Strong Gravitational Lensing Posterior Sampling in Pixel-Space Using Diffusion Models and Recurrent Inference Machines

宇宙を巨大な、宇宙規模のファンハウス（不思議の国のアリスのような、仕掛けだらけの屋敷）だと想像してみてください。時として、手前にある巨大な銀河の重力が、背後に隠れた遠方の銀河からの光を曲げる、歪んだ鏡のような役割を果たします。この現象は強い重力レンズ効果と呼ばれます。遠方の銀河の単一で鮮明な画像を見る代わりに、私たちはその銀河が複数に分かれ、歪み、引き伸ばされた像を見ることになります。これらはしばしばリングや弧（アーク）の形を作ります。

なぜこれが重要なのでしょうか？ それは、これらの「宇宙のファンハウスの鏡」が強力なツールだからです。光がどのように曲がるかを研究することで、天文学者は手前の銀河を構成する目に見えない「ダークマター（暗黒物質）」の重さを量ることができます。また、宇宙がどれほどの速さで膨張しているかを測定したり、そのままではあまりに暗すぎて見ることができないほど遠方にある銀河を覗き見たりすることもできます。しかし、そこには落とし穴があります。これらの歪んだ画像を元の形へと逆再生（リバースエンジニアリング）するために必要な数学的計算は、非常に困難なのです。それは、まるで、影だけを見て、しかもその影がぼやけてノイズ（静電気のような雑音）を含んでいる状態で、くしゃくしゃになった紙の正確な形を突き止めようとするようなものです。長い間、科学者たちは銀河がどのような形をしているかを推測するために、単純で硬直した形状を用いるしかありませんでしたが、それはしばしば誤った答えを導いてきました。

本論文では、**拡散再帰推論マシン（Diffusion Recurrent Inference Machines: DiRIM）**と呼ばれる一種の人工知能を用いて、このパズルを解くための巧妙で新しい方法を紹介します。ギュイヨーム・ペイエールとそのチームは、単一の答えを推測するだけでなく、その銀河がどのような姿であるかという可能性の全範囲を示す、一連の解の「家族」を生成するシステムを作り上げました。彼らはこの手法を、宇宙の現実的なコンピュータ・シミュレーションを用いてテストし、その結果、宇宙の画像の「ノイズ」や静止画レベルに至るまで、驚異的な精度で再構成できることを明らかにしました。

宇宙の探偵ゲーム

強い重力レンズを、宇宙の探偵ゲームだと考えてみてください。あなたには犯罪現場（望遠鏡を通して見える歪んだ画像）があり、2つのことを突き止める必要があります。すなわち、「犯人がどのような姿であったか（背景の銀河）」と、「武器は何であったか（手前の銀河の重力）」です。問題は、「武器」が目に見えないダークマターでできており、「犯罪現場」が乱雑にスクランブルされた画像であることです。

かつて、探偵（天文学者）たちは、犯人と武器が完全な円や滑らかな楕円のような単純な形をしていると仮定しなければなりませんでした。しかし、実際の銀河は乱雑で、デコボコしており、複雑です。複雑な現実を単純な形に無理やり押し込めると、細部を見落としてしまいます。それは、嵐の海の詳細な絵を、わずかな基本色だけで説明しようとするようなものです。波の質感や雲の奥行きが失われてしまいます。

著者たちは、このケースを適切に解決するためには、この「乱雑さ」に対処できる手法が必要であることに気づきました。彼らは、2つの強力なAI技術、**拡散モデル（Diffusion Models）と再帰推論マシン（Recurrent Inference Machines: RIMs）**を組み合わせました。

「デノイジング」と「反復思考」の魔法

彼らの新しいツールがどのように機能するかを理解するために、隠された絵がどのようなものかを推測しようとしている場面を想像してください。ただし、手元にあるのは、厚い渦巻く霧に覆われたバージョンだけです。

