宇宙が現在の姿になるまでの経緯と、その最終的な行く末を理解することは、科学における最大の課題の一つである。晴れた夜空に無数の星が輝く光景は、この問題の大きさをある程度感じさせてくれるが、それは話のほんの一部にすぎない。より深い謎は、少なくとも直接には見ることのできないもの、すなわち暗黒物質と暗黒エネルギーの中にある。
暗黒物質が宇宙を引き寄せ、暗黒エネルギーが宇宙の膨張を加速させている中で、宇宙論学者がモデルを精緻化するには、この二つがどれだけ存在するのかを正確に把握する必要がある。
現在、研究者たちは人工知能を用いて、宇宙の暗黒物質量を推定する標準的な手法を改良する取り組みを進めている。彼らは、宇宙論的データ解析に最先端の機械学習アルゴリズムを用いたが、そのアルゴリズムは、Facebookなどのソーシャルメディアが顔認識に用いているものと多くの共通点を持っている。
宇宙における顔認識
夜空を撮影した画像には認識すべき顔は存在しないが、宇宙論学者たちは依然として、それに類似したものを探している。
「Facebookは、そのアルゴリズムを用いて画像中の目や口、耳を見つけ出す。私たちは、同じような手法で暗黒物質と暗黒エネルギーの特徴的な痕跡を探している」と、ETHチューリッヒの素粒子・天体物理学研究所でAlexandre Refregier氏のグループに所属する研究者、Tomasz Kacprzak氏は語る。
暗黒物質は望遠鏡の画像では直接観測できないため、物理学者は次の事実に頼っている。すなわち、暗黒物質を含むすべての物質は、遠方の銀河から地球に届く光線の経路をわずかに曲げるという事実である。「弱い重力レンズ効果」として知られるこの現象は、それらの銀河の像を非常にかすかに歪ませる。これは、晴れた暑い日に、異なる温度の空気の層を光が通過することで、遠くの物体がぼやけて見えるのとよく似ている。
宇宙論学者は、この歪みを逆算的に利用して、暗黒物質の所在を示す空の質量地図を作成することができる。次に、彼らはそれらの暗黒物質地図を理論的予測と比較し、どの宇宙論モデルがデータに最もよく一致するかを突き止める。従来、これは地図の各部分が互いにどのように関係しているかを示す、いわゆる相関関数などの、人間が設計した統計量を用いて行われてきた。しかし、そうした統計量は、物質地図の中の複雑なパターンをどれほどまくと見つけられるかという点で限界がある。
自ら学習する
「最近の研究では、全く新しい方法論を用いました」と、Refregier氏は語る。「適切な統計解析を自分たちで考案するのではなく、コンピュータにその仕事を任せたのです。」ここで登場するのが、コンピュータサイエンス学部のData Analytics LabのAurelien Lucchi氏とその同僚たちである。筆頭著者のJanis Fluri氏は、Refregier氏のグループの博士課程学生であり、彼と共に研究者たちは、深層人工ニューラルネットワークと呼ばれる機械学習アルゴリズムを用い、暗黒物質地図から可能な限り多くの情報を抽出できるよう学習させた。
最初の段階として、科学者たちはシミュレートされた宇宙を表すコンピュータ生成データをニューラルネットワークに与えることで、学習させた。これにより、各シミュレーション暗黒物質地図について、特定の宇宙論パラメータ（例えば、暗黒物質と暗黒エネルギーの総量の比率）の正解が何であるべきかを、あらかじめ把握することができた。
暗黒物質地図を繰り返し解析することで、ニューラルネットワークは、そこから適切な種類の特徴を探し出し、目的とする情報をますます多く抽出する方法を自ら学習した。Facebookのたとえでいえば、無作為な楕円形の形状と目や口を見分ける能力が向上したということである。
人間を上回る精度
その学習の結果は有望であった。ニューラルネットワークは、人間が作成した統計解析に基づく従来の手法で得られた値よりも30%高い精度の値を算出した。宇宙論学者にとって、これは大きな改善である。望遠鏡画像の枚数を増やして同じ精度に到達するには、2倍の観測時間が必要となり、それは多大なコストを伴うからである。
最後に、科学者たちは、十分に学習させたニューラルネットワークを用いて、KiDS-450データセットの実際の暗黒物質地図を解析した。
「このような機械学習ツールが、この分野で用いられたのは初めてです」とFluri氏は語る。「そして、深層人工ニューラルネットワークにより、従来の手法よりも多くの情報をデータから抽出できることがわかりました。宇宙論におけるこの機械学習の活用は、今後多くの応用につながると考えています。」
次の段階として、彼とその同僚たちは、この手法をDark Energy Surveyのような、より大規模な画像セットに適用する計画である。また、暗黒エネルギーの性質に関する詳細など، より多くの宇宙論パラメータや改良点をニューラルネットワークに与える予定である。
