[사이테크 플러스] "태양 뒷면·측면 자기장영상, 인공지능으로 복원"
경희대 문용재 교수 "인공지능, 다른 과학분야 문제 해결에 활용 가능"
(서울=연합뉴스) 이주영 기자 = 국내 연구진이 현재의 태양 탐사선이나 관측 기술로는 파악할 수 없었던 태양 측면과 뒷면의 자기장 영상을 인공지능(AI) 딥러닝(deep learning) 방법으로 복원하는 데 성공했다.
경희대 우주탐사학과 문용재 교수팀은 5일 국제학술지 '네이처 천문학'(Nature Astronomy)에서 ㈜인스페이스 인공지능연구실·한국천문연구원과 협력해 인공지능으로 태양 측면과 뒷면의 자기장 영상을 복원, 처음으로 그 영상을 볼 수 있게 됐다고 밝혔다.
태양의 자기장 영상은 태양활동과 우주 기상을 예측하고 예보하는 데 매우 중요하다. 특히 자전하는 태양의 측면 상황을 미리 알 수 있다는 것은 예보 측면에서 유리한 정보로 태양 활동 연구자들에게 유용할 될 것으로 기대된다.
그러나 현재 운영 중인 태양탐사선이나 관측 기기로는 지구에서 보이는 태양 전면을 제외한 측면과 뒷면의 자기장 영상을 파악하는 것은 불가능하다.
태양 전면의 자기장 영상은 미국항공우주국(NASA)의 태양활동 관측위성 SDO(solar dynamics observatory)에 탑재된 태양 지진·자기 영상장치(HMI)로 획득할 수 있지만, 태양 측면과 뒷면을 관측하고 있는 쌍둥이 태양탐사선 스테레오(STEREO)에는 자기 관측 센서가 없기 때문이다.
문 교수팀은 이 연구에서 현재 NASA가 운영하는 SDO와 STEREO의 관측 자료를 딥러닝 기법으로 인공지능에 훈련시켜 STEREO의 영상만 가지고 태양 측면과 뒷면의 자기장 영상을 만들어내게 하는 데 성공했다.
인공지능에 조건부 생성 모델(conditional generative adversarial networks : cGANs)을 적용, STEREO 탐사선에 탑재된 극자외선 영상장치(EUVI)로 촬영한 304Å(옹스트롬=100억분의 1ｍ) 영상을 SDO에 탑재된 HMI 영상·태양대기 촬영장치(AIA)의 304Å 영상과 쌍을 지어 학습하도록 했다.
인공지능 딥러닝에는 2011∼2017년 SDO가 촬영된 4천147쌍의 영상이 사용됐고, 인공지능이 이를 학습한 다음 STEREO 영상만으로 만들어낸 태양 측면과 뒷면의 자기 영상의 정확성을 검증하는 데 835쌍의 영상이 사용됐다.
그 결과 인공지능은 태양 전면을 관측하는 SDO의 AIA 센서 영상과 자기장 센서인 HMI 영상을 딥러닝 방식으로 학습한 뒤 태양 측면을 관측하는 STEREO의 EUVI 센서 영상만으로 정확한 자기장 영상을 만들어냈다.
연구팀이 여러 시간대의 전면 HMI 자기장 영상과 인공지능이 생성한 자기장 영상을 분석한 결과, 인공지능은 태양 활동의 큰 특징인 태양 흑점을 SDO의 HMI 자기장 센서 영상과 큰 차이 없이 재현해낸 것으로 확인됐다.
문 교수는 "이 연구결과는 조건부 생성모델(cGANs)에 기반을 둔 딥러닝 기법의 영상 대 영상(image to image) 해석기술을 과학적 데이터에도 적용할 수 있음을 보여준다"며 "이 인공지능 모델을 다른 과학 분야에서도 많은 문제를 풀기 위한 도구로 활용할 수 있을 것"이라고 말했다.
scitech@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>
경희대 문용재 교수 "인공지능, 다른 과학분야 문제 해결에 활용 가능"
(서울=연합뉴스) 이주영 기자 = 국내 연구진이 현재의 태양 탐사선이나 관측 기술로는 파악할 수 없었던 태양 측면과 뒷면의 자기장 영상을 인공지능(AI) 딥러닝(deep learning) 방법으로 복원하는 데 성공했다.
