あなたの好奇心を刺激する、テックと科学の総合ニュースサイト

機械学習の進化が宇宙の干し草の山から針を見付け出すことを可能にする

天文学の様相は変わりつつある。狭視野のポイント・アンド・シュート天文学は依然として重要だが(JWSTは?)、大規模な広視野サーベイは、特に機械学習の出現により、今後数十年の間に発見の強豪となることが約束されている。

最近開発されたASTRONOMALYと呼ばれる機械学習プログラムは、ダークエネルギーカメラ・レガシー・サーベイ(DECaLS)の約400万枚の銀河画像をスキャンし、”非常に珍しい形態”を持つ18の未確認天体を含む1635の異常を発見した。人間とソフトウェアのパートナーシップは、どちらか一方が単独で行うよりも優れた観測科学を行うことができる。

サーベイ望遠鏡は、長い間天文学者の道具の一部であった。21世紀における違いは、望遠鏡が信じられないほど膨大な量のデータを生成できるようになったことである。例えば、今後建設が予定されているヴェラ・ルービン天文台は、毎晩20テラバイト(10年間で60ペタバイト)のデータを作成し、最終的には “200億個の銀河を32兆回観測する”ことができると期待されている。

そのすべてのデータに目を通すには、人間は何十年もかかるだろう。だが、AIならもっと早くできる。

これまでの異常検知プログラムのほとんどは、テストデータセットで訓練され、特定の現象を探すようアルゴリズムに教えていた。このようなプログラムの限界は、まったく新しい異常ではなく、同じタイプの多くの異常を見つける傾向があることだ。

ASTRONOMALYはその代わりに「教師なし」で実行されるため、天文学者を興奮させるような、重力レンズ、銀河合体、奇妙な赤方偏移パターン、その他奇妙なものなど、新しい種類の異常値を見つけることができる。しかし、ASTRONOMALYが最高のパフォーマンスを発揮するのは、アクティブラーニングの一種を採用したときだ。このフィードバックを検索に取り入れることで、より良い結果が得られる。

一番の利点は、天文学者が数時間しかかからないことだ。

最近のプレプリント論文で、天文学者たちはASTRONOMALYをかつてないほど大規模なデータセットでテストし、大規模でも機能することを実証した。プログラムに膨大な量のDECaLSデータを与えた後、彼らはいくつかの異なるアルゴリズムをテストした。その結果、人間によるアクティブ・ラーニングによって強化された教師なし手法が、ユニークな異常を最も多く出力することがわかった。

Constructing a Legacy iotw2329a
2022年に建設中のヴェラ・ルービン天文台 (Credit: Rubin Observatory/NOIRLab/NSF/AURA/T. Matsopoulos.)

研究者たちによると、最も興味深い異常は、”奇妙な色と形態を示すリング銀河、半分が赤で半分が青の天体、レンズとして働く一対の天体を持つ強いレンズ系の可能性、いくつかの既知の相互作用グループ、相互作用しているか偶然に整列しているいくつかの天体”などであった。

ある不可解な天体は電波を発しており、クエーサーの存在で説明できるかもしれないが、この銀河にはリング状の特徴もあり、これは珍しい赤いリング銀河か重力レンズのどちらかである。もう一つの異常は、潮汐の尾か衝突している伴銀河を持つリング状のスターバースト銀河のようだ。

これらの珍しい天体はすべて、能動学習アルゴリズムがなければ見逃されていただろう。この結果は、近い将来にエキサイティングな新発見を約束してくれるだろう。

しかし、この膨大なデータセットの新時代には、データ転送という乗り越えなければならない課題が残っている。

「我々が経験した主な課題の一つは、ホストサーバーからローカルコンピューターへのデータ転送で、数週間かかりました」と研究者たちは言う。彼らが提案した解決策は?将来的には、オフサイトにデータを持ち込もうとするよりも、ホスト観測所に計算能力を持ち込む方が理にかなっている。


論文


この記事は、SCOTT ALAN JOHNSTON氏によって執筆され、Universe Todayに掲載されたものを、クリエイティブ・コモンズ・ライセンス(表示4.0 国際)に則り、翻訳・転載したものです。元記事はこちらからお読み頂けます。

Follow Me !

\ この記事が気に入ったら是非フォローを! /

Share on:

関連コンテンツ

おすすめ記事

コメントする