스냅숏 116장으로 블랙홀 제트의 27년을 영상으로 잇다

Nature ’Video reconstruction of variable VLBI observations with neural fields’를 ML 연구자의 눈으로 읽기

Video reconstruction of variable VLBI observations with neural fieldsNature 657(8133), 900-905

띄엄띄엄 찍은 전파 간섭계 관측 116번을 좌표 신경망 하나로 묶어 블레이자 3C 345의 제트를 연속 영상으로 복원하고, 밝은 덩어리가 충격파가 아닐 수 있다는 결론까지 끌어낸 Nature 논문을 읽는다.

한 줄 요약과 선정 근거

전파 망원경 여러 대를 엮은 간섭계로 27년 동안 띄엄띄엄 찍은 관측 116번을, 좌표를 넣으면 밝기를 내놓는 신경망 하나에 한꺼번에 맞췄다. 그러자 블레이자(blazar) 3C 345의 제트가 끊김 없는 영상으로 되살아났고, 그 영상에서 플라스마의 속도장을 재 보니 제트 속 밝은 덩어리는 오래 믿어 온 것과 달리 강한 충격파가 아닐 가능성이 커졌다.

Nature는 같은 날 해설 기사(News & Views) “Plasma-jet movie is astronomy’s summer blockbuster”(Yosuke Mizuno)를 함께 실었다. 이 논문을 고른 까닭은 두 가지다. 먼저 남이 가져다 쓸 수 있는 측정 도구다. 전파 천문학에서 쌓아 온 수십 년치 감시 관측을 다시 읽을 길이 열린다. 다음으로, 그 도구가 곧바로 기존 물리 해석 하나를 흔든다. ML 연구자에게는 신경장(neural field)이 실험실 밖의 역문제에서 어떤 대접을 받는지, 그리고 복원된 영상 위에서 물리량을 재는 일이 어디까지 믿을 만한지를 따져 볼 좋은 사례다.

배경지식 세 가지

1. 초장기선 간섭계(very long baseline interferometry, VLBI): 대륙 곳곳에 흩어진 전파 망원경이 같은 천체를 동시에 받고, 나중에 신호를 맞춰 곱한다. 두 망원경의 신호를 곱해 평균한 값(visibility)은 하늘 영상을 푸리에 변환한 값 하나와 같고, 그 주파수 좌표 (u, v)는 두 망원경 사이 거리(기선)를 파장으로 나눈 값이다(Methods 식 1). 지구가 돌면 기선 방향이 바뀌어 푸리에 평면에 호가 그려지지만, 망원경 수가 적어 평면 대부분은 비어 있다. 영상 복원은 드문드문 잰 푸리에 계수에서 원래 그림을 되찾는 역문제다.
2. 블레이자와 초광속 성분: 은하 중심의 초대질량 블랙홀은 광속에 가까운 플라스마 줄기, 곧 제트를 뿜는다. 블레이자는 제트가 거의 우리 쪽을 향한 천체다. 3C 345는 적색편이 0.593, 시선과 제트 사이 각도가 3~6.8도다(본문). 이렇게 시선에 가까운 방향으로 광속에 가깝게 움직이면, 하늘에 투영된 겉보기 속도가 광속의 몇 배로 보인다. 제트를 따라 흘러가는 밝은 덩어리를 성분(component)이라 부르고, 오랫동안 제트 속을 달리는 충격파로 해석해 왔다.
3. 신경장과 스펙트럼 편향: 신경장은 좌표를 넣으면 그 자리의 값을 내놓는 다층 퍼셉트론(MLP)으로 신호 전체를 나타낸다. 픽셀 격자 대신 연속 함수를 배우니 아무 좌표에서나 값을 뽑을 수 있다. 경사 하강으로 학습한 MLP는 낮은 주파수부터 먼저 맞추는 스펙트럼 편향(spectral bias)을 보인다(Rahaman 외, ICML 2019). 이 논문은 이 성질을 영상을 매끄럽게 만드는 암묵적 정규화로 쓴다.

무엇을 발견했나

끊김 없는 27년짜리 영상. 연구진은 1995년부터 2022년까지 미국 초장기선 전파망원경 배열(VLBA)이 15GHz로 3C 345를 찍은 관측 116번(MOJAVE 감시 프로그램)을 kine이라는 알고리즘으로 한꺼번에 복원했다. 결과는 아무 시각에서나 뽑아 볼 수 있는 연속 영상이다. 밝은 핵에서 안쪽 제트가 서쪽으로 뻗고, 바깥에서 북쪽으로 휘어지는 흐릿한 깃털 구조가 이어지며, 전체 길이는 약 13mas(밀리각초)다(본문, 그림 1).

