機械学習: 干し草の山から針を見つける

高速電波バースト（FRB）は、瞬間的な明るさが太陽の何億倍にも達する異常な電波バーストの一種で、重力波と同様に近年天文学研究のホットな話題となっている。彼らは、瞬きの100倍の速さで、極めて高いエネルギーを放出することができます。

高速電波バーストの模式図 ▏ 出典: ダニエル・フッツェラー

この前例のない謎の爆発は、一体どのような天体から発生したのでしょうか？どのような極限状況下で彼らは出現したのでしょうか?これは多くの天文学者の興味をそそりました。 10年以上の研究を経て、科学者たちは観測において大きな進歩を遂げ、多くの驚きをもたらしました。しかし、高速電波バーストの起源と爆発メカニズムは未解決の謎であり、早急に解明する必要がある。

「国勢調査」

高速電波バーストを研究する方法はたくさんありますが、まずはそれを見つけなければなりません。見つける数が多ければ多いほど良いのです。高速電波バーストは瞬きの数百倍の速さなので、高い時間分解能での観測が重要です。オーストラリアの64メートル電波望遠鏡パークスは大きな貢献を果たした。その利点は、25 年間にわたる継続的な高時間分解能マルチビーム調査にあります。世界初の高速電波バーストは2007年にパークスによって発見された。

パークス望遠鏡からの眺め▏画像出典: aussietowns.com

しかし、観察だけでは十分ではありません。高速電波バーストは遠く離れているため、地球に送信される信号強度は Bluetooth ヘッドフォンからの放射よりもはるかに弱くなります。機器のバックグラウンドノイズや人間が作り出す電磁干渉からそれらを選び出すのは非常に困難です。これが、2007 年に最初の高速電波バーストが発見されるまで、電波観測が長年にわたって続けられた理由でもあります。

では、パークスの歴史的データには未発見の高速電波バーストは存在するのでしょうか?

紫金山天文台の研究者らが率いる共同研究チームは、これらの歴史的データの「戸籍調査」を行うことを決定した。努力は報われる。予想通り、1997年から2001年までのパークスのデータから2つの新しい高速電波バーストが発見され、これは初期の勝利として成功したとみなされた。しかし、それに続く驚くべき 5 億 6000 万の疑わしい信号についてはどうでしょうか?

これらの疑わしい信号の中には、ノイズや人工的な信号が多く含まれています。より明るい真の高速電波バーストは、信頼度が高いため最初に選択されます。しかし、残りの信号は、経験豊富な天文学者が伝統的な方法を使って肉眼でのみ識別できます。たとえ毎日 30,000 枚の画像を見ることができたとしても、5 億 6,000 万の疑わしい信号をすべて調べるには 50 年間の休みのない作業が必要となり、これは明らかに不可能な作業です。

人工信号 (上) と高速電波バースト (下) は、時間周波数プロット上で同様の明るい筋として表示されます。 ▏画像出典: 著者/トップ;自然/下

天文学のビッグデータの課題

このような厄介な問題は天文学では珍しいことではありません。観測技術の進歩に伴い、現代の天文学はビッグデータをどう扱うかという課題に直面しています。

1997 年のパークスの記録の精度はまだ非常に低かったが、毎日の観測データは依然として約 10 GB あった。現在、中国の Sky Eye (FAST) などの先進的な電波望遠鏡は 1 時間で TB 単位のデータを生成することができ、そのデータを保存および処理するには高性能なサーバーが必要です。将来、ムーアの法則が崩れると、天文学者はこのゲームに負ける運命にあるようだ。

天文学データの処理に必要な大規模なサーバー。画像ソース: must.edu.mo

不純物を取り除き、本質を残す

ただし、すべてのデータが十分に価値があるわけではありません。ビッグデータの課題に直面して、本当に価値のあるデータを選別し記録するための一連の方法を構築する必要があります。

最初のステップは、到着時間や観測パラメータなどの情報を含む、5億6000万の疑わしい信号に基づく単一のパルスデータベースを確立し、将来の観測、比較、研究の基礎を提供することです。

このデータベースは採掘を待つ金鉱のようなもので、そこから「本物の金」を取り出すためのデータ分析方法が緊急に必要とされています。

機械学習

パークス単一パルスデータベースのこの新たな出発点に立って、次のステップは、近年急速に発展している人工知能（AI）を実装する方法である機械学習を導入することです。

最近では、日常生活において機械学習の手法を用いた顔認識が求められることが多くなっています。天文学者の仕事は、5億匹以上の犬の群れから数匹の猫を選び出すことができる機械を訓練することに相当する。ただし、高速電波バーストは形態学と訓練サンプルの収集の点で猫や犬よりも難しい。

人工知能に関するジョーク ▏出典: hornydragon.blogspot.com

研究者らは、残差ニューラルネットワークと呼ばれる画像認識アルゴリズムを使用し、画像レートをダウンサンプリングすることで画像サイズを縮小し、同時に疑わしい信号の到着時間と分散をスクリーニングすることで、確認が必要な画像の数を大幅に削減しました。最後に、トレーニングされたモデルを使用して、データベースから 81 個の新しい高速電波バースト候補が見つかりました。

これら 81 個の候補は、多くの特徴において以前の FRB と類似しています。たとえば、エネルギーとバースト幅の分布が類似しており、これがその信憑性を強く裏付けています。

同時に、新たに発見された候補サンプルは、既存の高速電波バーストのサンプルと比較して、低エネルギー側の割合が高くなっています。これは、以前の検索方法では多数の低エネルギーイベントを見逃していた可能性があることを意味し、信号対雑音比の低い信号の検索にさらに注意を払う必要があることを思い出させます。

81個​​の新しい候補と以前の高速電波バーストの比較 ▏ 画像出典: 著者

この一連の研究は、天文学的な突発現象の分野で直面しているビッグデータの課題を解決するための良い試みであり、建設中の平方キロメートルアレイ（SKA）の貴重なデータを効率的に傍受するためのソリューションも提供しました。将来的には、FAST と SKA はともにより高い感度を達成し、さらに驚異的な量のデータをもたらすでしょう。信号のスクリーニングには非常に高い要求が課せられます。パープルマウンテン天文台の研究者が率いる共同研究チームは、これらの高度なデバイスに適用してより価値のある信号を発見できる過渡ソースデータ処理手順の開発を継続する予定です。

SKA 概念図 ▏ 出典: Wikipedia

参考文献:

[1] パークスアーカイブに新たに81個の高速電波バースト候補が発見された。ヤンら2021、MNRAS stab2275

[2] パークストランジェントイベントI. 単一パルス、初期結果、および失われた高速電波バーストのデータベース。張らら2020年、APJS 249 14

著者について

唐振凡

中国科学院紫金山天文台の高エネルギー時間領域天文学グループの博士課程学生。研究方向: 電波過渡源の観測とデータ処理。

張松波

中国・オーストラリア合同天文研究センター（ACAMAR）のポストドクター研究員。研究分野: 電波過渡現象の観測、データ処理、理論研究。

輪番編集長：杜富君

編集者：王克超