Google AI、ディープラーニングでケプラー望遠鏡データから2つの新系外惑星を発見

TensorFlowモデルが96%の精度で惑星と非惑星を識別、Kepler-90iとKepler-80gを発見

何世紀にもわたり、人々は星々を見上げ、パターンを認識し、観測を記録してきました。ギリシャ人は不規則な動きをする天体を「さまよい星（planētai）」と呼び、これが惑星の語源となりました。次第に、太陽系に複数の惑星が太陽の周りを公転していることが分かりました。デジタルカメラ、宇宙飛行、望遠鏡光学、コンピュータなどの現代技術により、太陽系外、数千光年彼方の惑星（系外惑星）を検出・識別できるようになりました。しかし、系外惑星の発見は極めて困難です。恒星に比べて小さく、冷たく、暗いためです。現在、機械学習技術を用いて系外惑星を精度よく発見しています。Googleはその一つの技術を用い、黄色矮星ケプラー90を公転するKepler-90iと、ケプラー80を公転するKepler-80gの2つの系外惑星を発見しました。その手法を解説します。

使用データ

系外惑星探索の主たる方法は、NASAのケプラー宇宙望遠鏡が捉えた膨大なデータを手動解析と自動ソフトウェアで分析することです。4年間で約20万個の恒星を観測し、30分ごとに画像を取得しました。ケプラーの唯一の科学機器である光度計は、固定視野内の14万5千個以上の主系列星の明るさを継続的に監視します。これらのデータは地球に送られ、恒星の周りを公転する系外惑星による周期的な減光を特定するために詳細に調べられます。これにより約140億のデータポイントが生成され、約2000兆通りの惑星軌道の可能性に相当します。最強のコンピュータでも処理に膨大な時間を要するため、Googleはディープラーニングツールと技術を用いて高速化・効率化を図りました。

機械学習アプローチ

機械学習は、コンピュータに特定パターンを認識させる人工知能の一形態で、大量データの理解に特に有用です。ここでは、特定ルールでプログラミングするのではなく、訓練と例示によって機械に学習させる考え方です。ディープラーニングは機械学習の一種で、計算層を用いて分類問題に有用な複雑な特徴を段階的に生成します。例えば、深層画像分類モデルは最初に単純なエッジ特徴を認識し、それを用いてコーナーや曲線を検出し、最終的な特徴層で複雑な物体を識別します。ディープニューラルネットワーク（ディープラーニングモデルの一種）は、画像分類など複数のタスクで最先端の性能を発揮し、手設計特徴を用いたモデルより優れることが多いです。ニューラルネットワークは、予測が訓練セットの真のラベルからどれだけ離れているかを測るコスト関数を最小化するよう訓練されます。

Google AIチームは、1万5千以上のケプラー信号データセットを用いて、惑星と他の天体を区別するTensorFlowモデルを作成しました。このシステムは、実際の惑星のパターンと、連星や恒星黒点など他の天体によるパターンを検出・認識する必要があります。ケプラー閾値超過イベント（TCE：通過惑星と一致する可能性のある検出周期信号）を自動的に調べるディープニューラルネットワークを開発しました。モデルは光度曲線を入力とし、人間が分類したケプラーTCEセットで訓練されています。入力ビューは別々の畳み込み列を通じて供給され、これは以前の画像分類で成功した手法です。実際の通過系外惑星と、機器アーティファクト、食連星、恒星変動性などの偽陽性の微妙な違いを、十分な精度で区別できます。

結果

モデルをテスト信号で評価したところ、惑星由来の信号と非惑星由来の信号を96%の精度で正しく区別しました。また、98.8%の確率で、妥当な惑星信号を偽陽性信号より上位にランク付けしました。探索を絞り込むため、既に2つ以上の系外惑星を持つ670個の恒星を観測しました。処理中にKepler-90iとKepler-80gの2つの新系外惑星を発見しました。Kepler-90iは、既に7つの通過惑星を持つことが知られていたケプラー90の周りを公転しています。一方、Kepler-80gは、ケプラー80恒星の周りの5惑星連鎖の一部で、公転周期が3体ラプラス関係による予測とほぼ一致しています。

• Kepler-80g：地球より約13%大きく、系の最外惑星。公転周期14.6日、傾斜89.35°（+0.47/-0.98）。
• Kepler-90i：地球より34%大きく、公転周期14.45日。地球から2545光年、りゅう座方向。ケプラー90c（8.7日）とケプラー90d（59.7日）の間に位置し、表面温度は極めて高い436℃。

今後の展望

ディープニューラルネットワークの可能性は無限大です。20万個の恒星のうち、モデルはわずか670個のみを探索しました。ケプラーのデータには、まだ数十万個の未発見系外惑星が眠っている可能性があります。ディープラーニングのような新技術が、天文学者と物理学者が人間の手の届かない領域を切り開く手助けとなるでしょう。将来的には、訓練セットの拡大（シミュレーションデータやラベルなしデータの取り込み）、恒星変動性による偽惑星分類を減らすファインチューニング、重心情報の入力表現への追加、ローカルビューのセグメント分割による通過の一貫性分析などで、モデルの精度向上と既知の偽陽性タイプの削減が可能です。