반응형 머신러닝1 머신러닝으로 외계행성 ‘오탐’ 줄이기: 신호 품질·활동성 분리법과 실전 체크리스트 외계행성 오탐을 줄이기 위한 머신러닝·스펙트럼 분석·스텔라 활동성 분리법과 최신 연구·실전 워크플로를 알기 쉽게 소개합니다. 목차서론: “신호는 있는데, 진짜 행성일까?”—외계행성 오탐과의 전쟁외계행성 탐지는 매력적이면서도 오해의 소지가 많은 분야입니다. 트랜짓(Transit) 곡선의 미세한 밝기 하락, 라디얼 속도(RV)의 몇 10cm/s 요동 같은 연약한 신호는 종종 스텔라 활동성(별의 흑점·플레어·회전)이나 도구 잡음에 가려집니다. 이때 외계행성 오탐(false positive)은 “없는 행성을 있다고” 결론 내리는 상황을 말하죠. 최근에는 머신러닝과 스펙트럼 분석의 결합으로 신호 품질을 정량화하고, 행성 신호와 스텔라 활동성을 분리(disentangling)하는 기법이 빠르게 고도화되고 있습니다... 2025. 10. 7. 이전 1 다음 반응형
