人工知能はビッグデータ天体物理学の時代へのマスターキーとなるのでしょうか?

[[387017]]

01 まさに必要: ビッグデータ天体物理学の時代が到来

観測技術の発展により、天文学のデータは飛躍的に増加しました。例えば、有名なスローンデジタルスカイサーベイ[1]は2000年に始まり、約300万の天体を観測し、データ量は約40TBに上りました。現在運用されているダークエネルギーサーベイ[2]のデータ量は、スローンサーベイの少なくとも100倍に相当します。将来的には、欧州のユークリッド調査[3]と米国の大規模宇宙時間調査（LSST）[4]により、データ量は驚異的な50PBと200PB（1PB=1024TB）に達すると予想されています。

たった 1 種類の天体、つまり観測可能な銀河のサンプル サイズは数十億に達します。したがって、従来のプログラミングと手動処理の効率では、このような膨大な量のデータに対処するにはもはや不十分です。たとえば、ハッブル銀河図 (図 1) に従って数百億の銀河を分類するために必要な作業量は膨大ですが、これは天体物理学研究における基本的な操作にすぎません。

言い換えれば、効率的な自動データ処理が厳格な要求となるでしょう。幸いなことに、人工知能技術はここ10年ほどで急速に進歩しました。たとえば、パターン認識技術はすでにインターネット上の画像を素早く分類することができます。これに触発されて、天文学者たちは人工知能分野の関連技術を天文データの自動処理に応用し始めました。

図 1. ハッブルの銀河分類図。左端の枝 (E) は楕円銀河で、左から右に向かって楕円率が徐々に増加します。 S0 は楕円銀河と渦巻き銀河の間の臨界点を表します。 Sa、b、c の各枝は従来の渦巻き銀河を表し、銀河の明るさにおける渦巻き腕の割合は a から b に向かって増加します。 SB ブランチは棒状構造を持つ渦巻き銀河を表します。a から b への順序は、光度比だけでなく、渦巻き腕の開き具合も考慮されます。画像出典:
https://en.wikipedia.org/wiki/ハッブルシーケンス

02 アプリケーション: 分類、回帰、生成

有名な科学者ハーバート・サイモン（1975 年のチューリング賞と 1978 年のノーベル経済学賞受賞者）は、機械学習を「コンピューター プログラムがデータを取り込むことでパフォーマンスを向上させるプロセス」と定義しました。機械学習と従来のプログラミングの根本的な違いはプログラミングロジックです。機械学習の概念は帰納的であるのに対し、従来のプログラミングはより演繹的になる傾向があります。

たとえば、従来のプログラミング方法を使用して銀河の形状を分類する場合、まず銀河の形状パラメータを測定し、次にしきい値を設定し、形状パラメータとしきい値の関係に基づいて銀河を分類する必要があります。機械学習のロジックは次のとおりです。まず、特定のパラメータやしきい値を提供せずに、銀河の画像と分類ラベルのみを入力して、モデルが入力データに応じて自動的に調整され、銀河の形状分類に使用できる分類器に進化します。図 2 は、従来のプログラムと機械学習プログラムのワークフローの違いを示しています。

図 2. 従来のプログラミングと機械学習プログラミング ロジックの違い。画像出典:
https://www.futurice.com/blog/differences-between-machine-learning-and-software-engineering/

現在、天文学者は主に機械学習を使用して分類、回帰、生成などの問題を解決しています。成功例としては、銀河の形状分類と指定天体の識別（図3）、天体現象の迅速な自動モデリング（図5）、シミュレーション画像の生成（図6）などがあります。一般的に、機械学習は天体物理学の問題を解決する上で、1) 対象範囲が広く、普遍性が高い、2) データ駆動型で、従来の方法よりも上限が大幅に高い、3) 開発の難易度がますます低く、移植性に優れているなどの利点があります。これらの利点により、機械学習手法は、特にビッグデータの時代に天体物理学でますます人気が高まっており、天体物理学のほぼすべての分野、さらにはすべての科学分野で見られるようになりました。

