コンボリューショナルニューラルネットワークで分析
新惑星発見に使われたGoogleの機械学習技術とは プロジェクト発案者が語る
GoogleとNASAは、機械学習技術の一つであるコンボリューショナルニューラルネットワークを用いて、新惑星を発見した。惑星探索に機械学習技術をどう活用したのか。
図 ライトカーブの学習用データ
Googleの機械学習技術の応用例には、同社と米国航空宇宙局（NASA）が共同で実施した太陽系外惑星の探索プロジェクトがある。プロジェクト発案者であるGoogle AI部門のシニアソフトウェアエンジニア、クリス・シャルー氏が報道機関向けセミナーで、新惑星発見までの過程について説明した。
併せて読みたいお薦め記事
機械学習技術でビジネスはどう変わるか
AIと機械学習のこれから
機械学習で新惑星を発見
GoogleとNASAが惑星の発見に利用したのは、機械学習技術の一種で画像分類を得意とする、コンボリューショナル（畳み込み）ニューラルネットワーク（CNN）だ。CNNは、写真の保管サービス「Google フォト」などに用いられている。
CNNを用いたシステムの構築後、GoogleとNASAは惑星3500個前後と、惑星の可能性が高い天体1万5000個ほどについて、それぞれのライトカーブ（詳細は後述）のデータを使って、惑星のデータとそうでないものを見分けられるようシステムに学習させた（図）。このシステムをテスト用ライトカーブでテストすると、96％の精度で惑星のデータかどうか見分けることができた。学習を終えた後に新たに取得したライトカーブのデータを読み込ませて、670個の恒星で、惑星がないかどうか分析すると、「ケプラー80g」「ケプラー90i」という2つの惑星が新たに見つかった。
本プロジェクトで用いたのは、NASAのケプラー宇宙望遠鏡で取得したライトカーブの公開データだ。ライトカーブは、天体の明るさを示す光度の変化を捉えた曲線のことを指す。望遠鏡で観測する恒星の光度（以下、観測光度）は、惑星が望遠鏡と恒星の間を通過する時に減少し、再度増す。このときのライトカーブはU字曲線を描く。恒星の観測光度は恒星黒点、宇宙線、連星（注）における他の恒星の通過など、惑星通過以外の要因によっても減少するが、それぞれのライトカーブの形状は異なる。
※注：複数の恒星が共通の重心の周りを回っている天体系。
従来ライトカーブのデータから惑星を探索するときは、ソフトウェアを用いて惑星の可能性を持ったデータを自動で検出した後に、惑星によるものかそうでないものかを人の手で精査してえり分けていた。ケプラー宇宙望遠鏡で取得したデータのうち、現在までに人力で追加検証したデータは3万件を超えており、そのうち約2500件のデータを惑星として判別したという。
今後の展開は
シャルー氏は「今後は生命体が存在できる、地球と似た条件の惑星を見つけたいが、それには課題がある」と言う。1つ目は、地球に似た条件の惑星は恒星からの距離が遠く、軌道を一周するのに時間がかかるため、多くのデータが集めづらいこと。2つ目は、地球サイズの惑星は比較的小さめで、恒星と望遠鏡の間を通過する時の観測光度の下降が認識しづらいことだ。これらの要因は、地球に似た惑星のデータを使った機械学習を難しくする。シャルー氏は「課題の解消に努めたい」と続ける。
今回使用した機械学習モデルはソフトウェアライブラリ「TensorFlow」で利用できる。シャルー氏は「学習モデルを開示することで、ケプラー宇宙望遠鏡だけでなく、別の望遠鏡で収集したデータを分析して新しい惑星発見につなげたい」と展望を語る。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
2
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
3
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
4
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
5
肥大化した「SFA」の沼 4カ月でBigQuery×AppSheetの新システムを構築した方法
-
6
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
7
「何から始めればいい？」 情報漏えい対策で悲鳴を上げる中小企業のリアル
-
8
ネットワールド、ICカード認証対応のシンクライアント構築アプライアンスを販売
-
9
ノベルティプレゼント「Windows 8 TシャツとOffice クリーニングクロスセット」
-
10
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
10
“あのファイル転送”で暗躍するノーウェアランサム
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー