ブラック ホールの提案から発見に至るまで、その背後には 10 世代近くにわたる努力が存在します。
天文実験によって生成される大量のデータに直面して、GAN は、機械学習やニューラル ネットワークなどの AI テクノロジーにより、データ処理効率を大幅に向上させ、破損した画像やピクセルが失われた画像を修復したり、ぼやけた写真を鮮明にしたりできます。さらに、AI は科学研究に新しいアイデアを提供することもできます。
2019年4月10日午後9時に、EHTプロジェクトに参加している科学者は、世界中の多くの場所でブラックホールの写真を公開します。幻想的で神秘的な天体が今夜その素顔を現す！
炭素ベースの生命体がブラックホールを直接「見た」のは史上初めてである。しかし、AI テクノロジーの助けがなければ、その瞬間はまだ遠いかもしれないことをご存知ですか。
天文実験によって生成される大量のデータ (毎日数テラバイトのデータが生成される) に直面して、その処理を人間のチームだけに依存することは想像できません。その結果、AI は科学者にとって重要なツールになりました。
絶望的な天文学の膨大なデータには AI が必要
天文学は長い間、膨大なデータに囲まれてきましたが、そのデータ量は絶望的に圧倒的です。
たとえば、スクエア キロメートル アレイは 20 世紀に運用開始された電波望遠鏡で、現在ではインターネット全体のトラフィックに相当するデータを毎年生成しています。
スーパーコンピューターとインテリジェントなアルゴリズムの助けがなければ、このブラック ホールの「写真」の公開は無期限に延期されていたでしょう。
AIが介入することで物事がより明確になります。機械学習、ニューラル ネットワーク、その他の AI テクノロジーを通じて、最小限の手動入力で効率的で信頼性の高い結果を得ることができます。
現在、多くの人工知能コンテンツが天文学研究に実際に導入されています。たとえば、機械学習アルゴリズムを使用して天文観測データをアーカイブおよび分類し、機械学習モデルを使用して宇宙天気や太陽活動予測を予測し、新しい天体を発見します。
カンザス大学の研究者らは、過去 5 年間で、研究に機械学習を使用した天文学論文の数が少なくとも 5 倍に増加したと述べています。
AIでデータを分析する
2007 年に遡ると、科学研究者のシャウィンスキーは、数千もの銀河をその外面に基づいて分類するという困難な課題に直面していました。
当時、このタスクに使用できる既製のソフトウェアがなかったため、彼はその方法を考えました。それは、一般のネットユーザーにタスクをクラウドソーシングし、ネットユーザーにラベル付けと分類を手伝ってもらうというものでした。しかし今日は、AI を使用すると、この困難なタスクをわずか 1 日の午後で完了できます。
ニューヨーク大学の天文学者デイビッド・ホッグ氏によると、彼の研究は AI と切り離せないものです。ニューラル ネットワークなどの技術を使用してスペクトルから星を分類し、データ駆動型モデルを通じて星の物理的特性の一部を研究します。
昨年12月にAstronomy & Astrophysicsに掲載された論文の中で、チューリッヒ工科大学のチームは次のように述べています。生成モデルを使用して、銀河が進化の過程で受ける物理的変化を研究します。彼らのモデルは、物理プロセスをシミュレートおよびテストする方法として人工データ セットを作成します。たとえば、彼らはモデルシミュレーションを使用して、星形成中の形成速度の急激な低下が銀河環境の密度の増加に関連しているという現象を調査しました。
機械学習アルゴリズムで新しい発見をする
ハイデルベルクの理論研究所で、カイ ポルステラー氏は、天体物理学へのデータ中心のアプローチに焦点を当てた宇宙情報学グループを率いています。最近、彼らは機械学習アルゴリズムを使用して、以前は困難な作業であった赤方偏移情報 (宇宙の膨張を示す効果) を銀河データセットから抽出しました。
オランダのライデン天文台の研究者エレナ・ロッシ氏は、極めて稀な超高速星を研究する際、データから必要な特徴を抽出するニューラルネットワークモデルを構築し、さらにフィルタリングして抽出した。
このアルゴリズムは、ガイア衛星によって公開された写真に使用されています。10億個の星から、超高速星の候補80個が選別された。科学者の最終分析の結果、6つの超高速星が確認されました。第一ラウンドの検索としては、この数字はすでに豊作です。
しかしポルステラー氏は、AIシステムは十分に完璧ではなく、ほとんどのアルゴリズムは訓練されたことしか実行できないとも指摘した。時々、エラーが発生することがあります。たとえば、銀河の写真を与えると、ソフトウェアは銀河の赤方偏移情報と年齢を推定することができますが、自撮り写真や魚などの写真をシステムに任意に与えると、それも出力します。結果です。
したがって、現段階では、AI の使用を人間の科学者の監督や訓練から切り離すことはできません。
AIは系外惑星の「狩り」に成功した
まだまだ道半ばではありますが、AIはすでに天文学においてある程度の成果を上げています。例えば系外惑星を探しています。
宇宙から系外惑星を「探す」ことは非常に困難なことです。系外惑星は主星に比べて熱を発生できないだけでなく、数千マイルも離れたサーチライトの下を飛ぶホタルを探すのと同じように、小さすぎます。
