Galaxy Morphology Classification: Uncertainty Modeling and Out of Distribution Detection

宇宙は、それぞれが星、ガス、塵の広大な島である数十億の銀河で満たされています。一世紀近くもの間、天文学者たちはこれらの宇宙の島々を、その形に基づいて家族のように分類してきました。あるものは巨大な光の球体のように滑らかで丸く、またあるものは渦巻き腕を持つ平坦な螺旋形です。この「形態学的分類」と呼ばれる分類は、単なるカタログ作成ではありません。銀河の形はその歴史、どのように形成されたか、そしてどのように変化してきたかという物語を伝えているのです。しかし、現代の望遠鏡が前例のない鮮明さと量で空の画像を捉えるようになるにつれ、銀河の数は人間が一つずつ目で確認するにはあまりに膨大になりました。このペースについていくため、科学者たちは人工知能を利用し、コンピュータにこれらの形を自動的に認識させる方法を教えてきました。しかし、そこには落とし穴があります。標準的なコンピュータプログラムは、しばしば過剰に自信満々になってしまうのです。見たこともないような奇妙な銀河に遭遇したときでも、それらは既知のカテゴリーのいずれかに無理やり当てはめ、確信を持っていると主張してしまいます。これは、希少な発見や新しい発見を、偽りの自信という壁の背後に隠してしまう可能性があります。

インド工科大学ハイデラバード校の研究チームは、コンピュータにより賢い銀河分類の方法を構築することで、この問題を解決しようと試みました。彼らは、「アウト・オブ・ディストリビューション（分布外）」検出と呼ばれる特定の課題、つまり、画像が既知のグループに属していないことを認識する能力に焦点を当てました。ダークエネルギーカメラ・レガシーサーベイからの膨大な銀河画像のコレクションを用いて、彼らはディープラーニング・システムを訓練しました。それは、9つの標準的な銀河の形を識別するだけでなく、自身が確信を持てないときにそれを認めるようにするためです。研究者たちは3つの異なるアプローチをテストしました。1つ目は、基準として用いられる標準的な手法です。2つ目は、単にカテゴリーを推測するのではなく、銀河の特徴が既知のグループの中心からどれだけ離れているかを測定する新しい手法を導入したものです。3つ目は、この距離測定法と、同じ画像をわずかな変化を加えてコンピュータの脳の中に何度も実行させ、システムが自身の不確実性を評価できるようにする手法を組み合わせたものです。

結果は、新しい手法が標準的なアプローチよりもはるかに優れていることを示しました。距離ベースの手法を用いたシステムは、異常な銀河を見つける能力が大幅に向上し、既知の形状を97パーセントの精度で正しく識別しながら、それらを「未知」として正しく識別する能力をベースラインと比較して約90パーセント向上させました。決定的なことに、このシステムは「謙虚さ」を学びました。分類が困難な銀河や、異なる種類の混合物のように見える銀河に遭遇したとき、システムはラベルを強制しませんでした。代わりに、その銀河が既知の形状グループの中心から遠く離れていることを示すことで、不確実性を信号として送りました。この挙動は、既知のものを数えることだけでなく、希少なもの、奇妙なもの、そしてこれまで見られなかったものを見つけ出すことを目的とする将来のスカイサーベイにとって極めて重要です。

研究者たちはまた、距離法と複数パスの手法を組み合わせることで、システムがさらに信頼性が高くなることも発見しました。ネットワークの中に画像を何度も実行させることで、コンピュータは各パスによって回答がわずかに変化するかどうかを確認できました。もし回答が揺らいでいれば、システムはそれが曖昧な対象を扱っていることを理解できるのです。このアプローチにより、システムの信頼度スコアにおける誤差が約73パーセント減少し、これは、コンピュータが確信していると言うときは本当に確信しており、確信がないと言うときは、それが困難なケースであることを正しく特定していることを意味します。この研究は、コンピュータが類似性を測定する方法を変えること、つまり単なる確率ではなく幾何学的な距離に焦点を当てることで、馴染みのある銀河と、真に新しい、あるいは奇妙な銀河との間に、より明確な分離を生み出せることを実証しました。

この研究は、分類のスピードを向上させるだけでなく、プロセス全体の信頼性を変えるものです。かつては、自動化されたシステムが、希少な合体銀河を一般的な渦巻銀河として自信を持って誤分類し、独特な宇宙現象を記録から事実上消し去ってしまうことがありました。新しいフレームワークは、そのような異常を人間のレビューのためにフラグ立てすることを保証します。研究者たちは、コンピュータがランダムなノイズや背景のアーティファクトではなく、螺旋腕や中心のバルジといった画像の正しい部分に注意を払っていることを検証しました。システムが間違いを犯したときは、多くの場合、銀河自体の特徴が混ざり合っており、システムがその混乱を高い不確実性を通じて正しく反映していたためでした。

この研究の含意は重大です。次世代の望遠鏡は、まもなく数十億の銀河の画像を捉えることになりますが、その量は手作業によるチェックを不可能にします。既知のものを自動的に分類しながら、未知のものを確実に指し示すことができるツールを持つことは、次世代の宇宙現象を発見するために不可赦です。研究者たちは、彼らの手法は非常に効果的である一方で、不確実性のための複数のチェックを実行するために、より多くの計算能力を必要とすることを指摘しました。しかし、彼らは、自動化されたカタログを信頼し、奇妙で希少な銀河が気づかれずに見逃されることがないようにするためのコストとしては、これは小さな代償であると主張しています。機械に自身の知識の限界を認識させる方法を教えることで、天文学者は、コンピュータにルーチンワークを任せ、自分たちの注意を最も神秘的で魅力的な天体へと集中させることができるようになるのです。