ニューラルネットワークを使用して3D宇宙地図を構築

ハワイ大学の天文学部の天文学者は最近、AIアルゴリズムを使用して、30億以上の天体を含む巨大な3D地図を作成しました。天文学チームは、分光データとニューラルネットワーク分類アルゴリズムを使用してこのタスクを実行しました。

2016年、ハワイ大学マノア校（UHM）の天文学研究所の天文学者は、30億以上の星、銀河、他の天体の観測データを含む巨大なデータセットを一般に公開しました。このデータセットは、4年間で夜空の3/4を観測することで収集されました。このプロジェクトはPan-STARRSプロジェクトと呼ばれ、生成されたデータセットのサイズは約2ペタバイト（2千万ギガバイト）でした。

マックス・プランク天体物理学研究所の銀河と宇宙学部門のディレクターであるハンス＝ヴァルター・リックスは、Phys.orgによると次のように述べています。

“Pan-STARRS1は、我々の家銀河、ミルキーウェイを、以前達成されたことのないレベルの詳細さでマッピングしました。調査では、初めて、ミルキーウェイ平面とディスクの重要な部分の深くグローバルなビューが提供されました… その独自の組み合わせである画像の深さ、面積、色により、最も遠い既知のクエーサーの大部分を発見することができました。これらは、巨大なブラックホールが銀河の中心で成長した宇宙での初期の例です”。

データセットを公開する目的の1つは、観測された多くの光点を分類して、観測可能な空の地図を作成することだったです。Pan-STARRSプロジェクトに関与する研究者は、地図を生成するために使用できるマシンラーニングアルゴリズムをトレーニングするために、データセットを使用しました。

ハワイ大学の研究者は、ハワイ島にあるPS1望遠鏡で作業しています。PS1は、約75%の観測可能な空をスキャンできます。望遠鏡は、世界最大の深いマルチカラーオプティカル調査であり、研究者はこの力を利用して洗練されたスカイマップを作成したいと考えました。これには、PS1のコンピューターをトレーニングして、天体を分類し、1つのタイプの天体を別のタイプと区別することが含まれます。使用したデータセットには、サイズや色などの特徴で表される数百万の測定値が含まれていました。

使用されたAIアルゴリズムは、通常のフィードフォワードニューラルネットワークと、ネットワークが数百万のデータポイント間の複雑な関係を学習できる最適化方法を組み合わせたものでした。UHMの天文学研究所の元コスモロジー博士課程のロバート・ベックは、TechExploristが報告したように、約400万の天体を記述するデータセットでコンピューターをトレーニングするために、最先端の最適化アルゴリズムを使用しました。研究チームはまた、ミルキーウェイ銀河内のダストの干渉を修正する必要がありました。研究チームは、光度学的赤方偏移（物体の速度の推定）による不確実性を推定するために、モンテカルロ・サンプリング法を使用し、分光データでマシンラーニングモデルをトレーニングしました。

モデルがトレーニングされた後、そのパフォーマンスは検証データセットで確認されました。ネットワークは、クエーサー約96.6%、星約97.8%、銀河約98.1%を正しく識別しました。さらに、モデルは銀河への距離を予測し、予測が確認されると、予測は約3%しか外れませんでした。

AIトレーニングと利用の結果は、世界最大の3Dカタログでした。この研究の共同著者であるケネス・チェンバースは、Gizmodoが引用したように、地図を生成するために使用されたモデルは、さらに多くのデータが収集されると、地図をさらに改善し、太陽系と宇宙の理解を高めるために再度使用できるはずです。科学者は、地図を使用して宇宙の形状に関する洞察を得て、宇宙論的モデルが新しい投影と一致しない場所を決定することができます。