これまで、天体物理学者が系外惑星を探索する方法は、主に NASA のケプラー プロジェクトからの大量のデータを手動および自動でソフトウェア分析することでした。
これらのデータ ポイントは、約 2,000 兆個の可能な惑星軌道を形成する可能性があり、このような巨大なデータベースから惑星を見つけるには、最も強力なコンピューターでもかなりの時間がかかります。機械学習の出現により、この期間は事実上短縮されました。
2017 年、宇宙探査に情熱を注ぐ Google AI 研究者の Chris Shallue 氏と、UT オースティン校 (テキサス大学オースティン校) の天体物理学者である Andrew Vanderburg 氏は、TensorFlow モデルを使用して、2,545 光のケプラー 90 銀河の検出に成功しました。 -地球から数年離れたところに、2つの新しい惑星、80gと90iが発見されました。
惑星を識別する際の TensorFlow モデルの精度を向上させ、星点や連星などの他の天体を惑星と誤認するのを避けるために、エンジニアはケプラー信号でラベル付けされた 15,000 以上のデータセットを使用してモデルをトレーニングしました。彼らの結果は次のことも証明しました機械学習の精度が90%を超えるつまり、宇宙を探索し、新しい天体を発見するためにAIを使用することは実現可能です。
つい数日前、テキサス大学の学生アン・ダッティロは、シンプルな AI アルゴリズムを使用して、ケプラー望遠鏡の観測データから 1,300 光年離れたさらに 2 つの系外惑星を発見しました。
データが海を形成するとき、手作業での処理は干し草の山から針を見つけるようなものですが、AI に任せるのは簡単かもしれません。
ブラックホールを「見る」ためにはデータの処理に2年かかった
ブラックホールを「見る」という話に戻りますが、おそらくそのような発見は、長い間私たちの日常生活に影響を与えることはないだろう。しかし、数千年前、人々は星を見上げ始め、それが今日の壮大な航空宇宙探査につながったことを忘れないでください。AI の介入は、単に私たちの探査に翼を加えただけかもしれません。
長い間、ブラックホールに対する人々の理解は、理論的な概念的説明を除けば、SF のレンダリングと芸術的な想像力のイメージでした。
ブラックホールの名前は、「誰も拒絶しない」というその特徴を示す非常に鮮やかな名前です。巨大な質量を持つ天体は非常に強い引力を形成し、そこを通過するあらゆる物体は、光さえも吸収されます。それを取り除く必要はありません。
正確に言うと、超強力な重力を持っており、光がその影響範囲から逃れることは不可能です。この範囲はブラックホールの「事象の地平線」と呼ばれます。事象の地平面内では光が「飲み込まれ」ており、ブラックホール自体は発光しないため、直接観測することはできません。
それでは、このニュースリリースをどのようにご覧になりましたか?
実際、今回もブラックホールによる周囲への影響に焦点を当てています。時々、ブラックホールの周りのガス雲が非常に接近し、巨大な重力の影響下で、ガス雲がブラックホールの周りを回転し、物質の円盤を形成します。ガスは摩擦によって加熱され、強力な放射線を放出します。そしてその回転はますます速くなり、最終的には事象の地平線を通過し、ブラックホールの中に永遠に消えてしまいます。イベントホライゾン望遠鏡が観察したいのは、ブラックホールの輪郭を囲む円盤状のハローです。
しかし、この現象を観測するには、適切な距離にあるブラックホールを選ぶだけでなく、十分な解像度を持つ望遠鏡も必要です。
2017年、世界中の複数の望遠鏡が干渉法イメージング技術を利用して「イベントホライゾン望遠鏡」（EHT）と呼ばれる強力な観測アレイを形成しました。その観測対象は、天の川銀河の中心にあるいて座Aとブラックホールでした。銀河M87のブラックホール。
このような展開をした後は、ブラックホールを撮影するだけで十分でした。そして、これらの電波望遠鏡は直接写真を撮るのではなく、大量のデータを収集し、科学者によって画像に処理されます。
「撮影」が完了してから最終的にリリースされるまで、2年という長い年月がかかりました。データ量がペタバイトレベルに達するため、さまざまな場所からデータを転送して集計するだけでなく、最終的な分析や計算にも多くの時間がかかります。関連報道によると、処理には「主成分分析」などの関連技術も利用されます。
1783 年に科学者たちが初めてブラックホールの概念を提案してから、ブラックホールの真実に最も近づいた瞬間まで 230 年以上が経過しており、私たちはその答えを知る最初の聴衆となる機会を得るでしょう。
具体的な内容や最終結果については、今夜の記者会見を楽しみに待ちましょう！ EHTプロジェクトチームと中国科学院は、この最新の結果を上海天文台で発表する予定だ。
会議時間は北京時間です 2019年4月10日 21:00、ベルギーの上海、ブリュッセル（英語）、チリのサンティアゴ（スペイン語）、日本の東京（日本語）、中国の台北（中国語）、アメリカのワシントン（英語）を含む世界6か所で同時リリースされました。
この歴史的瞬間の到来を一緒に楽しみにしましょう！