논문 그림 1. 위 두 줄은 1995~2022년의 관측 116번을 한 편의 영상으로 복원한 3C 345의 제트에서 고른 장면이다. 눈금 막대의 검은 선은 관측 날짜, 빨간 선은 보여 준 장면의 날짜다. 아래 (a)~(c)는 흰 상자 부분을 확대한 것으로, 왼쪽은 선형 편광 방향(파란 눈금), 오른쪽은 광류로 구한 속도장(화살표)이다. 출처: Foschi 외, Nature (2026), CC BY 4.0.

해상도와 동적 범위. 여러 관측을 함께 쓰니 한 장씩 복원할 때보다 선명해졌다. 합성 자료로 잰 유효 해상도는 약 113μas(마이크로각초)로, 망원경 배열이 정하는 공칭 해상도 475μas보다 약 4배 좋다(Methods, 보충 자료 표 2). 가장 밝은 곳과 믿을 만하게 보이는 가장 어두운 곳의 비인 동적 범위(dynamic range)는 약 5×10⁵로, 전통적인 CLEAN 복원의 약 140배다(본문). 이 가운데 약 14배는 해상도가 좋아진 덕이고, 약 10배는 관측을 한꺼번에 복원한 덕이다. 뒤의 10배는 잡음이 서로 독립인 관측 116개를 평균할 때 기대하는 한계 √116 ≈ 11과 맞아떨어진다(Methods, 보충 자료 1.4).

덩어리의 속도와 흐름의 속도. 영상이 연속이고 선명하니 컴퓨터 비전의 광류(optical flow) 알고리즘을 그대로 얹을 수 있다. 광류는 이웃한 두 프레임 사이에서 밝기 무늬가 픽셀마다 어디로 옮겨 갔는지 추정한다. 이렇게 얻은 속도장으로 연구진은 밝은 성분의 속도뿐 아니라 성분이 지나가지 않는 곳의 흐름 속도까지 쟀다. 평균 흐름이 가장 빠른 곳은 핵에서 1~3mas 떨어진 남쪽으로 광속의 12 ± 0.2배였고, 안쪽 5mas에서는 9~11배, 더 바깥의 흐릿한 부분에서는 5~8배였다(본문, 그림 2). 속도의 표준편차는 위치와 상관없이 광속의 3~6배여서, 흐름이 난류에 가깝다고 본다.

논문 그림 2. (a)는 27년 동안의 겉보기 속도를 시간 평균한 지도(i)와 표준편차(ii)로, 색은 광속의 몇 배인지를 나타낸다. (b)는 2002년 5월에 출발시킨 가상의 입자를 속도장을 따라 흘려 보낸 궤적이다. (c)는 밝은 성분 C6, C20의 경로를 기존 가우스 성분 맞춤(파랑, 원은 성분 크기)과 kine 영상의 광류(주황)로 비교하고, (d)는 두 방법으로 잰 성분 속도를 시간에 따라 그린 것이다. 출처: Foschi 외, Nature (2026), CC BY 4.0.

충격파가 아니라면. 핵심 물리 결과는 여기서 나온다. 밝은 성분의 속도는 광속의 10~13배로, 같은 구간의 평균 흐름 속도 9~12배와 비슷했다(본문). 성분이 강한 충격파라면 충격파 면이 지나가는 속도(무늬 속도)와 그 뒤 물질의 흐름 속도가 뚜렷이 달라야 한다. 편광도 같은 방향을 가리킨다. 시간 평균한 편광 방향은 제트 한가운데에서는 제트를 따라, 가장자리에서는 제트에 수직으로 놓였고, 이는 제트를 감싸는 고리 모양(toroidal) 자기장과 맞는다(그림 3a). 이런 자기장에서 충격파가 플라스마를 누르면 자기장이 정렬돼 성분 자리의 편광 비율이 높아져야 하는데, 편광 비율의 봉우리는 밝은 성분과 공간적으로 겹치지 않았다(그림 3b~e). 연구진은 밝은 덩어리를 충격파가 아니라 자기압이 국소적으로 커져 방출이 세진 곳이 도플러 효과로 더 밝아 보이는 것이라고 해석한다.

