LSST 프로젝트 개요

LSST는 칠레 Cerro Pachón에 8.4m 구경의 광시야 광학 망원경을 설치하여 10년 이상의 기간동안 탐사 관측을 수행하는 프로젝트이다. 약 64cm 직경의 약 3.2 gigapixel CCD 카메라를 이용하여 u, g, r, i, z, y 의 6개의 필터를 통한 측광 관측을 수행한다. 전체 시야각은 3.5도이고, 320 nm에서 1050nm에 걸쳐서 고품질의 이미지를 획득할 예정이다.

LSST는 1990년대 Dark Matter Telescope라는 이름으로 제안되어 논의가 시작되었다가, 미국 천문학계의 2000 Decadal Survey의 OIR 논의에서 현재의 이름인 LSST로 명칭이 변경되었다. LSST와 같은 프로젝트의 필요성은, 1999년의 NOAO의 전략적 계획에서 제안한 두 대의 광시야 망원경을 구축하여, 다양한 천문학 문제들에 답할 수 있는 측광 및 분광 관측을 수행하고자 했던 계획의 연장선이다.

미국 천문학계는 2000 Decadal Survey에서 LSST를 GSMT와 EVLA에 이은 세 번째로 중요한 새 지상기기로 선정을 하였다. 이후 2003년 LSST Corportation의 성립과 함께 본격적인 프로젝트의 기획을 시작하고, 2006년에 칠레 Cerro Pachon을 건설지로 선정하게 된다. 이후 미국 천문학계의 2010 Decadal Survey에서 LSST는 가장 중요한 지상 대형 기기로 선정되고, 이에 근거하여 미국 NSF와 DOE 및 민간 후원금 의 지원을 받아 2014년 본격적으로 건설과 프로젝트를 시작하게 된다. 총 건설 비용은 약 6억7천만 달러에 이른다.

LSST와 같은 광시야의 빠른 광학 관측기기에 대한 아이디어는, Dark Matter Telescope의 계획이 제시되던 1990년 후반, 첫 과학 관측을 시작하던 SDSS 프로젝트와 같은 탐사 관측 프로젝트의 연장선으로 꾸준히 제시되었다. 최근에 이러한 광시야 탐사 프로젝트는 LSST의 가동이 시작되기 전에 이루어지는 것으로, 다양한 구경의 지상 망원경들을 이용하고 있다. 대표적으로, 미국의 Pan-STARRS, 일본의 Subaru Hypersuprime-Cam Survey, ESO의 VISTA Survey와 VST Survey, 그리고 미국의 Dark Energy Camera Survey가 있다.

이들 최근의 광시야 탐사 관측은, 그 관측 자료 자체로 우주론이나 은하 진화 관련 천문학의 중요한 질문들에 의미가 있는 답을 제시하고 있으나, 더불어서 이들은 8m 이상의 대형 망원경들이 추가 관측을 할 필요가 있는 천체들을 발견하는 역할을 수행하고 있다. 광시야 탐사 관측은, 일반적으로 그 관측 자료 자체를 특정 시간이 지난 후에는 세계 천문학계에 공개 자료의 형태로 제공하는 추세이며, 이러한 경향은 지난 1998년 시작된 SDSS와 같은 프로젝트의 성공과 공적 자금의 투입이라는 점에서 보편화되고 있다.

LSST는 태양계 천문학부터 우주론까지 천문학의 전 분야와 연관된 연구주제에 활용될 수 있는 대용량 관측 자료를 생산할 예정이다. 핵심 연구 주제로 LSST 미국 주체가 제시한 것은

• Taking an Inventory of the Solar System,
• Mapping the Milky Way,
• Exploring the Transient Optical Sky,
• Dark Energy and Dark Matter

이다. 이들 네 개의 주제를 중심으로 망원경과 관측기기의 특성이 결정 되었으며, 이들 가장 최우선인 목표들에 최적화된 방향으로 관측 전략이 결정될 예정이다.

네 개의 핵심 연구 주제를 통해서 답하고자 하는 질문들은 구체적으로,

• 태양계의 작은 천체들, 해왕성 밖의 천체들, 그리고 지구 근접 천체들을 파악하여 태양계 생성 과정을 밝히고, 나아가서 지구에 위협이 되는 물체를 조기 발견하는 것을 목적으로 한다.
• 우리 은하의 약 10 10 정도의 별들에 대해서 측광 및 측위 자료를 이용하여, 우리 은하의 구조와 병합 역사를 밝히고, 태양으로부터 300 pc 안의 별들에 대해서는 그 기본 성질들을 보다 정확하게 추정하고자 한다.
• 최소 15초라는 짧은 시간의 변광 현상부터 수년에 걸친 변광 현상까지 다양한 시간 간격에 대해서, 어두운 천체들의 변광 현상을 밝혀서 항성 천체물리학부터 우주론까지 다양한 현상에 대해서 기존에 연구되지 않은 영역을 탐사하고자 한다.
• 암흑 에너지와 암흑 물질에 대한 이해는 약 10 10 개의 방대한 양의 외부 은하 관측을 통해서 이루어지며, 이를 통해서 우주 거대 구조 나 약한 중력 렌즈 현상 등을 통해서 다양한 암흑 에너지와 암흑 물질에 대한 모델들을 엄밀하게 검증하고자 한다.

