👽 졸업 논문 ( 14 ) - 서울대학교 황호성 교수님 면담
서울대 황호성 교수님과의 면담
드뎌 천문학 교수님들 미팅 1회차 끄읕...
면담 진짜 알찼다 모르는 거 싹 다 물어봄
✨ 면담 내용 txt
👀 면담 핵심 내용
1. Zooniverse 활용 추천
Zooniverse : 시민 참여 프로젝트, 라벨링된 은하 형태 데이터 얻을 수 있음
나중에 우리 모델 만들어서 Zooniverse 데이터로 검증해도 좋을 듯
2. IllustrisTNG Data의 분광학 데이터
우리가 현재 필요한 데이터 형태는
은하의 이미지 + 각 이미지에 해당하는 물리량 데이터 + 라벨링(병합 전, 후, 직후, 이후)
IllustrisTNG 데이터가 각 이미지에 대응하는 분광 데이터가 있는지...??
답변 : 은하 목록, 가시광 이미지, 분광 스펙트럼으로부터 계산한 여러 물리량들이 테이블 형태로 존재
+ ) 분광학 데이터로부터 추출한 물리량만 사용하면 될 듯 굳이 분광 스펙트럼까지 넣는 건 불필요할 듯
3. IllustrisTNG Data와 실제 관측 데이터의 차이
IllustrisTNG Data는 ideal한 데이터, 실제 데이터와 차이가 발생하는 건 불가피, 한계가 있다는 걸 인지할 것
resolution 같은 걸 조절해서 실제 관측 데이터와 비슷하게 만들도록 노력해볼 것
4. 병합 시점 예측이 가능한가
은하 이미지라는 것은 결국 시계열 데이터가 아닌 스냅샷, 즉 한 순간만 포착한 것
따라서 이미지만으로는 두 은하가 병합 후 멀어지고 있는 것인지, 병합하려고 가까워지고 있는 것인지 분별하기 어려움
해당 은하의 과거 이미지를 찾아서 비교하면 가능하긴 할텐데 학부생이 하기엔 어려운 주제인 것 같음
(Merger Tree 로 분석)
+ )
TNG Data 라벨링하는 거 대학원생 분 소개시켜준다고 하셨움
현재 시드니에 계신데 8월쯤에 돌아오시면 대면으로 만나도 좋을 거 같다고 하셨움
쏘서윗...
내 생각
🔥 1차 목표 : 은하의 병합 전, 중, 직후, 이후를 멀티모달로 분류
- IllustrisTNG Data의 이미지 데이터 + 물리량 데이터로 사전 학습
- 이때 IllustrisTNG 이미지 데이터의 resolution을 조절해서 실제 관측 데이터와 유사하도록 -> 천문학과 언니들의 도움을...
- 물리량 데이터 : 질량, 별탄생률, 속도 분산에 집중하기
- 실제 관측 데이터로 파인 튜닝
- 실제 라벨링된 데이터를 찾을 수 있는 방법이 있다고 하셨는데 어떻게 하는거지?
- 어쨌든 라벨링된 데이터 찾아서 파인튜닝하기
- 실제 관측 데이터로 테스트하면서 성능 향상 방안 탐구
- 모델링 여러가지로 해보고 실제 데이터에 대입했을 때 성능이 향상되는 방향성, 방법론 찾아내기
- 아키텍처(벡터화 방안/수치데이터 정렬 방안/퓨전-early, intermediate, late), 분류 모델, 사용 물리량 데이터
- 병합 이후 / 병합 전 구분하는 것이 제일 관건
- 병합 중, 직후는 멀티모달AI 사용하면 쉽게 분간할 수 있을 거 같은데
- 병합한지 오래돼서 병합 전과 형태가 유사한 병합 이후 은하를 어떻게 분류해낼지 고민...
- 저거 하려면 어차피 특정 은하의 과거 데이터를 불러와야 하는 것 아닌지
- 병합 전 은하는 과거와 물리량 차이가 없을 것이고, 병합 이후 은하는 과거와 물리량 차이가 크지 않을까?
🔥 2차 목표 : 은하의 병합 시점 예측
이거 진짜 어케 함...
일단 두가지가 있을 거 같은데
1. 병합 이후라고 판별된 은하가 어떤 은하와 언제쯤 병합했었는지(과거)
2. 병합 전 으로 판별된 은하가 주변 은하와 언제쯤 병합할지(미래)
- 특정 은하의 특정 범위 내에 어떤 은하가 있는지 확인
- 주변 은하 중 병합 전으로 판별된 은하 제외
- 병합 이후라고 판별된 은하 중에 어떤 애랑 병합했었을지 천문학적 지식으로 유추....?
아몰랑 담에 물어봐야지....