ガイルオならどうする？
科学者と天文学者のグループが、人工知能と機械学習を使って超新星を識別し、分類することに成功した。これは、ブライト・トランジェント・サーベイ（BTS）ボット・プロジェクトのテストであり、特定の明るさを超える超新星を観測し分類する広範なプログラムの一部である。
BTSbotの開発チームは、検出された事象が爆発する星であるかどうかを確認するための人間の仲介者を省くことができ、研究者が天の事象を分析する時間をより多く与えることができると述べている。このボットは先週発表され、民間研究機関であるノースウェスタン大学の学生と教授陣が指揮を執った。
ノースウェスタン大学のアダム・ミラー助教授は、「モデルをさらに改良することで、ロボットが恒星爆発の特定のサブタイプを分離できるようになるため、これは重要な前進を意味します」と語った。「最終的には、人間をループから排除することで、研究チームが観測結果を分析し、我々が観測している宇宙爆発の起源を説明するための新たな仮説を開発する時間を増やすことができる。
AIに取って代わられることを懸念し、”人間の仲介者 “を排除することに抵抗感を示す声もあるが、ミラーは効率化が目的だと言う。
“我々はこのプログラムが始まった2018年頃からこれを続けています “と、プロジェクトの共同リーダーであり天文学の大学院生であるナビール・レヘムトゥーラはTCNに語った。”我々は今、何万もの超新星を持っており、それを訓練してモデルを構築し、このプロセスを自動化することができます。
馬頭星雲はこのように見える
超新星は、銀河系全体を一瞬照らすほどの大量のエネルギーを放出する星の爆発です。星が核燃料を使い果たし、壊滅的な崩壊に至るときに起こる。
カリフォルニア州サンディエゴのパロマー天文台を拠点とし、天文学者フリッツ・ツヴィッキーにちなんで命名されたツヴィッキー・トランジェント・ファシリティ（ZTF）は、このような宇宙現象を迅速に特定するために2018年に設立された。
レヘムトゥーラとミラーが率いるBTSbotプロジェクトチームには、ノースウェスタン大学、カリフォルニア工科大学、リバプール・ジョン・ムーア大学、ミネソタ大学のメンバーが参加した。
AIモデルのトレーニングにおいて、Rehemtullaは16,000の情報源から140万枚以上の過去の画像をアルゴリズムに与えた。これらのソースには、確認された超新星、一時的にフレアしている星、周期的に変化する星、フレアしている銀河などが含まれている。
年間およそ1,300から1,400の超新星があり、解析するデータ量はかなりの量になるとRehemtullaは説明した。トランジェント・イン・ブライト・トランジェント・サーベイでは、明るくなっては消え、明るくなっては暗くなり、一回限りの事象を測定する。
「モデルにクリーンで代表的なトレーニングセットを与えることは本当に重要です。”そこで、私たちが始めたのは、どの超新星や他のどのようなものが最初にBTSフィルターを通過したかを確認することでした。”
こうすることで、超新星ではない天体の発生を簡単に除外することができるとレヘムトゥーラ氏は説明した。
パロマー天文台で撮影されたアンドロメダ銀河の3つの可視光線を合成した新しい画像。画像： ZTF/D. Goldstein and R. Hurt (Caltech)
BTSbotは観測ポータルに統合され、モデルが作成するスコアを天文学者が見ることができ、モデルが何をしているかを簡単に確認することができます。カリフォルニア工科大学の研究者が統合に取り組み、AIからリクエストが送信されると、人間から重複したリクエストが送信されないようにした。
「過去5、6年間の毎晩の50件をさかのぼって見ることができます。それがトレーニングセットに使うサンプルです。「基本的に、人間が過去5、6年間に審査したものであれば何でもです」。
成功したとはいえ、レヘムトゥーラ氏は、このプロジェクトにハードルがなかったわけではなく、主に画像の吟味とチェック、そして高品質であることの確認に関して、BTSbotの立ち上げに一時的な遅れが生じたと述べた。
「開発を遅らせる要因はたくさんあったが、そのひとつが、モデルが学習するのに十分な大きさのトレーニングセットを構築することだった。「私たちの望遠鏡がこれまで検出したものすべてをただ放り込んで、そこにゴミの束を入れ始めたくはないでしょう」。
人工知能がユビキタス化するにつれて、このテクノロジーは、がん治療、軍事防衛、教育など、さまざまな研究分野に進出している。AIが社会の未来にとって有望であるのと同時に、専門家たちは、この技術が偏見、人種差別、嘘など、いくつかの厄介な習慣を示し続けていると警告している。
レヘムトゥーラはまた、天文学で人工知能を使用する際には注意が必要であることを表明し、AIモデルに選択バイアスが形成される可能性を認め、それが他の銀河にある天体を特定する際のAIモデルの継続的な精度を脅かすことになると述べた。
「我々は99％以上の天体を発見しているので、実はあまり心配していない。「天文学にAIを採用する人々が考えなければならないことは、どのようなバイアスを研究に投入しているかということだ」
。