(가) 충격파라면 보여야 할 것

(나) 3C 345에서 잰 것

청록 화살표는 제트 플라스마의 흐름, 빨간 덩어리는 밝은 성분, 보라 눈금은 편광 방향이다. (가) 성분이 강한 충격파라면 충격파 면이 지나가는 속도(무늬 속도)와 그 뒤 물질의 흐름 속도가 크게 달라야 하고, 압축된 자기장이 정렬돼 성분 자리의 편광 비율이 높아져야 한다. (나) kine 영상에 광류를 적용하자 같은 구간에서 성분 속도는 광속의 10~13배, 흐름의 평균 속도는 9~12배로 비슷했고, 편광 비율의 봉우리는 성분 위치와 공간적으로 겹치지 않았다(본문 "Jet velocity field", "Polarization and magnetic field", 그림 3). 화살표 길이와 모양은 설명을 위한 개념도다.

어떻게 했나

모형. kine은 좌표 (x, y, t)를 넣으면 그 자리의 전체 밝기, 선형 편광 비율, 편광 각도, 원형 편광 비율을 내놓는 MLP 하나다(Methods 식 3). 전체 밝기용으로는 4층, 편광까지 다 푸는 단계에서는 6층을 쓰고, 층마다 256개 노드, GELU 활성화, 첫 층과 마지막 층을 잇는 잔차 연결을 둔다(Methods “Architecture”). 출력층에는 SoftPlus와 시그모이드를 걸어 밝기는 음수가 되지 않고 비율은 0과 1 사이에 머물게 한다.

손실. 관측 시각마다 신경망이 그린 영상을 이산 푸리에 변환해 그 시각에 실제로 잰 (u, v) 점들과만 비교한다(Methods 식 5). 손실은 자료 종류별 χ²의 합이다(Methods 식 6). 영상의 모양을 정하는 정규화 항은 두지 않는다. 영상이 어떤 모양이어야 한다는 사전 가정은 신경망 구조와 스펙트럼 편향이 대신한다. 최적화는 Adamax로 약 2×10⁴번 반복했다.

(가) 간섭계가 재는 것

(나) kine의 한 바퀴

(가) 두 안테나가 같은 천체를 동시에 받아 신호를 곱해 평균하면, 하늘 영상을 2차원 푸리에 변환한 값 하나를 얻는다. 그 위치 (u, v)는 두 안테나를 잇는 기선을 파장으로 나눈 값이다. 지구가 돌면 기선의 방향이 바뀌어 한 쌍이 푸리에 평면에 호를 하나씩 그리지만, 안테나 수가 한정돼 있어 평면의 대부분은 비어 있다. (나) kine은 좌표 (x, y, t)를 넣으면 그 자리의 밝기와 편광을 내는 신경망 하나로 영상 전체를 나타낸다. 각 관측 시점의 영상을 푸리에 변환해 그 시점에 실제로 잰 점들과만 비교하고, 모든 시점의 χ²를 더한 손실로 신경망을 학습한다. 시점마다 비어 있는 곳이 달라서, 여러 관측이 서로의 빈 곳을 메운다. 호의 모양과 영상은 설명을 위해 단순화한 개념도다.

보정 문제. VLBI 자료에는 망원경마다 다른 증폭과 위상 오차가 곱해진다(Methods 식 2). 그래서 먼저 이 오차에 영향받지 않는 닫힘 위상(closure phase)과 닫힘 진폭만으로 전체 밝기 영상을 복원한다. 닫힘 위상은 세 망원경의 삼각형을 한 바퀴 돌며 더한 위상이라 망원경별 오차가 상쇄된다. 이렇게 얻은 영상으로 자료를 자기 보정(self-calibration)한 다음, 보정된 자료로 편광까지 다시 복원한다(Methods). 닫힘 위상에는 절대 위치 정보가 없어서, 복원 뒤 핵을 기준으로 프레임을 다시 맞춘다(보충 자료 1.3).

검증. 실제 관측과 같은 (u, v) 배치와 잡음을 입힌 합성 제트 영상 여러 개로 성능을 쟀다(Methods). 광속의 5.7배, 11.4배, 22.7배로 움직이는 성분을 광류로 다시 쟀더니 1~2 표준편차 안에서 맞았다(보충 자료 표 3). 관측이 없는 시각의 프레임은 가장 가까운 관측에서 6개월까지 믿을 만하게 보간됐다. 6개월 떨어진 시점에서 kine의 보간은 닫힘 자료에 대한 χ²가 3.8과 6.1이었지만, 앞뒤 프레임의 선형 보간은 83.4와 107.7이었다(보충 자료 1.8). 선형 보간은 움직이는 덩어리 하나를 흐릿한 덩어리 둘로 만든다. 계산은 A100 GPU 4장으로 약 1.3시간이 걸렸다(Methods).