図 3. 教師あり学習と教師なし学習を適用して銀河の形状を分類する例。上図は教師あり学習による分類結果の例[5]であり、下図は教師なし学習による銀河分類結果の例[6]である。どちらの方法も、銀河を形状に基づいてかなり正確に分類できます。詳細を知りたい場合は、画像ソース リンクの論文をご覧ください (参考文献は記事の最後にあり、以下も同様)。

図 4. 機械学習を適用して「回帰問題」を解決する例。左の図は宇宙に投射された物質の分布の模式図であり、右の図は宇宙に投射された物質の分布に基づいて機械学習法によって予測された宇宙論パラメータである[7]。このアプリケーションの基本的な考え方は、機械学習アルゴリズムを通じて、左の画像と画像内の宇宙論的パラメータとの対応を確立することです。このようにして、将来的に物質分布に関する新しいデータがある場合、それをトレーニング済みのモデルに入力するだけで、対応する宇宙論的パラメータをすぐに返すことができます。

図5.機械学習アルゴリズムによって生成されたシミュレートされた銀河画像と実際の画像の比較[8]。左の写真は機械学習によって生成されたノイズのない渦巻き銀河、中央の写真はノイズを追加した後のシミュレーション画像、右の写真はハッブル望遠鏡で観測された画像です。可能な限り現実的な数値シミュレーションの画像を生成することは、天文学者がデータ処理および科学的モデリング ソフトウェアをテストおよび調整するのに役立ちます。

03 欠点: 閾値、データ、ブラックボックス

しかし、機械学習は万能ではありません。まず第一に、計算の複雑さが極めて高く、特殊なハードウェア要件があるため、従来の方法よりも参入障壁が高くなります。さらに、モデル設計は非常に複雑で、新しいアルゴリズムやモデルを開発するには多くの人的資源、物的資源、時間が必要です。ほとんどの人は既存のモデルしか使用できません。さらに、機械学習はランダムなプロセスであり、結果の統計は自己矛盾がありませんが、個々の結果を複数回完全に再現することは不可能です。

例えば、機械学習を適用して分類操作を実装する場合、少数の対象天体の分類結果は毎回異なります。機械学習を適用して回帰計算を実装する場合、不確実性は非常に小さいものの、毎回予測されるパラメータは繰り返し可能な固定値ではありません。したがって、機械学習を天体物理学の問題の研究に適用する場合、明確な 1 対 1 の関係を持つ物理プロセス (銀河ダイナミクス シミュレーションや重力レンズ レイ トレーシング シミュレーションなど) を実装するには、依然として従来の方法が必要です。

第二に、機械学習はデータ駆動型であるため、データが不足している科学的問題にはこの方法を慎重に使用する必要があります。特に、パラメータ空間のデータ範囲が完全でない場合、機械学習は偏った結果をもたらします。もちろん、数値シミュレーションを使用してデータの完全性と多様性を向上させることができますが、これにより、機械学習によって得られる結果は、シミュレーションデータの生成モデルに大きく依存することになります。したがって、このような問題を解決するために機械学習を適用する場合、合理的なトレーニングサンプルを作成するために、シミュレーションプロセスを可能な限り詳細に設計する必要があります。

一方、データ量が要件を満たしている場合、高品質のデータが不足している科学的問題は、機械学習による解決には適していません。大量の低品質データがあると、機械学習モデルがノイズ（実際には高品質ではないデータ）に反応し、信頼性の高い誤った結果をもたらすためです。このような問題を解決する場合、「ゴミを入れればゴミが出る」現象を最小限に抑えるために、データの事前および事後の慎重なスクリーニングが必要です。

最後に、そして最も重要なことは、機械学習アルゴリズムの説明不能性は最も批判される欠点であるため、機械学習は常にブラックボックスに例えられてきました。これは、機械学習アルゴリズムが相関関係に敏感であるが、因果関係の説明が極めて欠如していることを鮮明に表しています。

