인공지능 기술의 발달이 우주 탐사의 패러다임을 획기적으로 변화시키고 있다. 최근 미국의 한 대학 연구진이 기계학습 알고리즘을 도입하여 단일 탐색만으로 만 개가 훌쩍 넘는 외계행성 후보군을 새롭게 찾아내는 데 성공했다. 이는 1990년대 중반 인류가 태양계 밖의 행성을 처음으로 관측한 이래 누적된 전체 발견 건수를 단숨에 뛰어넘을 수 있는 엄청난 규모다. 천문학계는 이번 연구 결과가 모두 실제 행성으로 확정될 경우 인류가 인지하는 우주의 지평이 비약적으로 넓어질 것으로 기대하고 있다.

 

미국 프린스턴 대학교 소속 천문학 연구팀은 우주망원경이 수집한 방대한 양의 항성 데이터를 인공지능 모델에 학습시켜 분석하는 프로젝트를 진행했다. 연구팀은 무려 8천만 개가 넘는 별들의 빛 변화 기록을 정밀하게 추적했으며, 그 결과 총 1만 1554개의 새로운 외계행성 후보를 도출해냈다. 특히 이 가운데 1만 52개는 기존의 어떤 천문학 연구에서도 보고된 바 없는 완전히 새로운 천체들이다. 미국 항공우주국이 작년 하반기까지 공식적으로 집계한 외계행성의 수가 약 6천 개 남짓이었음을 감안하면 전체 외계행성 목록이 세 배 가까이 폭증할 가능성이 열린 셈이다.

 

이번 대규모 발견의 핵심적인 데이터 출처는 2018년 지구 궤도에 쏘아 올려진 테스 우주망원경이다. 테스는 우주 공간을 돌며 특정 별의 밝기가 아주 미세하게 어두워졌다가 다시 밝아지는 현상을 포착하는 임무를 수행한다. 이는 행성이 별의 앞면을 가로질러 지나갈 때 발생하는 일식과 유사한 원리로, 천문학에서는 이를 항성면 통과 기법이라고 부른다. 연구진은 인공지능을 활용해 테스가 보내온 수천만 개의 광도 곡선 데이터 속에서 인간의 눈으로는 식별하기 어려운 미세한 밝기 변화 패턴을 초고속으로 솎아냈다.

 

분석을 통해 걸러진 만 여 개의 후보 천체들은 상당히 구체적인 물리적 특성까지 드러냈다. 전체 후보군의 약 87퍼센트에 해당하는 천체들에서는 항성면 통과 현상이 최소 두 번 이상 반복적으로 관측되었다. 이를 바탕으로 연구팀은 해당 천체들이 중심별을 한 바퀴 도는 데 걸리는 공전 주기를 계산해 냈으며, 그 기간은 짧게는 반나절에서 길게는 27일에 이르는 것으로 파악되었다. 이는 새롭게 발견된 후보군들이 며칠 만에 별을 공전할 정도로 중심별에 바짝 붙어있는 극단적인 환경의 행성들임을 시사한다.

 

연구팀은 자신들이 개발한 인공지능 알고리즘의 정확성을 입증하기 위해 지상 망원경을 동원한 교차 검증 작업도 수행했다. 이들은 칠레 아타카마 사막에 설치된 마젤란 망원경을 이용해 지구로부터 약 3950광년 떨어진 특정 별을 집중적으로 관측했다. 그 결과, 인공지능이 지목했던 후보 천체 중 하나가 실제로 목성과 비슷하지만 온도가 매우 높은 이른바 뜨거운 목성 형태의 외계행성임을 공식적으로 확인했다. 이는 알고리즘이 도출한 나머지 만 여 개의 후보들 역시 실제 행성일 확률이 매우 높다는 것을 뒷받침하는 강력한 증거다.

 

이번 연구는 관측의 사각지대를 크게 줄였다는 점에서도 의미가 크다. 기존 외계행성 탐색은 신호 포착이 쉬운 밝은 별 위주로 진행되었으나, 연구팀은 기존 기준보다 훨씬 어두운 16등급의 항성들까지 분석 대상에 포함시켰다. 이처럼 관측 대상을 어두운 별로 확장함에 따라 우주에 숨겨진 더 많은 행성의 존재를 파악할 수 있게 되었다. 해당 논문은 아직 동료 학자들의 검증을 거치지 않은 사전 공개 단계다. 제안된 모든 후보 천체들이 실제 행성으로 최종 확정되기까지는 향후 수개월에서 수년에 걸친 지상 및 우주 망원경의 추가 관측이 요구된다.