현재 계획으로는 2020년경 (구체적인 계획은 2019년 10월)에 commissioning camera를 이용한 관측이 시작되고, 2022년경 (구체적인 계획은 2021년 10월)에 과학 관측용 camera를 이용한 본 탐사 관측을 시작하는 일정으로 진행 되고 있으며, 이를 위한 준비들은 각 나라에서 다양한 관심을 가지고 진행되고 있다. 최소한 2022년부터 2032년까지 10년 간의 탐사 관측 수행이 예상이 되며, 이는 더 연장될 가능성이 크다. LSST에서 예상되는 관측 자료의 규모는 그림 1.3와 같이 LSST의 공식 발표 자료에서 파악할 수 있다. 이 규모는 천문학 단일 프로젝트에서 전례가 없다.

LSST 국제 탐사 관측 프로젝트 참여의 필요성

LSST가 가지는 중요성은 국내외 학계에서 이미 받아들여지고 있으며, 이는 프로젝트의 주된 수행국인 미국과 칠레만이 아니라 프랑스, 영국, 스페인, 호주, 중국, 인도, 한국 등의 프로젝트 참여로 이어졌다.

LSST가 추구하는 광시야 탐사 관측과 관련하여, 국내 천문학계가 현재까지 수행해 온 연구는 0.5m에서 2m 급의 소형 망원경들을 이용하여 특정 과학 목표를 추구하는 경우들이 있었다. 현재 국내 연구자들이 진행 중인 광시야 탐사 관측은 KMTNet을 활용한 연구들이 있다. KMTNet을 이용한 여러 과학 목표들은 LSST가 추구하는 과학 목표와 여러 면에서 유사하다. 국내 자체 관측 시설을 이용한 연구가 아닌 것으로는, SDSS나 DECam survey 공개 자료를 이용한 연구가 있다. 그러나 대용량 탐사 관측 자료를 새로운 통계적 방법이나 기계 학습법을 활용하여 분석하는 부분에 있어서는, 아직은 국외 연구에 비해 뒤쳐진 상황이다.

국내에서도 post-SDSS 혹은 post-KMTNet 역할을 할 것으로 기대되는 LSST에 대한 관심을 가지는 연구자들의 모임이 구성되어 있으며, 우리가 미래에 이용할 GMT(Giant Magellan Telescope)로 관측을 수행할 대상을 발견하는 중요한 탐사 관측 프로젝트로 그 필요성을 인정하고 있다. 즉, 국내에서 KMTNet 관측 자료를 기반으로 한 연구와 SDSS나 DECam survey와 같은 자료를 이용한 연구를 수행하는 현재 연구자들이 자연스럽게 LSST 자료를 활용한 연구로 이어질 것으로 예상된다. (참고: GMT는 2023년에 우선 준비되는 거울들을 이용하여 첫 시험 관측을 시작하고자 한다.)

LSST의 경우 여러 필터를 이용한 측광 관측만을 수행하기 때문에, 이들 자료들로는 부족한 정보를 얻기 위하여 검출된 천체들에 대한 광시야 분광 관측에 대한 대응 방안이 우리나라의 LSST 참여와 관련하여 꾸준히 논의될 필요성이 이미 제기된 상태이다. 또한, LSST가 검출할 방대한 양의 흥미로운 천체들에 대해서, GMT와 같은 30m급 거대 망원경이나 ALMA와 같은 제한적인 후속 관측 자원을 이용하는 방법에 있어서, 효율적이고 전략적인 접근에 대한 논의가 계속 될 것으로 예상된다. 더불어서, 남반구에서만 관측 가능한 하늘 전체를 대상으로 하는 LSST 자료를 충분히 활용하기 위해서, 우리나라의 LSST 연구 참여자들은 다양한 지상 망원경이나 Euclid나 WFIRST와 같은 우주 망원경의 관측 전략이나 자료의 통합 분석을 고려할 것으로 예상된다. 그리고 LSST가 관측을 하지 못하는 17등급보다 밝은 천체들의 시계열 다파장 광시야 관측은 여전히 계속 그 필요성이 대두될 것으로 예상이 되며, 이러한 필요성은 외계행성 탐사 관측 대상들이 되는 밝은 천체들의 관측 필요성에 의해서 더 강조될 것으로 생각된다.