경희대 우주탐사학과 문용재 교수팀은 5일 국제학술지 '네이처 천문학'(Nature Astronomy)에서 ㈜인스페이스 인공지능연구실·한국천문연구원과 협력해 인공지능으로 태양 측면과 뒷면의 자기장 영상을 복원, 처음으로 그 영상을 볼 수 있게 됐다고 밝혔다.
태양의 자기장 영상은 태양활동과 우주 기상을 예측하고 예보하는 데 매우 중요하다. 특히 자전하는 태양의 측면 상황을 미리 알 수 있다는 것은 예보 측면에서 유리한 정보로 태양 활동 연구자들에게 유용할 될 것으로 기대된다.
그러나 현재 운영 중인 태양탐사선이나 관측 기기로는 지구에서 보이는 태양 전면을 제외한 측면과 뒷면의 자기장 영상을 파악하는 것은 불가능하다.
태양 전면의 자기장 영상은 미국항공우주국(NASA)의 태양활동 관측위성 SDO(solar dynamics observatory)에 탑재된 태양 지진·자기 영상장치(HMI)로 획득할 수 있지만, 태양 측면과 뒷면을 관측하고 있는 쌍둥이 태양탐사선 스테레오(STEREO)에는 자기 관측 센서가 없기 때문이다.
문 교수팀은 이 연구에서 현재 NASA가 운영하는 SDO와 STEREO의 관측 자료를 딥러닝 기법으로 인공지능에 훈련시켜 STEREO의 영상만 가지고 태양 측면과 뒷면의 자기장 영상을 만들어내게 하는 데 성공했다.
인공지능에 조건부 생성 모델(conditional generative adversarial networks : cGANs)을 적용, STEREO 탐사선에 탑재된 극자외선 영상장치(EUVI)로 촬영한 304Å(옹스트롬=100억분의 1ｍ) 영상을 SDO에 탑재된 HMI 영상·태양대기 촬영장치(AIA)의 304Å 영상과 쌍을 지어 학습하도록 했다.
인공지능 딥러닝에는 2011∼2017년 SDO가 촬영된 4천147쌍의 영상이 사용됐고, 인공지능이 이를 학습한 다음 STEREO 영상만으로 만들어낸 태양 측면과 뒷면의 자기 영상의 정확성을 검증하는 데 835쌍의 영상이 사용됐다.
그 결과 인공지능은 태양 전면을 관측하는 SDO의 AIA 센서 영상과 자기장 센서인 HMI 영상을 딥러닝 방식으로 학습한 뒤 태양 측면을 관측하는 STEREO의 EUVI 센서 영상만으로 정확한 자기장 영상을 만들어냈다.
연구팀이 여러 시간대의 전면 HMI 자기장 영상과 인공지능이 생성한 자기장 영상을 분석한 결과, 인공지능은 태양 활동의 큰 특징인 태양 흑점을 SDO의 HMI 자기장 센서 영상과 큰 차이 없이 재현해낸 것으로 확인됐다.
문 교수는 "이 연구결과는 조건부 생성모델(cGANs)에 기반을 둔 딥러닝 기법의 영상 대 영상(image to image) 해석기술을 과학적 데이터에도 적용할 수 있음을 보여준다"며 "이 인공지능 모델을 다른 과학 분야에서도 많은 문제를 풀기 위한 도구로 활용할 수 있을 것"이라고 말했다.
scitech@yna.co.kr
(끝)
<저작권자(c) 연합뉴스, 무단 전재-재배포 금지>
관련뉴스
