheus라는 AI 시스템이다. 자율주행차가 도로와 보행자를 구분하는 데 쓰이는 Semantic Segmentation(의미론적 분할) 기법을 천문학에 적용한 것으로, 은하 전체를 한 번에 분류하는 대신 픽셀 단위로 타원형 벌지(bulge)와 원반(disk)을 구분한다.

이 분석을 통해 놀라운 발견이 나왔다. 초기 우주는 은하 충돌과 혼란이 지배하는 환경으로 알려져 있었는데, 우리 은하와 비슷한 회전 원반 은하가 예상보다 훨씬 이른 시기에 존재한다는 것이 확인된 것이다. 로버트슨 교수는 "처음에는 아무도 믿지 않았지만, 이후 독립적으로 여러 차례 검증되었다"고 전했다.

약 9만 개 은하를 유사성 기반으로 군집화하는 GalaxyFriends 도구도 개발되었다. 연구자들이 데이터셋을 대량으로 탐색하고, 이상치(outlier)를 빠르게 식별할 수 있게 해주는 시각화 도구다.

GPU가 천문학 연구의 기반이 된 이유

JWST 데이터의 축소(reduction), 카탈로그 생성, 이상 탐지, 시뮬레이션까지 거의 모든 단계에서 GPU 가속이 사용된다. 캠퍼스 내 Lux 클러스터(NSF 160만 달러 지원)와 정부 슈퍼컴퓨터가 대규모 연산을 처리하고, 연구실에는 NVIDIA DGX Station이 모델 프로토타이핑에 활용된다.

곧 가동될 **베라 루빈 천문대(Vera C. Rubin Observatory)**는 매일 밤 약 20TB의 원시 데이터를 생성할 예정이다. 지상 망원경이라 대기 왜곡이 발생하는데, 연구팀은 게임 기술인 **DLSS(Deep Learning Super Sampling, 딥러닝 초해상도)**와 유사한 AI 기법으로 우주 망원경 수준의 선명도를 복원하고 있다. 우주 기반 데이터로 모델을 훈련한 뒤 지상 이미지에 적용하는 방식이다.

교육 분야에 주는 시사점

이 연구가 주목할 만한 이유는 데이터의 공개성에 있다. 로버트슨 교수팀은 약 50만 개 은하 데이터를 공개하고 있으며, 분석에 사용된 이미지도 누구나 다운로드할 수 있다. JWST의 JADES(JWST Advanced Deep Extragalactic Survey) 프로젝트 데이터도 공개되어 있다.

이는 천문학·데이터과학·AI를 공부하는 학생들에게 실제 연구급 데이터로 실습할 기회를 제공한다. Semantic Segmentation, 초해상도 복원, 군집 분석 등 AI 핵심 기법이 실제 과학 문제에 어떻게 적용되는지를 보여주는 살아있는 사례이기도 하다.

학생 활용법

공개된 JADES 데이터셋(jades.idies.jhu.edu)을 활용해 Python 기반 은하 분류 프로젝트를 시도해볼 수 있다. Semantic Segmentation이나 비지도 군집화(unsupervised clustering) 기법을 연습하기에 적합한 실전 데이터셋이며, 포트폴리오에 과학 AI 프로젝트를 추가하고 싶은 학생에게 특히 유용하다.

앞으로의 전망

루빈 천문대에 이어 NASA의 낸시 그레이스 로먼 우주망원경, 더 나아가 지구형 외계행성을 직접 촬영할 거주 가능 세계 관측소(Habitable Worlds Observatory) 등이 차례로 예정되어 있다. 천문학 데이터의 양과 질이 급증하면서, AI와 GPU 기반 분석은 선택이 아닌 필수 인프라가 되고 있다.

관측이 이론을 검증하고, 시뮬레이션이 다음 관측의 방향을 제시하는 순환 구조 속에서 AI는 단순한 도구가 아니라 현대 천문학의 핵심 방법론으로 자리잡았다.