하이브리드 AI로 외계행성 질량 예측: KNN 실패에서 XGBoost 성공까지, 물리 필터링의 힘
고등학생 팀이 개발한 '엑소로지카 AI'는 XGBoost의 그라디언트 부스팅 기술과 천문학적 법칙을 결합해 NASA, exoplanet.eu, ExoKyoto 데이터베이스로부터 외계행성 질량을 재구성합니다. 초기에 물리 법칙을 무시한 KNN 모델은 실패했지만, 뉴런-물리 합성 아키텍처를 통해 실제 밀도 예측과 분류가 가능해졌으며, 풀턴 갭과 케플러 법칙을 자연스럽게 반영했습니다. 파이썬으로 제작된 Tkinter 인터페이스를 통해 서버 없이도 데이터 분석이 가능합니다.
시스템은 다양한 형식의 데이터베이스를 표준화하고, 머신러닝으로 초기 추정치를 산출한 후, 물리 공식을 활용해 결과를 정제함으로써 '클론 벽' 현상 같은 오류를 피합니다.
글로벌 데이터베이스 통합을 위한 표준화
NASA 외계행성 아카이브, exoplanet.eu, ExoKyoto를 통합하려면 각각 다른 형식의 컬럼명을 맞춰야 합니다. 행성은 각각 pl_name(NASA), name(EU), #PlanetName(ExoKyoto)로 식별되며, 질량은 지구 질량 단위로 정규화됩니다.
컬럼 매핑 코드:
def standardize_columns(df, source_type):
mappings = {
'NASA': {'pl_name': 'name', 'hostname': 'star_name', 'pl_masse': 'mass_e'},
'EU': {'name': 'name', 'star_name': 'star_name', 'mass': 'mass_e'},
'ExoKyoto': {'#PlanetName': 'name', 'StarName': 'star_name', 'MassEarth': 'mass_e'}
}
return df.rename(columns=mappings.get(source_type, {}))
df_total = pd.concat([df_nasa, df_eu, df_jp]).drop_duplicates(subset=['name'], keep='first')이 방법은 중복을 제거하면서도 가장 많은 정보를 보유한 기록을 유지합니다. 전체 데이터셋은 9,000개 이상의 객체를 포함하며, 전이법에 의해 질량 정보가 누락된 경우도 있습니다.
Tkinter 인터페이스는 색상 코드로 요약 표를 제공합니다: 녹색은 암석 행성, 파란색은 해양 세계, 빨간색은 핫 주피터를 나타냅니다. 지구 유사성 지수(ESI)는 자동 계산됩니다.
통합 데이터셋에서의 머신러닝 알고리즘 비교
세 가지 모델을 테스트한 결과, 각각 고유한 강점과 약점이 드러났습니다:
- KNN: 가장 가까운 이웃을 근거로 외삽하여 '클론 벽' 현상을 발생시킵니다. 모든 예측 밀도가 약 8.82 g/cm³ 주변에 집중되며, 풀턴 갭과 같은 비선형 패턴을 무시합니다.
- 랜덤 포레스트: 안정적이지만 이상치를 평균화해 희귀한 행성 유형에 대한 민감도가 낮아집니다.
- XGBoost: 그라디언트 부스팅을 통해 트리 기반 오류를 반복적으로 수정합니다. 명시적인 레이블 없이도 암석 행성에서 기체 거대행성으로의 전이를 탐지할 수 있습니다.
검증 지표에서 XGBoost가 우수했으며, 특히 1.5–2 R⊕ 사이의 반지름을 가진 행성의 질량 예측에서 두각을 나타냈습니다.
뉴런-물리 합성 아키텍처
예측 과정은 세 단계로 구성됩니다:
- ML 레이어: XGBoost가 반지름, 궤도 주기, 항성 특성 기반으로 질량을 예측합니다.
- 물리 레이어: 케플러 제3법칙과 스테판-볼츠만 법칙에 따라 검증합니다. 평형 온도와 일조량을 계산합니다.
- 합성 레이어: ML 예측이 물리 법칙을 위반할 경우 수정합니다. 예를 들어, 밀도가 특정 임계값을 초과하면 철 함량이 높은 행성을 기체 거대행성으로 교체합니다.
인터페이스에서는 '인공지능 모드'에서 전후 결과를 비교할 수 있습니다. KNN은 일관된 밀도를 출력하지만, XGBoost + 물리 법칙은 다양성을 보여줍니다. 미니 네프툰은 4.49 g/cm³, 적색왜성 주변의 얼음 세계는 낮은 밀도를 갖습니다.
질량 대 밀도의 로그 그래프는 주요 구역을 강조합니다: 지구보다 작은 행성, 지구보다 큰 행성, 미니 네프툰. KOI-4878 b는 이례적으로 높은 철핵을 가진 '거대 메르쿠리'로 분류됩니다.
개발자용 인터페이스 및 분석 기능
Tkinter 앱에는 다음 기능이 포함되어 있습니다:
- ESI와 분류 정보를 포함한 테이블
- ML 오류 시각화(클론 벽)
- 단계별 상호작용 그래프와 상태 영역
- 확인 가능한 개체 카드: 프록시마 센타우리 b는 얼음 암석 세계, TRAPPIST-1 e/f/g는 적응권 내 지구형 행성입니다.
scikit-learn, xgboost, pandas로 구현되어 있으며, 학교 컴퓨터에서도 원활하게 작동합니다. '아카데미' 섹션에서는 공식을 문서화해 투명성을 확보했습니다.
핵심 요약:
- 하이브리드 ML + 물리 법칙은 천문학에서 흔한 '망상' 현상을 제거합니다.
- XGBoost는 데이터 속에서 풀턴 갭을 독립적으로 발견합니다.
- 세 데이터베이스를 표준화해 완전한 외계행성 목록을 구축합니다.
- Tkinter 인터페이스를 통해 Jupyter 없이도 분석이 가능합니다.
- 예측 결과는 밀도와 ESI를 통해 실존하는 후보들에 대해 검증됩니다.
— Editorial Team
아직 댓글이 없습니다.