1차원 장난감 문제로 이 아이디어를 작게 돌려 보면 다음과 같다.

(가) 관측한 시점 (오차 0.16 → 0.02)

(나) 관측 사이 (오차 0.12 → 0.02)

1차원 장난감 하늘에서 kine의 생각을 작게 돌려 본 결과다. x = -0.7의 밝은 핵은 그대로 있고, 밝기 0.5짜리 덩어리가 일정한 속도로 오른쪽으로 움직인다. 불규칙한 여덟 시점(t = 0, 0.12, 0.2, 0.33, 0.45, 0.8, 0.9, 1)마다 무작위 푸리에 계수 10개만 1% 잡음과 함께 관측했다. 신경망은 은닉층 3개(각 128개, GELU), 출력 Softplus이고, Adamax로 χ²를 줄였다. (가) t = 0.2에서 그 시점 자료만으로 맞춘 신경망 f(x)(주황 점선)와 여덟 시점을 함께 맞춘 f(x, t)(파랑)를 참값(굵은 회색)과 비교했다. (나) 관측이 비어 있는 t = 0.625에서, 같은 f(x, t)를 그 시각에 바로 찍은 값(파랑)과 앞뒤 관측 시점 두 프레임을 선형 보간한 값(빨강 점선)이다. 괄호 안 오차는 참값 최댓값으로 나눈 제곱평균제곱근 오차다. 시드 하나로 돌린 예시다.

분야에서의 의미

• 성분을 좇던 방식에서 흐름을 재는 방식으로. 지금까지 VLBI 운동학은 밝은 덩어리에 가우스 함수를 맞추고 그 중심이 어디로 가는지 좇았다. 이 방식으로는 덩어리의 속도만 잴 수 있고, 덩어리가 없는 곳의 흐름은 잴 수 없다. 성분 속도와 흐름 속도를 나란히 놓게 되면서 비로소 충격파 해석을 시험할 수 있게 됐다(본문 “Conclusions”).
• 쌓여 있는 자료를 다시 읽을 길. MOJAVE 같은 감시 프로그램은 수백 개 천체를 수십 년째 찍어 왔다. 연구진은 kine이 사람 손을 덜 타고 빠르게 돌아가니 감시 프로그램 전체에 적용해 수백 개 천체의 운동학을 한꺼번에 기술할 수 있다고 본다(초록). 다만 이번 결론이 흔드는 것은 3C 345 한 천체의 충격파 모형뿐이라고 저자들 스스로 선을 긋는다.
• 블랙홀 가까이로. kine은 원래 사건지평선 망원경(EHT)으로 궁수자리 A*를 찍으려고 만들었다. 하룻밤 관측 동안에도 모습이 바뀌는 천체라 동적 영상화가 아니면 풀 수 없다(본문 “Discussion”).
• 분출 방향의 불규칙한 흔들림. 성분이 나가는 방향은 투영 각도로 60도 범위를 주기 없이 오갔다(보충 자료 1.1). 주기적 세차 운동을 가정한 쌍성 블랙홀 모형과는 잘 맞지 않는다.

ML 연구자를 위한 인사이트

1. 신경장의 스펙트럼 편향이 정규화 항을 대신한다 (AI 활용 사례, 직접 적용)

전통적인 VLBI 복원은 CLEAN처럼 점광원의 합을 가정하거나, 최대 엔트로피나 매끄러움 같은 정규화 항을 손으로 골라 무게를 조율해야 했다. kine은 손실에 χ²만 두고, 매끄러움은 MLP가 낮은 주파수부터 배우는 성질에 맡긴다(Methods “Model”). 저자들은 그 덕에 정규화 하이퍼파라미터를 조율할 필요가 없고, 특정 모양을 가정하지 않아 어떤 천체에나 쓸 수 있다고 말한다(본문 “Discussion”). 좌표 신경망을 역문제의 사전 분포로 쓰는 흐름은 NeRF에서 크라이오 전자현미경(CryoDRGN), 블랙홀 주변 섬광의 3차원 단층 영상으로 이어져 왔다.