これまでのところ、機械学習、特にディープラーニングの唯一の真の成功は、人間が注釈を付けた大量のデータに基づいて、連続的な幾何学的変換を使用して空間 X を空間 Y にマッピングする能力です。ただし、X が Y にマッピングされる理由については、科学者がまだ自分で制御する必要があります。さらに、X から Y へのマッピングの具体的な詳細についても、さらなる研究が必要です。

関連研究[9]では、GoogleのDeep-Dream[10]ツールキットを使用して、銀河団の質量再構築プロセスの特定のデータポイントに対する感度を研究しようとしました（図6）。一方、MicrosoftのInterpretML[11]ツールキットは、ニューラルネットワークモデルのさまざまな部分の論理関係とデータフローに焦点を当てています（図7）。これら2つの試みは、「ブラックボックスに光を当てる」ことで、人々がその動作原理をよりよく理解するのに役立つと見ることができます。もちろん、結果はまだ非常に初期段階であり、「ブラックボックス」を完全に理解するにはまだ長い道のりがあります。機械学習の動作ロジックの研究が深まるにつれて、人類は最終的にブラックボックスを開き、機械学習を利用して科学者が宇宙をよりよく探査できるようになることを期待しています。

図6. ディープラーニングアルゴリズムを用いて銀河団の光度情報に基づいて銀河団の総質量分布を再構築する際に、再構築結果に寄与する銀河団光度フィールド内のデータポイントの重みの模式図。左側は銀河団の幅の分布（恒星粒子の分布）[9]で、黒い円は銀河団の中心銀河の位置を示し、赤い円は銀河団のメンバー銀河を示しています。右側はDeep-Dream [10]処理後の結果で、黄色の領域は結果に最も寄与するデータポイントを表しています。

図7.機械学習モデル解釈ソフトウェアInterpretMLの紹介[11]。

04 要約: 効果的、選択的、有望

ビッグデータ天体物理学の時代において、機械学習は天文学者が膨大なデータのマイニングを完了するのに効果的に役立ちます。しかし、機械学習は万能薬ではなく、特に問題の範囲が不明瞭であったり、データ量が不十分であったり、データ品質が低い場合には、機械学習を盲目的に適用してすべての天文学的問題を解決することはできません。

さらに、説明不可能性は現在機械学習手法の最大の欠点であるため、機械学習の結果に基づいて因果関係の結論を導き出す際には特に注意する必要があります。機械学習の結果とデータとの因果関係や、機械学習モデル内の論理的関係性を明らかにしようとする先駆的な研究も行われています。こうした研究が深まることで、最終的には人間がブラックボックスを開けて、機械学習が推論や抽象化に関する科学的研究に取り組めるようになることが期待されます。

しかし、その時が来たら天文学者はどのような役割を果たすのでしょうか?彼らは失業してしまうのでしょうか？お気軽にコメントを残してください。

参考文献:

[1] https://www.sdss.org/

[2] https://www.darkenergysurvey.org/

[3] https://www.euclid-ec.org/

[4] https://www.lsst.org/

[5] Dieleman, S. 他「銀河形態予測のための回転不変畳み込みニューラルネットワーク」、2015年、MNRAS、第450巻第2号、p.1141-1459

[6] Hocking, A. et al., 教師なし機械学習を用いた銀河形態の自動分類、2018年、MNRAS、第473巻第1号、p.1108-1129

[7] Fluri, J. et al., ノイズ収束マップからディープラーニングによる宇宙論的制約、2018年、Physical Review D、Vol. 98、Issue 12、id.123518

[8] Ravanbakhsh, S. et al., 銀河画像の深層生成モデルによるダークエネルギー科学の実現、2017年、AAAI-2017、議事録、id.14765

[9] Yan, Z. et al、ディープラーニングと流体力学シミュレーションによる銀河団質量推定、2020年、MNRAS、Vol.499、第3号、pp.3445-3458

[10] https://github.com/google/deepdream

[11] https://github.com/interpretml/interpret