人工知能（AI）が宇宙カタログを書き換える：AnomalyMatchがハッブルデータで800の新たな謎を発掘

人工知能（artificial intelligence）の科学的発見を変革する能力を鮮烈に示す事例として、新しいAIツールが、人間の天文学者なら何年もかかったであろう作業を数日で成し遂げました。欧州宇宙機関（ESA）の研究チームは、AnomalyMatchというAIモデルをハッブル宇宙望遠鏡の膨大なアーカイブに渡って走らせることに成功しました。結果は、歪んだ重力レンズ（gravitational lenses）から「クラゲ（jellyfish）」銀河、そして現行の分類に抵触する天体までを含む、これまで記録されていなかった800件以上の宇宙的異常の宝庫でした。

この進展は、雑誌 Astronomy & Astrophysics に詳述されており、宇宙探査のあり方における重大な転換点を示しています。数十年にわたり、天文学の発見は主に標的観測や偶発的な発見に依存してきました—日常を探す過程で奇妙なものに出くわす、という方法です。現在では、AnomalyMatchにより、天文学者は偶然の発見のための体系的なエンジンを手に入れ、数十年分のデータを処理して宇宙の干し草の山から隠れた「針」を明らかにすることができます。

発見のエンジン：AnomalyMatchはどう動くか

現代天文学が直面している課題はデータの不足ではなく、むしろ圧倒的な過剰です。ハッブル宇宙望遠鏡だけでも35年にわたって宇宙を観測しており、何百万もの画像が集積されてHubbleレガシーアーカイブを形成しています。このアーカイブ内のすべての天体を手作業で異常な特徴がないか調べるのは、人間の時間感覚の限界を超えた作業です。

そこにAnomalyMatchが登場します。David O'RyanとPablo Gómezによって開発されたこのニューラルネットワークは、既知の天体を分類するだけでなく「異様さ」を認識するように設計されました。従来の、銀河をきれいに分類する（渦巻き、楕円、不規則など）ために訓練されたアルゴリズムとは異なり、AnomalyMatchは**教師なし学習（unsupervised learning）**の手法を利用して、確立された基準から大きく外れる外れ値を特定します。

このツールの効率は驚異的です。研究者たちはほぼ1億枚の画像切り出しを解析するようAIに課しました。これらはそれぞれ空の小さなパッチで、約7〜8角秒四方を表します。単一のGraphics Processing Unit (GPU) 上で、AnomalyMatchはこのデータの山をわずか2.5〜3日で処理しました。

「ハッブル宇宙望遠鏡のアーカイブ観測は現在35年に及び、天体物理学的異常が見つかる可能性のある豊富なデータを提供している」と、本研究の筆頭著者であるDavid O'Ryanは述べています。しかし彼は、AIなしではこの潜在力はほとんど活用されないままであると強調しました。というのも、「専門家が手作業で必要な細部レベルまで仕分けするにはデータが単純に多すぎる」からです。

1億から1,400へ：ヒューマン・イン・ザ・ループ

AIが速度を提供した一方で、検証には人間の専門知識が必要でした。このワークフローは、科学的AI応用でゴールドスタンダードになりつつある「ヒューマン・イン・ザ・ループ」モデルを表しています。AnomalyMatchが教科書を書き換えたわけではなく、むしろ超効率的なフィルターとして機能しました。

1億枚の切り出しのうち、AIは統計的に異常と見なされる約1,400の天体をフラグしました。この扱いやすいショートリストにより、O'RyanとGómezは詳細な手動検査を行うことができました。結果は印象的で、1,400の候補のうちおよそ1,300が実際に本物の異常であると研究者らは確認しました。

重要なのは、これらの天体の一部は以前に目撃されていたものの、そのうち800以上が科学界にとって完全に新しいものであった点です。これらは長年公開アーカイブに蓄積されていたが、人の目には見落とされていた天体であり、アルゴリズムがそれらを探すことを学ぶまで発見されませんでした。

奇妙なものたちの寄せ集め

プロジェクトが明らかにした異常は、宇宙で起きる最も激しく美しいプロセスの興味深い断面を提供します。AIは単一のタイプの天体だけを見つけたのではなく、多様な宇宙の奇異を発見しました。

最も科学的に価値の高い発見のひとつは**重力レンズ**です。これは、前景の巨大な銀河がより遠方の銀河の光を曲げ、弧やリング、または複数像を作り出す現象です。研究では86件の新たな重力レンズ候補が特定されました。これらは自然の望遠鏡として重宝され、より遠い過去を観測したり暗黒物質の分布をマッピングしたりするために重要です。

しかし最も一般的に見つかった異常は銀河合体でした。AIは銀河が衝突している事例を417件検出しており、これは星形成を引き起こし銀河構造を再形成する混沌としたプロセスです。

AnomalyMatchによって発見された主な異常

おそらく最も興味深いのは、研究者がまったく分類できなかった天体です。フラグ付けされた対象のうち約43は、すべての標準的なカテゴリに当てはまりませんでした。これらの「未知のもの」は発見の最前線を示しており、解明にはジェームズ・ウェッブ宇宙望遠鏡（JWST）による追観測が必要となるかもしれません。

データ洪水への備え

AnomalyMatchの成功は、ハッブルのバックログを片付けたこと以上の意味を持ちます。それは天文学の未来に対する概念実証です。我々は現在、「データの洪水（data deluge）」の瀬戸際に立っています。

ESAのEuclidミッション、NASAのNancy Grace Roman Space Telescope、および地上のVera C. Rubin Observatoryのような今後のミッションは、ハッブルをはるかに凌駕する規模のデータを生み出します。Vera Rubin Observatoryだけでも、毎晩20テラバイトのデータを取得すると見積もられています。

「データ量は爆発的に増えるだろう」と、本研究の共著者であるPablo Gómezは述べました。「従来の手作業による検査やGalaxy Zooのような大規模な市民科学の取り組みでさえ、そのような量には対処しきれなくなるでしょう。」

この文脈では、AnomalyMatchのようなAIツールは贅沢品ではなく必要不可欠なものになります。これらは第一の防衛線として機能し、ノイズの中から重要な信号をふるい分けて天文学者に通知します。稀で奇妙な事象—例えばたった今爆発した超新星、予期しない軌道を移動する小惑星、あるいは異常な振る舞いをする銀河—を自動的に探索することで、それらがアーカイブの中に埋もれないようにします。

結論

古いデータから800以上の新たな宇宙的異常が発見されたことは、新しいツールで過去を見直すことの力を示しています。発見は必ずしもより大きな望遠鏡を作ることだけではありません。ときには、より賢いアルゴリズムを作ることが重要なのです。Creati.aiが人工知能と科学の交差点を見守り続ける中で、天文学者の役割は進化していることが明らかです。未来の天文学者は単に星を観測する者ではなく、それらを見守る知性を設計する者となるでしょう。