AIがガイアデータから数千の恒星を分析、熱い準矮星を明らかに

ビリニュス大学の研究チームが、Gaia衛星のデータから機械学習を用いてホットサブドワーフという珍しい星を大規模に分類することに成功した。従来の手作業では対応不可能だった数万個の星々を、わずか数秒で自動判定できるようになったのである。

ホットサブドワーフは、恒星分類の常識から外れた星である。通常、ほとんどの恒星は「主系列」と呼ばれる一定の帯域に分布し、温度と光度の間に予測可能な関係を示す。だがホットサブドワーフは、この主系列より下側に位置する。極めて高い温度を備えながら、同時に異常に小さく暗いという一見矛盾した特性を示すのである。Gaia衛星が2013年の打ち上げ以来カタログ化した5億個以上の星のうち、ホットサブドワーフは60,000個程度に過ぎず、千分の一未満という極めて稀な存在である。天文学者の理論によれば、これらの星は連星系において相手方の星が巨大化した際に外層を剥ぎ取られた露出コアであり、通常の進化経路から大きく外れた独特な状態を示している。

研究チームはこの大量の候補天体を効率的に識別するため、畳み込みニューラルネットワーク（CNN）を構築した。既知の2,500個の星でAIを訓練した後、未知の17,500個の星を数秒で処理できるようになったという。従来のように星ごとにモデルをフィッティングし温度を調整して検証する方法では、この規模のデータに対応することは物理的に不可能だったはずである。興味深い点は、AIが物理的な方程式を事前に学んだのではなく、スペクトルデータから自動的に重要な特徴を抽出したことである。結果として、AIが発見した特徴パターンが物理学の既知の知見と一致していたことが、この手法の妥当性を示している。この研究は、数学・情報学と天文学の領域を横断する国際的な協力の成果でもあり、異なる専門分野の知見がいかに相乗効果を生むかを実証している。

本研究の成功は、単なる天文学上の発見に止まらない。機械学習を用いた大規模データの自動分類という手法は、宇宙産業全体における観測データの活用可能性を根本的に拡大する可能性がある。Gaia衛星が2024年12月に次期データセット（DR4）をリリースする予定であり、今後さらに大量の天体データが蓄積される見込みである。この研究が確立した自動分類技術は、今後の宇宙観測プロジェクトにおいて膨大なデータから有用な情報を効率的に抽出する標準的な手段となる可能性を示唆している。

日本の製造業にとって、この動向は複数の層面で関連している。宇宙観測衛星のセンサー技術や、大規模データを処理するための計算機リソース、AIモデルの訓練・運用に必要な計測・制御機器など、様々な領域での需要が増加する可能性がある。また、このような大規模な科学プロジェクトが継続・拡大する過程において、部品サプライヤーに求められるのは、単なる性能だけではない。高い信頼性と精密性を備え、長期間安定して動作する部品供給体制の構築が、宇宙産業のサポーターとしての製造業の重要な役割となるだろう。

※ 内容の紹介はここまでです。続きは元記事をご覧ください。