블로그의 해석으로는, 암묵적 정규화의 장점은 곧 약점이기도 하다. 사전 가정이 식으로 적혀 있지 않으니 영상의 어느 부분이 자료가 정한 것이고 어느 부분이 신경망의 버릇인지 가르기 어렵다. 이 논문은 합성 자료로 해상도와 동적 범위를 쟀지만, 실제 영상의 픽셀마다 불확실성을 붙이지는 않았다. 속도 오차도 프레임 정렬에서 남은 오차로 잡았다(보충 자료 1.2).

2. 관측을 따로 풀지 말고 한 함수로 묶어라 (방법론 교훈, 직접 적용)

해상도 향상의 대부분(공칭 대비 3.8배)은 한 장씩 복원해도 얻었고, 한꺼번에 복원하면 4.2배로 조금 더 나아지는 데 그쳤다(Methods). 그러나 동적 범위는 한꺼번에 복원하자 10배 늘었고, 자료가 나쁜 시점의 화질이 앞뒤 시점 덕에 고르게 올라갔다(보충 자료 1.4, 1.9). 시점마다 빈 곳이 다르니 한 시점의 약점을 다른 시점이 메운다. 위 장난감 실험에서도 같은 일이 일어났다. 계수 10개만으로 한 시점을 풀면 핵이 번지고 덩어리가 사라지지만, 여덟 시점을 함께 풀면 거의 참값에 닿는다. 저자들은 MRI 복원이 형식상 같은 문제라며 움직이는 장기의 영상화에 쓸 수 있다고 본다.

3. 복원된 영상 위에서 잰 값은 복원기의 가정을 물려받는다 (방법론 교훈, 직접 적용)

광류는 밝기 무늬의 움직임을 잰다. 보충 자료는 이를 솔직하게 적어 둔다. 무늬 없이 고르게 흐르는 층류라면 광류는 속도 0을 내놓고, 난류가 있어야 제대로 잰다(보충 자료 1.2). 그래서 핵 근처 0.5mas 안쪽은 믿지 않는다. 또 “방출의 변화가 곧 플라스마의 움직임”이라는 가정이 깔려 있다(본문 도입부). 여기에 신경장의 시간 방향 매끄러움까지 겹친다. 광류는 매끄러운 영상일수록 잘 돌아가고, 그 매끄러움은 kine이 만들어 준 것이다. 생성 모델이나 복원 모델의 출력 위에서 다시 물리량이나 지표를 재는 연구라면 늘 던져야 할 질문이다. 저자들은 합성 영상에서 알려진 속도를 되찾는 시험으로 이 연결 고리를 점검했지만, 그 합성 제트는 기하학적 모형이라 실제 난류 플라스마보다 단순하다(Methods).

4. 공개 자료와 코드로 된 시공간 역문제 시험장 (새 문제와 데이터, 직접 적용)

MOJAVE 관측 자료는 공개돼 있고, 이 논문의 코드와 복원 영상, 합성 자료, 분석 노트북도 GitHub에 올라와 있다(Data availability). 드문 푸리에 측정, 망원경별 보정 오차, 불규칙한 관측 간격, 편광이라는 제약이 한데 모인 현실적인 시공간 역문제다. 확산 모델 사전 분포, 불확실성 추정, 물리 제약을 넣은 운동 추정 같은 ML 방법을 시험하기 좋은 판이다.

한계와 남은 질문

• 천체 하나, 주파수 하나(15GHz)의 결과다. 충격파 해석에 대한 반론도 3C 345에 한정된다고 저자들이 명시했다(본문 “Conclusions”).
• 성분 속도와 흐름 속도가 비슷하게 나오는 것은 양성자가 충분히 상대론적이지 않은 경우에도 가능하다고 저자들이 스스로 적었다(본문 “Jet velocity field”). 충격파를 완전히 배제한 것은 아니다.
• 광류가 재는 것은 겉보기 밝기 무늬의 움직임이다. 층류 구간이나 핵 근처는 잴 수 없고, 투영된 2차원 속도라 시선 방향의 성분은 모른다.
• 복원 영상에 픽셀 단위 불확실성이 없다. 실제 자료의 해상도는 참값이 아니라 CLEAN 영상과의 비교로 잰 것이라 합성 자료의 추정을 더 믿는다고 저자들도 적었다(Methods).
• 관측 간격은 6일에서 1년 넘게까지 들쭉날쭉하다(보충 자료 1.8). 보간은 6개월 안쪽에서만 믿을 만하므로, 간격이 긴 구간에서 일어난 빠른 변화는 영상에 담기지 않았을 수 있다.

