機械学習を活用した新たな研究で天文学の謎を解明

Tokyoアメリカ合衆国エネルギー省のプリンストンプラズマ物理研究所の科学者たちは、新しいコンピュータプログラムを開発しました。このプログラムは機械学習を利用して、宇宙にあるプラズモイドと呼ばれるプラズマの小さな塊を探し出します。プラズモイドは、地球の磁場に影響を受ける宇宙空間である磁気圏で見つかります。

新しいプログラムはシミュレーションデータで訓練されました。宇宙船からのデータを調べてプラスモイドを検出し、磁気リコネクションを研究する予定です。この現象は、人工衛星や電力網に害を及ぼす可能性があります。

機械学習を活用することで得られる主要な利点はいくつかあります：

• プラスモイドを見つける能力を向上させる
• 磁気リコネクションの理解を助ける
• リコネクションによる影響への準備を支援する

「AIがシミュレーションデータを用いてプラスモイドを探すのは今回が初めてです」と、プリンストン大学プラズマ物理学プログラムの大学院生、ケンドラ・バーグステッド氏は述べました。この研究は計算機科学と磁気リコネクションの研究を組み合わせています。

科学者たちは、プラズモイドが磁気リコネクションに影響を与えるかどうかを調べようとしています。磁気リコネクションとは、磁力線が分裂して再び結合する現象であり、多くのエネルギーを放出します。この現象が地球の近くで起こると、人工衛星や電力網に障害を引き起こす可能性があります。

プラズモイドが大規模プラズマの再結合を加速する可能性があると考えている科学者もいますが、例えばプリンストン大学のハンタオ・ジ教授です。しかし、この考えはまだ確認されていません。研究者たちは、プラズモイドが再結合速度に影響を与えるかどうか、またプラズマ粒子にどれほどのエネルギーを与えるのかを調べようとしています。

このプログラムは不完全なデータを用いて、プラズモイドを正確に検出するように訓練されました。コンピュータモデルでは、プラズモイドは通常完璧な円形をしていますが、自然界ではそのような形は一般的ではありません。実際のプラズモイドを見逃さないようにするために、バーグステッド氏とジー氏は自然な変動を含むデータを使用しました。

関連記事:

昨日 · 22:00

排出削減なしでは危険なパタゴニアの降雪：氷河の保護可能性

「現実の世界は数学モデルよりも複雑です」とバーグステットは述べた。「そこで私たちは、変動のある実際のデータを使用してプログラムを教え込むことにしました。一定の電流ではなく、多少の変動を加えました。この方法の方がより詳細な情報をもたらすと考えています。」

ベルクステッドとジは、プラズモイドをモデル化するプログラムを作成していました。彼らは、機械学習が少量のデータから予測を立てられるため、天体物理学の研究で今後ますます活用されると考えています。

バーグステッドとジーは、NASAの磁気圏マルチスケール（MMS）ミッションのデータを用いて彼らのプログラムをテストする計画です。2015年に打ち上げられたMMSは再結合の研究を行っています。4機の宇宙船が地球の磁場に支配されたプラズマの中を通過することで、再結合を研究するのに理想的な条件を提供しています。

再結合の研究は困難です。私たちは太陽を遠くからしか観測できません。実験室のプラズマは宇宙のものと比べて小さいです。しかし、磁気尾には宇宙船が直接測定できる大規模なプラズマがあります。

ベルグステッドとジーは、プログラムを2つの方法で改良する予定です。まず、異なる種類のデータに対応するように調整し、新たなデータセットにも対応できるようにします。次に、このプログラムを使ってMMSデータを研究する予定です。

「私たちが示した方法は基礎的な例にすぎません」とバーグステッド氏は述べました。「まだ微調整を行っていません。モデルを改善し、実際のデータでテストし、その結果を観察することを目指しています。」

私たちの研究は、エネルギー省、NASA、そして国立科学財団からの助成金によって資金提供されました。