拡散モデルは、何百万もの銀河を見てきた熟練の芸術家のようなものです。彼らは、銀河が通常どのような姿をしているかを知っています。AIは、完全にランダムで霧に包まれたピクセルの塊からスタートします。そして、銀河が本来どのような姿であるかという知識を用いて、霧の層を一層ずつ剥ぎ取り、画像を「デノイズ（ノイズ除去）」していきます。これは、彫刻家が石から彫り出すのではなく、AIがノイズを削り取っていく様子に似ています。

しかし、パズルには第2の部分があります。「武器（手前の重力）」が光の曲がり方を変えるという点です。ここで**再帰推論マシン（RIMs）**が登場します。RIMを、一度の推測で終わらない探偵だと考えてください。代わりに、それはループの中で考えます。推測を行い、その推測がスクランブルされた画像とどれほど一致するかをチェックし、間違いを見つけ、そして推測を洗練させます。これを何度も繰り返すことで、ステップごとに賢くなっていきます。

著者たちは、これら2つのアイデアをDiRIMへと統合しました。拡散モデルは、銀河がどうあるべきかという「芸術的な直感」を提供し、RIMは、その推測が特定のスクランブルされた画像に完璧に適合することを保証する「探偵の論理」を提供します。AIは推測を反復的に洗練させ、実データに対して数学的な整合性を常に確認しながら、霧を剥ぎ取っていくのです。

結果：目に見えないものを見る

チームは、数千もの模擬銀河衝突を用いてDiRIMシステムを訓練しました。彼らは、AIに対して「正解（元の銀河と重力のマップ）」と「スクランブルされた結果（レンズ効果を受けた画像）」の両方を知っている何百万もの例を入力しました。

未知のシミュレーションに対してシステムをテストした際、結果は素晴らしいものでした。AIは単なるぼやけた推測を生み出すのではなく、銀河の真の複雑さを捉えた、起こりうる画像のセットを生成しました。

• 乱雑さへの対処： 手前の銀河が複雑でデコボコした構造（ダークマターの複数の塊など）を持っていた場合でも、DiRIMは背景の銀河を正確に再構成できました。
• ノイズ限界への到達： 著者たちは、彼らの再構成があまりに優れているため、推測と実際のデータの間の残差が単なるランダムな静止画（ノイズ）に過ぎないことを示しました。科学的な言葉で言えば、彼らは観測を「ノイズレベルまで」モデリングしたのです。
• 隠れた詳細の発見： あるテストでは、システムはデータの中に隠れていた小さな「サブハロ（小さなダークマターの塊）」を検出することに成功しました。これは、従来のメソッドでは非常に困難なことです。

論文では、彼らの手法を従来の「単純な形状」によるアプローチと比較しています。科学者が複雑でリアルな外観を持つ銀河を、従来の硬直した形状を用いてフィッティングしようとすると、結果は偏りがあり不正確になりました。一方、ピクセル単位の柔軟なアプローチを持つDiRIMは、真の形状を完璧に捉えました。

なぜこれが重要なのか

これは単なる理論的な演習ではありません。数年以内に、ルービン天文台やユークリッド宇宙望遠鏡のような大規模な新しい望遠鏡によって、10万個以上のこれらの重力レンズが見つかると予想されています。それは、処理すべき膨大なデータ量です。もし天文学者が、これらすべてを古い硬直した手法で分析しようとすれば、ダークマターや宇宙の膨張に関する重要な詳細を見逃してしまうでしょう。

DiRIMの手法は、このデータの洪水に対処する方法を提供します。それは高速で、柔軟であり、高精細に宇宙を捉えることができます。著者らは、現在の結果が（まだ実際の望遠鏡のデータではなく）コンピュータ・シミュレーションに基づいていることも注記していますが、これらのテストの成功は、このAIがまもなく、宇宙のファンハウスの鏡に隠された秘密を解き明かすための標準的なツールになる可能性を示唆しています。それは、乱雑で不可能なパズルを、一度に1ピクセルずつ解けるゲームへと変えてくれるのです。