破壊的な AI プログラム: 人工知能が天文学の革新を推進する方法

[[349907]]

あらゆる業界に嵐のように広がっている流行語があるとすれば、それは「人工知能」に違いありません。しかし、それはまだニッチなトレンドなのでしょうか、それとも広く認知され、勢いを増しているのでしょうか?

PwCによると、人工知能は2030年までに世界経済に15.7兆ドルの影響を与えるだろう。一方、アクセンチュアは「AIは2035年までに先進国の経済成長率を2倍にする可能性がある」と主張している。

長年にわたり、「人工知能」という用語はさまざまなものと関連付けられてきました。 Siri、Alexa、ロボット、コーディング、銀行業務、電子商取引、さらには不死。これらはほんの一部です。これらの例はすでに人間の想像力の幅広さを示しています。しかし、比較的未開拓ではあるものの、同様に興味深い分野が 1 つあります。それは、人工知能と天文学です。

次の例をご覧ください。日本では、科学者が宇宙の構造を予測する AI ツールを開発しています。他の科学者たちは、AI 駆動の「スマート」望遠鏡を使って宇宙の物体を分類し、物理学者が仮説を立てて検証するのを支援している。

NASAのジェイムズ・ウェッブ宇宙望遠鏡により、ビッグバンからわずか2億年後に形成された銀河をまもなく観察できるようになる。天文学者のグループは銀河の合体に関する研究に初めて人工知能を使用し、銀河の合体がスターバーストにつながることを確認した。

豊富で複雑なデータの提供、銀河の分類、信号のデータのふるい分け、パルサーの発見、珍しい太陽系外惑星の特定などを行う強力な探査ツールとして、AI を活用する天文学者が増えています。この素晴らしい新世界では、数え切れないほど多くの未開拓のアプリケーションが実験されており、「AI 天文学者」というより適切な名前を持つ AI 天文学ツールが多数誕生しています。

この記事では、破壊的な人工知能プログラムである Morpheus について説明します。カリフォルニア大学サンタクルーズ校の研究者らが開発したこのシステムは、天体画像データを分析し、銀河や星を外科手術のような精度で分類することができる。一緒に神秘の宇宙へ行きましょう！

天文学における人工知能：新しい（宇宙）世界秩序

著名な天体物理学者で、大学間天文学センター所長のソマック・レイチャウドリー氏はこう語った。「科学の二大分野のうちの1つである天文学は、人工知能を広範に活用しています。」

詳細に入る前に、まず天文学関連のタスクの自動化がなぜ優先されるのかを理解する必要があります。プロの天文学者であるカルロ・エンリコ・ペトリロ氏は、何テラバイトものデータをふるいにかけることの難しさについて語りました。 「銀河の画像を見るのは私たちの仕事の中で最もロマンチックな部分です」と彼は言う。「問題は明らかです。」

同様に、カリフォルニア大学サンタクルーズ校の天文学および天体物理学教授であり、モーフィアスの開発者の一人であるブラント・ロバートソン氏は、「人間にはどうしてもできないことがある。今後数年間に大量のデータを生成する大規模な天文調査プロジェクトでは、そのデータをコンピューターで処理する方法を見つけなければならない」と説明した。

この核となるアイデアが Morpheus プロジェクトを生み出しました。このプロジェクトが実現するまでに約2年かかりました。もし人間の天文学者が宇宙物体のカタログ作成という作業を完了しようとすれば、それは何億年もかかるだろう。

しかし、Morpheus のような AI ソフトウェアの助けを借りれば、1 秒未満でオブジェクトを非常に正確に「スナップ」し、銀河の進化に関する重要なデータを収集することが可能になります。簡単に言えば、宇宙の未知の空間の深さを理解し、遠い昔に遠くの銀河に存在していた物体を観察することが可能になります。米国のスターウォーズ計画に関する新たな参考資料がまもなく公開される予定です。

このプロジェクトに投入された努力と研究の量を考えると、プログラマーが NASA のハッブル宇宙望遠鏡で撮影された 10,000 個の銀河の画像を、ひいてはディープラーニング システムとアルゴリズムをより良くトレーニングするための武器として使用したと知ったら驚かれるでしょう。

さらに、銀河の形成と進化を理解するために、Legacy Survey of Space and Time (LSST) などの大規模な調査がこのプログラムと連携して使用されます。

LSST が何を達成できるかをお伝えすると、科学者たちは、32 億ピクセルのカメラで 1 晩に 800 枚以上のパノラマ画像を撮影し、週に 2 回、目に見える空全体を記録できると主張しています。この CCD イメージング カメラは、一晩あたり 10 メガバイトのデータを生成できます。このデータを精査することにボランティアで取り組む天文学者を見つけるのは難しいでしょう。そこで人工知能の出番です。

ディープラーニングフレームワークがMorpheusを動かす仕組み

画像出典: https://arxiv.org/pdf/1906.11248.pdf

「2020 年初頭までに、デジタル ユニバースには 44 ゼタバイトのデータが含まれると予想されています。2025 年までに、世界中で 1 日あたり約 463 エクサバイトのデータが作成されます。」