빅데이타 연구

LSST의 자료 규모를 고려했을 때 (아래 표 참고), 빅데이타 연구 방법론의 활용은 필수로 요구된다. 예를 들어, 하루 밤동안에 생산되는 level 1 alert의 경우 약 천만개 수준으로 예상이 된다. 이 중에서 의미있는 변광/변위 천체에 대한 정보를 분류해 내는 것은, 기계학습과 같은 빅데이타 연구 방법론의 활용을 필요로 한다.

LSST에서 측정할 천체들의 규모

• 매일 밤 약 천만개의 level 1 alert 생산.
• 관측 이후 1분 이내에 level 1 alert 전파.
• 약 6백만개의 태양계 소천체 괘도 정보 추산.
• 약 200억개의 은하들의 정보 획득.
• 약 170억개의 우리 은하들의 별들 측정.
• 약 7조개의 천체 검출 수행.
• 약 30조개의 측정 수행.

과학 연구의 대다수는, 대용량의 자료에 대해서 기계학습이나 통계 방법을 적용하거나, 대용량 자료를 빠르게 접근하여 분석할 필요성을 가지고 있다. 초신성이나 변광 천체의 경우 자동화된 분류 및 검출이 필수이고, 이는 연구자가 직접 수행 할 필요성이 있다. 또한, photometric redshift와 같은 정보도, LSST 기본 자료에 추가로 연구자가 직접 계산할 필요성이 있다. LSST의 영상 자료를 직접 접근할 필요가 있는 경우, 대용량의 자료를 전송해서 저장하고 직접 다수의 영상 자료에 효율적으로 접근하여 원하는 분석 방법론을 적용시킬 필요가 있다.

KASI나 우리나라 천문학계가 직접 대용량 자료를 관리, 분석할 수 있는 범위에는 한계가 존재하므로, 장기적으로 타 연구기관이나 분야의 연구자와 협력이 강조될 필요가 있다. LSST 본 프로젝트에 미국의 Google이 참여 하고 있듯이, 국내 대용량 자료의 분석을 통한 빅데이터 분석 방법론에 관심이 있는 기관이나 기업이 연구 활동에 같이 협력할 수 있을 것으로 기대된다. 특히 KISTI의 경우 대용량 자료 저장/분석 환경 지원에 있어서 다년간의 경험을 가지고 있는 정부 출연 연구소로서, KASI와의 협력 연구 주제로 연구 활동 지원을 고려해 볼 수 있겠다.

시민 과학(Citizen Science) 프로그램

LSST 자료의 경우 그 연구 범위의 다양성이나 자료의 규모를 고려했을 때, 시민들이 실제 연구 자료의 분석에 참여하는 시민 과학 (Citizen Science) 확대의 유용한 소재가 될 수 있다. 시민 과학 프로그램을 통해서 시도해 볼 수 있는 연구의 형태는, 크게 1) 기계 학습을 위한 학습 자료를 시민들이 구축하는 과정에 참여하거나, 2) 기계학습이 제대로 처리하지 못하는 군집(clustering) 이나 분류(classification) 연구에 시민들이 직접 참여하는 경우, 또 3) 자료의 해석을 위해 다양한 모델과 그에 관련된 변수들을 조정해 가면서 시도해 보는 것을 시민들이 직접 수행하는 것들로 나누어 볼 수 있다.

구체적으로 예상되는 LSST 활용 사례의 예들은 아래와 같다.

• LSST alert에 대해서 시민 과학자들이 그 신빙성을 이미지나 관련 부가 자료를 통해서 확인.
• 다양한 은하들 중에서 그 색상이 일반적이지 않은 은하들 중에서, 잘못된 자료처리나 관측의 문제가 아니라 실제 색상이 특별한 은하들을 발견.
• 대량의 통계 분석에서 적절한 모델이 확인되지 않은 별이나 은하들의 색상이나 모양에 대해서, 가장 가능한 모델의 변수들을 시민들이 여러 방향에서 시도해 보기.
• 대용량 자료 분석에서 명확하게 확인이 되지 않는 은하단의 중심이나 가장 밝은 은하단 은하의 위치를 시민들이 집단 지성의 과정으로 추정하기.
• 성공적으로 그 이동 경로가 추출되지 않은 이동 천체에 대해서 시민들이 다양한 가능한 이동 경로를 시도해 보고, 가장 적절한 이동 경로를 찾아 보기.
• 기계 학습 자료로 쓰이기에 적절하지 않은 천체들을 level 2 catalog에서 찾아서 표기하기.
• LSST에 특화된 은하들과 별들을 구별해 내는 기계학습 방법의 학습을 위해서, 가상의 은하나 별들을 자유롭게 만들어서 제공하기.
• 분석에 소요되는 시간의 제한 때문에 광범위한 범위에서 분석이 어려운 주기 변광 천체의 주기 탐색 범위에 대해서, 시민 과학자가 변광 천체의 색상과 같은 다른 정보에 근거해서 이미 탐색되지 않은 변광 주기 범위를 선정해서 분석을 수행.