Towards optimal photometric calibration of digital astronomical plates with deep learning

夜空を、巨大で古めかしい図書館だと想像してみてください。1世紀以上にわたり、天文学者たちはデジタルカメラではなく、特殊な化学フィルムを塗布したガラスプレートを使用して星明かりを捉えてきました。これらのプレートは、数十年前、あるいは1世紀前の宇宙のスナップショットを保持しているタイムカプセルのようなものです。今日、科学者たちはこれらのプレートの何百万ものスキャンデータをコンピュータに取り込み、この歴史的なデータを用いて、星が時間の経過とともにどのように変化するかを追跡しようとしています。しかし、そこには落とし穴があります。これらの古い写真は扱いにくいのです。光を直線的で予測可能な形で測定する現代のデジタルカメラとは異なり、これらの古いプレートは、光に対して「うねうね」とした予測不可能な反応を示します。それらは、星がどれほど明るいか、何色か、そしてガラス上の正確にどの位置にあるかによって、「混乱」してしまうのです。もし、これらの癖を修正せずに古い写真を使って星の明るさを測定しようとすれば、数値は狂ってしまい、「図書館」は少しひどい状態になってしまいます。

ここで、ある天文学者のチームが新しいアイデアを持って登場しました。彼らは、これらの写真を修正する従来の方法は、まるで紐の端を一本だけ引っ張って結び目を解こうとするようなものだと気づきました。彼らには新しい道具がありました。それは「ニューラルネットワーク」と呼ばれる一種の人工知能です。このネットワークを、単に一つの手がかりを一度に見るのではなく、明るさ、色、位置といったすべての手がかりがどのように絡み合い、ねじれ、曲がっているかを同時に捉える、非常に賢い探偵だと考えてください。この探偵に古い写真の中に隠されたパターンを見つけ出す方法を教えることで、チームは以前よりもずっと上手くデータをクリーンアップする方法を見出し、これらの宇宙のタイムカプセルの真の可能性を解き放ったのです。

古い「レシピ」の問題点

長い間、天文学者たちはMYX25と呼ばれる手法を用いて、デジタル化されたプレートの誤差を修正しようとしてきました。あなたがケーキを焼いている場面を想像してください。レシピには、砂糖の量（明るさ）、小麦粉の種類（色）、そしてキッチンの温度（プレート上の位置）という3つの要素を調整する必要があると分かっています。古い手法は、これら3つの材料を完全に別々のものとして扱っていました。「よし、砂糖の部分を直し、次に小麦粉の部分を直し、最後にキッチンの温度の部分を直そう」という具合です。

しかし、ここでの問題は、現実の世界ではこれらの要素は単独では機能しないということです。論文では、古いプレートにおける「温度」（画像品質）は、その星がいかに「砂糖たっぷり」（明るい）であるかに応じて変化することがしばしばあると説明されています。明るい星は、プレート上の場所によって見え方が異なるかもしれませんし、暗い星も場所によって見え方が異なるかもしれません。古いレシピは、このつながりを見落としていました。科学者たちが古い手法を用いた後に残った「残り物」（誤差）を見たとき、そこには奇妙なリング状のパターンが現れていました。それはまるで、ケーキの中心は完璧なのに、端の方には奇妙な波紋が生じており、その波紋が砂糖の量に応じて変化しているかのようでした。

著者らは、コンピュータ・シミュレーションを実行してこれを証明しました。彼らは、画像の品質が星の明るさに応じて変化する偽のデータを作成しました。そして、この「個別の材料」を用いる古い手法を使用したところ、誤差は実際の乱れた写真と全く同じように現れました。これは、古い手法が、明るさと位置は「親友」であり、互いに結合している（あるいは密接に関係している）という事実を見逃していたことを示しています。

新しいスーパー探偵：MFF-Net

これを解決するために、チームはMFF-Net（Multi-Feature Fused Network）と呼ばれる新しいシステムを構築しました。MFF-Netは、明るさ、色、位置を別々の材料として扱うのではなく、まるで犯罪現場全体を一目で捉える探偵のように、これらすべてを一度に捉えます。

MFF-Netを、空の完璧な肖像画を描こうとしている、高度な訓練を受けた芸術家だと考えてください。この芸術家には、すべての星に対して4つの情報が与えられます。

1. プレート上での星の見かけの明るさ（計器等級）。
2. 星の色。
3. 星の位置（x座標とy座標）。

このネットワークは単に推測するのではなく、学習します。空間を理解するために、「フーリエ符号化（Fourier encoding）」と呼ばれる特別な技術を使用します。あなたが丘の形を説明しようとしている場面を想像してください。「中央が高い」と言うだけでは単純すぎます。あるいは、小さな隆起、緩やかな斜面、大きな曲線などをすべて一度に記述することもできます。MFF-Netは空に対してこれを行い、誤差の小さな隆起と大きな曲線を同時に学習します。明るい星が隅にある場合に、中心にある明るい星とは異なる補正が必要であることを学習し、ルールを教えられなくても、正確にどのように修正すべきかを自ら導き出します。

結果：宇宙の図書館の清掃

チームはこの新しい探偵を、1,200枚のデジタル化された中国の天文学プレートに対してテストしました。結果は目覚ましいものでした。

• 精度： 古い手法（MYX25）の誤差範囲は0.11から0.26等級（明るさの尺度）でしたが、新しいMFF-Netの手法はこれを0.08から0.18等級へと絞り込みました。これは大幅な改善であり、データをより鮮明にしています。
• 明るい星へのボーナス： 最大の勝利は、最も明るい星においてでした。これらの星に対して、新しい手法は古い手法よりも約2倍優れており、誤差を半分に削減しました。これは極めて重要です。なぜなら、明るい星は特定の天文学のタイプにおいて最も重要なことが多い一方で、以前は正確に測定するのが最も困難だったからです。
• リングの消失： 科学者たちがMFF-Netを使用した後の誤差マップを確認したところ、あの奇妙なリング状のパターンは消えていました。誤差は、奇妙な形に固まるのではなく、滑らかな紙のように均一に広がっていました。

論文は、この新しい手法は、見る場所や星の明るさによって画像品質が大きく変化する場合に最も効果を発揮すると示唆しています。たとえ、すでに数千の参照星を持つプレートにおいては、古い手法がすでにかなりの成果を出しているため、改善が小さく見えることがあったとしても、この新システムは明るい星に関して依然として輝きを放っています。

なぜこれが重要なのか

これは単に綺麗な写真を作るための話ではありません。過去を未来のために役立てるための話なのです。MFF-Netによってこれらの古いプレートをクリーンアップすることで、天文学者は1世紀前のデータを以前よりもずっと信頼できるようになります。彼らはこれらの歴史的なスナップショットを使用して、新しい望遠鏡の建設を待つことなく、星の進化、銀河の動き、そして宇宙の変化を研究することができます。著者らは、この新しいフレームワークを使用して中国のプレートのカタログを更新し、最終的には世界中の他の歴史的アーカイブにも適用し、埃をかぶったガラスプレートを、私たちの宇宙の歴史を覗き見る高精度な窓へと変えていく計画です。