まず、「ディープラーニング」とは何でしょうか。簡単に言うと、「ディープラーニングは機械学習のサブセットであり、人工ニューラルネットワークアルゴリズムが人間の脳にヒントを得て、大量のデータから学習します。」類推すると、ディープラーニングは、人間が経験から学ぶのと同じタスクを繰り返すことで機械学習が「学習」するものと考えることができます。通常、ソフトウェアはディープラーニング アルゴリズムを使用するたびに、結果を最適化するために小さな反復処理を続けます。

ここでも、プログラムはディープラーニングを活用し、コンピューター ビジョン アルゴリズムを適用して、望遠鏡から出力される生データに基づいてオブジェクトを分類します。さらに、ピクセル単位の分類をサポートし、円盤、球、不規則なサイズなどの形状に関係なく、空間オブジェクトのセマンティックなセグメンテーションを実現します。歴史は、銀河の形態から天文学者が銀河がどのように形成され、時間の経過とともにどのように進化したかを知ることができることを示しています。

つまり、科学者は音声認識や画像認識などの便利なアプリケーションを活用して、銀河をピクセル単位で追跡できるのです。

天文学の世界におけるモーフィアスの実用的応用

「他のモデルでは、何かがそこに存在することを知っている必要があります。その後、モデルに画像を与えると、モデルは銀河全体を一度に分類します」とブレント・ロバートソン氏は言う。「モーフィアスはピクセルごとに銀河を探索するので、円盤銀河の隣に球状星団があるような非常に複雑な画像も処理できます。中心に膨らみがある円盤銀河の場合、膨らみを別々に分類します。とても強力です。」

Morpheus を動作させるための手順は次のとおりです。

• 最初のステップ：UCLAのLuxスーパーコンピューター上で実行し、空の特定の領域の画像を処理します。
• ステップ 2: 領域固有の画像の新しいセットを生成し、オブジェクトの形態に応じて色分けします。
• ステップ 3: これらの画像は、星やさまざまな種類の銀河を識別するのに役立ちます。
• 最終結果: 大量のデータのピクセル単位の特異点分析。

モーフィアスの強み: 360度アプローチ

「天文学者が銀河の分類に同意すると、モーフィアスは82～98パーセントの精度でさまざまな天体クラスを識別できます。」

• 天体物理学者を目指す人々のための無限のディープラーニングの可能性: ブラント・ロバートソン教授とライアン・ハウゼン教授が、初めてモーフィアスのコードを公開し、一連の実験の最初のオンラインデモンストレーションを実施します。さらに、彼らの研究論文に基づいて、Morpheus ディープラーニング フレームワークを使用するためのチュートリアルが作成され、Jupyter ノートブックとして公開されました。以下はモデルのインタラクティブな視覚化です。

[[349909]]

ハッブル宇宙望遠鏡による大型ディスク銀河の画像 | 出典: news.ucsc.edu

同じ地域のモルフェウスの形態分類を木目比較で示します。 | 画像ソース: phys

• 天体の粒子検出と形態分類を提供します。これは事実上前例がなく、人工的に達成することは不可能です。実際、このモデルは、モデルのトレーニングに使用された調査データ内に存在する銀河の 98% 以上を復元することができました。
• 人間の介入なしに銀河を自動的に検出し、複雑な画像を処理するため、強力なピクセルレベルの分類が可能になります。
• 人間の偏見や誤りなどの障害なしに銀河の進化を完全に理解する機会を提供します。銀河が時間の経過とともにどのように進化するかを理解したり、将来どこに向かうのかを垣間見たりする場合でも、この AI 搭載プログラムは、純粋な銀河の形成を理解するためのこれまでで最高のチャンスです。
• これにより、天文学の分野ではよくある現象である、発生源の誤認識別の可能性が排除されます。
• 使いやすさの向上: 天文データで一般的に使用されるデジタル形式の画像をサポートする Flexible Image Transport System (FITS) を使用すると、望遠鏡の画像やデータを変換する必要がなく、スムーズな操作を楽しめます。

古いコンピュータープロセッサでも、AI重力レンズは20分で21,789枚の画像を検査することができました。

NASA のプレスリリースによると、「新たに発見されたケプラー 90i は、Google の機械学習を使用して発見され、14.4 日ごとに恒星の周りを公転する高温の岩石惑星です。」

明らかに、天体物理学における AI の応用は「天文学的な」成果をもたらし、天体科学の分野におけるイノベーションを再定義し、深宇宙の最大の謎のいくつかを解明しています。ブレント・ロバートソン氏は、AIと天体物理学が達成した有益な総合的クライマックスを強調し、「天文学は新たなデータ革命の瀬戸際にいる」と述べたが、これ以上に良い要約はないだろう。

天文学者が銀河を発見するために人工知能を使い始めると、宇宙の物体を検出、分類、解読したり、新しい惑星を見つけたりするために苦労する必要がなくなります。 21 世紀には、AI スーパー望遠鏡によって作業が軽減される可能性があります。

天文観測者らはまた、人工知能機器が想像を超えた世界を再発見する可能性を喜んでいる。イーロン・マスクはこれについてどう思うだろうか？

この記事はWeChatの公開アカウント「Reading the Core」から転載したもので、以下のQRコードからフォローできます。この記事を転載する場合は、Duxinshu の公開アカウントにご連絡ください。