천문학자들은 다른 별을 공전하는 행성을 촬영하려 할 때 거대한 기술적 도전에 직면한다. 밝은 별의 빛이 행성에서 오는 희미한 빛을 완전히 압도하기 때문이다. 별빛을 차단하기 위해 "코로나그래프(coronagraphs)"를 사용함에도 불구하고, 망원경의 지향 및 물리적 구성의 미세한 차이는 주변 행성으로부터 정확한 데이터를 추출하는 능력을 방해하는 시각적 "노이즈"를 생성한다.
"점 퍼짐 함수"의 장애물 극복
근본적인 문제는 "점 퍼짐 함수(Point Spread Function - PSF)"라고 알려진 기술적 개념에 있다. 이는 하드웨어 결함이나 지향 부정확성으로 인해 망원경이 빛의 점을 어떻게 왜곡하여 흐릿한 이미지로 만드는지에 대한 수학적 설명이다. 역사적으로 과학자들은 이 함수를 추론하기 위해 알려진 대상을 촬영하거나 하드웨어의 복잡한 수학적 모델을 구축하려고 시도해 왔으나, 두 방법 모두 한계에 부딪혔다. 전통적인 모델은 정확하게 조정하기 어려운 방대한 수의 변수를 포함하고 있기 때문이다.
이 난제를 해결하기 위해 연구진은 FLIP(Physics-based Learning for Imaging Planets)이라 불리는 혁신적인 소프트웨어 패키지를 개발했다. 이 기술은 인공지능 방식, 구체적으로는 거대 신경망 학습에 사용되는 "경사 하강법(gradient descent)" 기술에서 영감을 얻어 이를 제임스 웹 망원경에 탑재된 NIRCam 장치의 물리적 모델에 적용한다. FLIP은 모델 내 최대 100만 개의 파라미터(parameter)를 조정할 수 있게 하며, 이 복잡한 과정은 그래픽 처리 장치(GPU)를 사용하여 단 30분 만에 완료된다.
행성 관측에서의 실질적인 결과
테스트 결과, HIP 65426 및 51 Eridani와 같이 주변에 행성이 있는 것으로 알려진 별의 데이터에 이 기술을 적용했을 때 그 효과가 입증되었다. FLIP은 다음과 같은 획기적인 기술적 결과를 달성했다:
- 일부 관측에서 신호 대 잡음비(SNR)를 1.5배에서 2배까지 높였다.
- 이산화탄소의 존재를 탐지할 수 있는 파장 범위에서 행성 중 하나를 처음으로 관측했다.
- 관측 간의 변화가 큰 별인 TYC 5899에 대한 관측 민감도를 15배 증가시켰다.
실질적으로 무엇이 변하는가?
이러한 발전의 중요성은 단순히 현재 이미지의 품질을 개선하는 데 그치지 않고, 천문학 연구의 새로운 지평을 연다:
- 새로운 행성 발견: 노이즈 수준을 낮춤으로써, 이전에는 별의 광휘 뒤로 사라졌던 더 오래되었거나 질량이 작은 더 희미한 행성들을 관측하는 것이 가능해질 것이다.
- 망원경 상태 진단: 소프트웨어를 수정하여 모델에서 가장 큰 변화가 일어나는 위치를 식별할 수 있으며, 이는 망원경 구성 요소의 물리적 상태와 시간에 따른 성능에 대한 귀중한 기술적 정보를 제공할 수 있다.