Core Concepts
다양한 거리 지표를 활용하여 변광성 천체의 광도 곡선을 효과적으로 분류할 수 있는 새로운 거리 기반 분류기 DistClassiPy를 개발하였다.
Abstract
시간 영역 천문학의 급격한 발전과 함께 대규모 관측 데이터의 증가로 인해 자동화된 천체 분류의 필요성이 대두되었다.
기존의 트리 기반 모델과 딥러닝 모델이 표준적으로 사용되고 있지만, 거리 지표를 직접 활용하는 접근법은 아직 시도되지 않았다.
거리 기반 방법은 분류 결과의 해석 가능성을 높이고 계산 비용을 줄일 수 있다는 장점이 있다.
18개의 다양한 거리 지표를 적용하여 10개 클래스의 6,000개 변광성 천체 데이터를 분류하고 차원 축소를 수행하였다.
제안한 DistClassiPy 분류기는 기존 최신 모델과 동등한 성능을 보이면서도 계산 비용이 낮고 해석 가능성이 높다.
DistClassiPy는 천문학 분야뿐만 아니라 다른 분류 시나리오에도 활용될 수 있도록 오픈소스로 공개되었다.
Stats
변광성 천체 데이터 중 Cepheid 변광성의 Cityblock 거리 분포에서 상위 10%와 하위 10%를 제거하여 이상치를 제거하였다.
제거 후 Cepheid 변광성의 Cityblock 거리 분포는 0 < dCB < 1,000 범위 내에 포함되었다.