Gemini에게 몇 가지 예시만으로 폭발하는 별을 찾아내는 방법을 가르치기

현대 천문학은 매일 밤 전 세계 망원경이 폭발하는 별과 같은 순간적인 우주 사건을 찾는 보물 찾기와 같습니다. 많은 잠재적 발견이 있지만, 많은 경고가 위성 흔적이나 기타 기기 인위적 신호로 잘못된 것일 수 있습니다.

지금까지 천문학자들은 CNN(합성곱 신경망)과 같은 머신러닝 모델을 사용하여 데이터를 분류했지만, 이 모델은 '실제' 또는 '잘못된' 신호로 간단한 라벨을 제공하는 '블랙박스' 형태로 설명이 부족합니다.

"Textual interpretation of transient image classifications from large language models"라는 제목의 연구 논문에서, Google의 Gemini 모델을 사용해 폭발하는 별을 몇 가지 예만으로 식별할 수 있도록 했습니다. 이 모델은 설명 가능한 결과를 제공하며, 이는 더 나은 분석 및 신뢰성을 제공합니다.

Gemini 모델은 각 천문학 조사(Pan-STARRS, MeerLICHT, ATLAS)를 위해 15개의 주석 예시를 사용해 훈련했고, 주어진 최소한의 입력으로 높은 정확도를 보여주었습니다.

이 모델은 평균적으로 93%의 정확도로 새로운 경고를 분류했으며, 이는 대규모 커리된 데이터셋이 필요한 기존의 전통적인 분류기와 비교하여 동등한 성능을 보여줍니다.

추가로, Gemini는 텍스트 설명을 생성하여 자신의 분류 논리를 설명하고, 관심 점수를 제공하여 천문학자들이 후속 관찰을 우선시할 수 있도록 합니다.

12명의 전문 천문학자 패널이 모델의 설명을 검토하여 높은 일관성과 전문가의 추론과의 정렬을 확인했습니다.

모델은 자신이 잘못될 가능성이 높은 경우 "코히어런스 점수"를 사용하여 불확실성을 평가할 수 있으며, 이는 신뢰할 수 있는 인공지능-인간 협력 작업 흐름을 강화합니다.

이번 연구는 소수의 예시와 일반 언어 지침만으로 새로운 과학적 발견을 가속화할 수 있는 가능성을 보여줍니다. 다양한 과학 분야에서 사용될 수 있으며, 연구자들이 중요한 질문에 집중할 수 있도록 하는 방법을 제공합니다.