열린 질문

1. 암묵적 정규화로 얻은 영상에서, 자료가 정한 부분과 신경망의 성향이 채운 부분을 픽셀 단위로 어떻게 가려낼 수 있을까.
2. 성분 속도와 흐름 속도가 비슷하다는 결과는 다른 블레이자와 다른 주파수에서도 되풀이될까. 감시 프로그램 전체에 적용하면 충격파 모형은 어디까지 버틸까.
3. 겉보기 밝기의 움직임이 아니라 플라스마의 움직임을 재려면, 운동 추정에 어떤 물리 제약을 넣어야 할까.

이해 확인

1. 여러 관측을 한꺼번에 복원해서 얻은 동적 범위 이득(약 10배)은 무엇과 맞아떨어지나?

1. 해상도가 4배 좋아졌으니 그 제곱인 16배
2. 신경망 층 수를 4층에서 6층으로 늘린 효과
3. 잡음이 서로 독립인 관측 116개를 평균할 때 기대하는 한계 √116 ≈ 11
4. 관측 기간 27년을 연 단위로 더한 효과

동적 범위 향상 약 140배는 해상도 향상에서 약 14배, 한꺼번에 복원한 데서 약 10배가 나왔다. 시점마다 잡음과 (u, v) 배치가 달라 영상에 생긴 잡음 무늬는 프레임끼리 맞지 않고, 천체가 크게 변하지 않는다면 N개 관측을 함께 쓰는 것은 자료를 평균하는 것과 비슷해 최대 √N배 이득을 기대한다(Methods, 보충 자료 1.4). 1번의 16배는 해상도 쪽 이득의 상한이다.

2. 기존의 가우스 성분 맞춤으로는 밝은 덩어리가 충격파인지 시험하기 어려웠던 까닭은?

1. 가우스 성분 맞춤은 속도를 전혀 잴 수 없어서
2. 덩어리의 속도(무늬 속도)만 잴 수 있고, 덩어리가 없는 곳의 흐름 속도는 잴 수 없어서
3. 편광 자료를 쓸 수 없어서
4. 관측이 116번뿐이라 통계가 부족해서

충격파라면 무늬 속도와 흐름 속도가 뚜렷이 달라야 한다. 가우스 성분 맞춤은 밝은 덩어리의 중심만 좇으니 비교할 흐름 속도가 없다. kine 영상에 광류를 얹자 덩어리가 없는 곳의 속도도 재게 됐고, 성분 속도(광속의 10~13배)와 흐름 속도(9~12배)가 비슷하다는 결과가 나왔다(본문 “Jet velocity field”, “Conclusions”).

3. 광류로 잰 속도가 핵 가까이에서 매우 낮게 나온 까닭으로 보충 자료가 든 것은?

1. 광류는 밝기 무늬의 움직임만 잡기 때문에, 무늬 없이 고르게 흐르는 곳에서는 실제 흐름이 있어도 속도를 거의 0으로 낸다
2. 핵 근처에서는 플라스마가 실제로 멈춰 있다
3. 신경망이 핵 근처에서 시간 좌표를 무시하도록 학습됐다
4. 핵 근처의 관측이 모두 빠져 있다

광류는 영상의 밝기 기울기에 기대므로 보이는 무늬가 있어야 움직임을 잡는다. 완전한 층류에서는 속도 0을 내고 난류가 있어야 제대로 잰다. 그래서 저자들은 핵에서 약 0.5mas 바깥부터 속도를 믿을 만하다고 봤다(보충 자료 1.2).

논문 정보

• 논문: Marianna Foschi, Brandon Zhao, Antonio Fuentes, Katherine L. Bouman, José L. Gómez, Aviad Levis, “Video reconstruction of variable VLBI observations with neural fields”, Nature 657(8133), 900-905. 2026년 8월 26일 온라인 게재. doi:10.1038/s41586-026-10988-5
• 해설 기사: Yosuke Mizuno, “Plasma-jet movie is astronomy’s summer blockbuster”, Nature News & Views, 2026년 8월 26일. doi:10.1038/d41586-026-02522-4
• 코드와 복원 영상: github.com/mariannafoschi/kine3c345
• 관측 자료: MOJAVE (VLBA 15GHz 감시 프로그램)