천문학자들 366개 새로운 외계행성 발견
| | | | |

천문학자들 366개 새로운 외계행성 발견

천문학자들은 UCLA 연구원이 개발한 알고리즘으로 366개의 새로운 외계행성을 확인했다. 가장 주목할만한 발견 중 하나는 별과 적어도 두 개의 가스 거대 행성으로 구성된 행성계이며, 각각은 대략 토성 크기이고 서로 비정상적으로 가깝다.

UCLA 연구팀의 이 발견은 Astronomical Journal에 23일 발표됐다.

“외계행성(exoplanets)”이라는 용어는 우리 태양계 외부의 행성을 설명하는 데 사용된다. 천문학자들에 의해 확인된 외계행성의 수는 모두 5,000개 미만이므로 수백 개의 새로운 외계행성을 식별하는 것은 상당한 발전이다. 그러한 대규모의 새로운 천체 그룹을 연구하면 과학자들이 행성이 어떻게 형성되고 궤도가 진화하는지 더 잘 이해하는 데 도움이 될 수 있으며, 우리 태양계가 얼마나 특이한지에 대한 새로운 통찰력을 제공할 수 있다.

UCLA 천문학 교수이자 이 연구의 공동 저자인 에릭 페티구라(Erik Petigura)는 “수백 개의 새로운 외계행성을 발견하는 것은 그 자체로 중요한 성취이지만 이 연구를 차별화하는 것은 전체 외계행성 인구의 특징을 어떻게 밝힐 것인지에 있다”고 말했다.

이 논문의 주 저자는 6월에 UCLA에서 박사 학위를 취득한 Jon Zink이며 현재 UCLA 박사후 연구원이다. 그와 Petigura, 그리고 Scaling K2 프로젝트라고 불리는 국제 천문학 팀은 NASA 케플러 우주 망원경의 K2 임무에서 얻은 데이터를 사용하여 외계 행성을 식별했다.

이 발견은 Zink가 개발한 새로운 행성 탐지 알고리즘에 의해 가능했다. 새로운 행성을 식별하는 데 있어 한 가지 문제는 항성 밝기의 감소가 기기나 행성의 특징을 모방한 대체 천체 물리학 소스에서 비롯될 수 있다는 것이다. 추가 조사가 필요한 항목을 찾아내는 것은 전통적으로 매우 시간이 많이 걸리며 육안 검사를 통해서만 수행할 수 있다. Zink의 알고리즘은 어떤 신호가 행성을 나타내고 어떤 신호가 단순한 노이즈인지를 구분할 수 있다.

Petigura는 “Jon과 Scaling K2 팀이 고안한 카탈로그 및 행성 탐지 알고리즘은 행성의 인구를 이해하는 데 있어 중요한 돌파구”라며 “나는 그들이 행성이 형성되고 진화하는 물리적 과정에 대한 우리의 이해를 날카롭게 할 것이라는 데 의심의 여지가 없다”고 말했다.

케플러의 원래 임무는 2013년에 기계적인 고장으로 우주선이 수년 동안 관찰해 온 하늘 부분을 정확하게 가리킬 수 없게 되면서 예상치 못한 끝이 났다.

그러나 천문학자들은 K2로 알려진 새로운 임무를 위해 망원경의 용도를 변경했는데, 그 목적은 먼 별 근처의 외계행성을 식별하는 것이다. K2의 데이터는 과학자들이 은하계에서 별의 위치가 주변에 어떤 종류의 행성을 형성할 수 있는지에 어떻게 영향을 미치는지 이해하는 데 도움이 된다. 불행히도 원래 케플러 임무에서 가능한 행성을 식별하는 데 사용된 소프트웨어는 행성의 크기와 별에 대한 상대적 위치를 결정하는 기능을 포함하여 K2 임무의 복잡성을 처리할 수 없었다.

Zink와 협력자들의 이전 작업은 처리된 데이터에서 가능한 행성을 식별하는 소프트웨어와 함께 K2를 위한 최초의 완전 자동화된 파이프라인을 도입했다.

새로운 연구를 위해 연구원들은 새로운 소프트웨어를 사용하여 K2의 전체 데이터 세트(8억 개 이상의 별 이미지를 포함하는 약 500테라바이트 데이터)를 분석하여 곧 NASA의 마스터 외행성 아카이브에 통합될 “카탈로그”를 생성했다. 연구원들은 UCLA의 Hoffman2 클러스터를 사용하여 데이터를 처리했다.

연구원들이 식별한 366개의 새로운 행성 외에도 카탈로그에는 이전에 식별된 381개의 다른 행성이 나열되어 있다.

두 개의 가스 거성 행성이 있는 행성계의 발견은 우리 태양계의 토성과 같은 가스 거성을 호스트 별에 이 경우처럼 가까운 곳에서 찾는 것이 드물기 때문에 중요했다. 연구원들은 아직 그것이 왜 그곳에서 발생했는지 설명할 수 없지만, Zink는 과학자들이 행성과 행성계가 어떻게 발전하는지에 대한 매개변수를 보다 정확하게 이해하는 데 도움이 될 수 있기 때문에 이번 발견이 특히 유용하다고 말했다.

사이언스모니터 뉴스레터
AI·양자·R&D 핵심 해설을 주 2회(화·금) 이메일로 받아 보세요.

Similar Posts