Astro-Hunters: Machine Learning for Exoplanet Transit Detection in TESS Photometry

太陽系外の世界の探索は、もはや人間の目が追いつけない地点に達している。TESSのような宇宙望遠鏡は空をスキャンし、数分おきに数千の星の明るさを記録しているが、そこで生成されるデータはあまりにも膨大で、天文学者が一行ずつ読み解くことは到底不可能である。この光の流れの中で、惑星がその恒星の前を横切る際、明るさに極めてわずかな、周期的な減少が生じる。これらの減少を見つけ出すことが新惑星を発見する主要な手法であるが、その信号はしばしば、恒星の活動や観測機器の癖によるノイズの奥深くに埋もれてしまう。長年、標準的なアプローチはコンピュータ・アルゴリズムを用いてこれらの減少を探すことであり、多くの場合、機械学習を用いて良質な候補とそうでないものを分類してきた。しかし、新しい研究によれば、これらコンピュータ・プログラムの成功は、アルゴリズムがいかに巧妙であるかよりも、むしろコンピュータが最初に「惑星とは何か」をどのように教え込まれたかに大きく依存しているという。

この研究の背後にある研究者、ファティマ・エマド・エルディン（Fatimah Emad Eldin）は、TESSミッションのデータから惑星を探査するための完全なシステムを構築した。彼らは特定の課題に焦点を当てた。それは、多くの軌道にわたってパターンが繰り返されるのを待つのではなく、単一の星の光のスナップショットの中から惑星のトランジット（通過）を特定しようとすることである。これは困難な作業である。なぜなら、単一のスナップショットでは、減少があまりに小さいため、ランダムな静止ノイズのように見えることがあるからだ。コンピュータを訓練するために、チームは確認済みの惑星を持つ12の既知の星系からライトカーブ（光度曲線）を集めた。そして、機械に「惑星のトランジット」がこのデータの中でどのような姿をしているかを教えなければならなかった。ここで、研究は決定的な転換点を迎えた。彼らは、自分たちの学習ラベルが完璧であると仮定するのではなく、どの種類の土壌が最高の作物を育てるかを見る科学者の実験のように、ラベルのソース自体をテストすべき変数として扱ったのである。

彼らが発見したことは驚くべきものだった。惑星探索マシンの性能は、学習データがどのようにラベル付けされているかに完全に依存して、激しく変動したのである。チームが不完全な手法を用いてラベルを作成した場合、具体的には、コンピュータに直前に見たパターンに基づいて自分自身の答えを推測させた場合、そのマシンは天才であるかのように振る舞い、ほぼ完璧な結果を出した。しかし、これは錯覚であった。コンピュータは単に、自分が書き上げたルールを暗記していただけであり、それは実際の惑星については何も意味しない循環論理であった。別のテストでは、正しい天文学的データを使用したものの、時間の計算において単純なミスを犯し、予想されるトランジットの窓を数千日ずらしてしまった。この場合、マシンはランダムな試行と同程度の性能しか発揮できず、惑星を一つも見つけることができなかった。これら二つの極端な例は、学習データの選択によって、マシンの成功率が29倍も変わる可能性があることを示した。これは、マシン自体の設計変更による変化よりもはるかに大きな差であった。

研究者たちがこれらのエラーを修正し、惑星が恒星の前を通過すべき正確な瞬間をマークするために、検証済みの精密な天文学的記録を使用したとき、マシンはようやく本来の役割を果たすことを学んだ。それは、完璧ではないものの、誠実で有用なレベルの精度でトランジット信号を識別することができた。しかし、最善の訓練を行ったとしても、マシンはある限界に突き当たった。研究によれば、調査したほとんどの恒星において、単一のスナップショットからの信号は、高い信頼性を持ってノイズと区別するにはあまりに微弱であった。データは、単一の星の明るさの測定における信号対雑音比（S/N比）がわずか2強であることを示しており、これは惑星による減少が、恒星自体の自然な揺らぎとほとんど変わらないことを意味していた。いかに賢いソフトウェアであっても、この物理的な限界を克服することはできない。つまり、単一のスナップショットには、情報そのものが存在していなかったのである。

次に研究者たちは、彼らの機械学習アプローチを、多くのスナップショットを積み重ねることで隠れたパターンを明らかにする「ボックス最小二乗法（Box Least Squares）」と呼ばれる古典的な非機械学習手法と比較した。既知の軌道周期に基づいてデータを折り畳む（フォールディング）ことに依存するこの古い手法は、単一スナップショットの信号があまりに弱く、いかなる機械学習分類器にとっても不可視であった星系を含む、12の星系のうち8つの軌道周期を正常に復元した。この結果は、これらの惑星を見つける鍵は、より強力なコンピュータではなく、多くの弱い信号を一つの強い信号へと結合させる行為にあることを裏付けた。適切に訓練された機械学習モデルは、潜在的なイベントをフラグ立てするための有用なツールにはなり得るが、データを時間軸で折り畳んで信号を可視化するという根本的な必要性を代替することはできない。

最終的に、本研究は、系外惑星を発見する上で最も重要なステップは、アルゴリズムの精緻さではなく、コンピュータを教えるために使用されるデータの完全性であると結論付けている。研究者は、学習ラベルの作成方法を変えるだけで、機械学習モデルを驚異的に成功しているように見せたり、あるいは全く役に立たないものにしたりできることを実証した。また、単一の瞬間におけるトランジットの特定という特定のタスクにおいては、星の光のノイズによって決まる物理的な限界が存在することも示した。最も効果的な道筋は、依然として伝統的な手法にある。すなわち、データを用いて時間の経過に伴う繰り返しのパターンを見つけ、その後に得られた候補を精査するために機械学習を用いることである。この論文は、コンピュータを導くラベルが内部的な推測ではなく、現実の天文学的事実に基づいていることを保証し、信号を積み重ねる忍耐なしには見つけ出すことが困難であることを再認識させることで、これらのシステムを正しく構築するための明確なロードマップを提供している。