太陽は静止した火の玉ではありません。それは、宇宙空間へと数百万マイルも広がる大気に包まれた、ダイナミックにうねる恒星です。コロナとして知られるこの外層は、超高温の粒子からなる希薄なガスであり、磁場とエネルギーを運びながら太陽から絶えず流れ出しており、これらは地球上の人工衛星や電力網に混乱をもたらす可能性があります。この大気を理解し、いつ噴出が起こるかを予測するために、科学者たちはその密度と構造を極めて精密に測定する必要があります。しかし、コロナを観察することは、目がくらむようなスポットライトの隣にある、かすかなろうそくの炎を見ようとするようなものです。私たちが目にするコロナの光は、研究対象である実際の輝くガスと、日光が塵に散乱したり、望遠鏡自体で迷光が反射したりすることによって生じる明るく霞んだ背景という、2つのものの混合物なのです。
数十年にわたり、SOHO宇宙機に搭載された大型角度分光コロナグラフ（LASCO）装置が、この太陽の大気を観測してきました。この装置は2種類の画像を取得します。1種類目は「全輝度（total brightness）」と呼ばれるもので、非常に頻繁に、1日に数十回撮影されます。これらの画像は明るく鮮明で、太陽の噴出が起きている際の形状を示しますが、明るい背景の霞に汚染されているため、ガスの真の密度を測定することが困難です。2種類目は「偏光輝度（polarized brightness）」と呼ばれるもので、こちらの方がはるかにクリアです。特殊なフィルターを使用して霞んだ背景光を遮断することで、これらの画像はコロナの真の構造を明らかにします。問題は、このクリアな画像が、おそらく1日に1、2回程度と、非常に稀にしか撮影されないことです。この遅いペースのため、科学者はコロナの急速な変化を見逃したり、十分なスナップショットが得られないために完全な3次元マップを構築できなかったりすることがあります。
アベリストウィス大学の研究チームは、このギャップを埋めるための新しい方法を開発しました。彼らは、膨大なデータから学習するディープラーニング（深層学習）の一種である人工知能に基づいたコンピュータプログラムを作成しました。「BT2PB」と名付けられたこのプログラムは、過去25年間に撮影された何千組もの画像のペアを用いて訓練されました。各ペアにおいて、プログラムは、ほぼ同時に撮影された「汚れた」全輝度画像と、それに対応する「クリーンな」偏光輝度画像を分析しました。これらの例を分析することで、コンピュータは、真のコロナガスと背景ノイズを区別する微妙なパターンを認識することを学習しました。プログラムは、頻繁に撮影されるノイズの多い画像を見て、もしその瞬間に撮影されていたとしたら、クリーンで高品質なバージョンがどのようになるかを予測することを学んだのです。
研究者がこの新しいツールをテストしたところ、驚くほど優れた成果が得られました。プログラムは、頻繁に撮影されるノイズの多い画像を、コロナの真の輝度のクリーンで高品質な予測画像へと見事に変換することに成功しました。平均して、予測は実際の測定値に対して約8〜12パーセントの誤差範囲内に収まりました。研究者たちは、このわずかな誤差の一部はコンピュータのミスによるものではなく、テストに使用された実際の物理的な画像自体に内在するノイズ（それらはしばに粒状で不完全である）に起因するものであると指摘しています。この制限があるにもかかわらず、改善の度合いは顕著です。このツールにより、科学者は望遠鏡が写真を撮る頻度と同じ、つまり1日に数十回という頻度で、高品質なコロナのビューを生成できるようになります。
この能力は、太陽の研究に新たな可能性を切り開きます。プログラムが安定したクリーンなデータを提供できるため、科学者は今や、ガスや磁場の巨大な噴出といった高速で移動する現象を、以前は不可能であった詳細さで追跡することができます。また、これらの頻繁で高品質な画像を使用して、トモグラフィーと呼ばれる、異なる角度からの多くの観測を必要とする技術を用いて、太陽の大気の三次元マップを作成することも可能です。以前は、クリーンな画像の撮影ペースが遅かったため、これらのマップはしばしば不完全であったり、作成不能であったりする期間がありました。今や、オンデマンドでクリーンなデータを生成できるようになったことで、研究者は太陽の構造と挙動を、より高い明瞭さとスピードで研究することができ、私たちの星が周囲の宇宙にどのように影響を与えているのかを理解することに近づいています。
技術要約：BT2PB – 深層学習を用いたLASCO C2全輝度観測に基づく太陽コロナの高頻度偏光輝度推定
問題提起
太陽およびヘリオスフィア観測衛星（SOHO）に搭載された広角コロナグラフ（LASCO）C2計器は、30年以上にわたり太陽コロナの連続的な観測を提供してきた。LASCO C2は、1日に数十回の全輝度（Bt）観測を行っているが、これらの画像には、偏光Kコロナ（Bk）、非偏光Fコロナ、背景星、および計器由来の迷光（stray light）が混在している。その結果、Btデータは、厳密な較正や背景減算を行わない限り、密度反転や質量推定といった定量的なコロナ科学には適さない。
対照的に、LASCO C2は偏光輝度（pB）観測を生成し、これによりFコロナや迷光成分を抑制してKコロナを単離することができる。しかし、pB観測は通常、1日に1、2回しか行われない。この低い観測頻度（ケイデンス）は、動的なイベント（例：コロナ質量放出：CME）の高解像度な時間的研究を妨げ、高密度な時間サンプリングを必要とするコロナ・トモグラフィーの有効性を制限している。BtからBkを導出する既存の手法は、長い時間窓にわたる複雑で計算コストの高い背景モデリングに依存することが多く、宇宙機のロール操作（姿勢変更）が行われる際には煩雑となる。
手法
著者らは、Bt観測から直接pBを推定するように設計された畳み込みニューラルネットワーク（CNN）フレームワークであるBT2PBを提示する。これにより、較正済み偏光データの観測頻度を、高頻度なBtの取得率にまで実質的に向上させる。
- データ準備: モデルは、2000年1月から2025年3月までに収集された、LASCO C2のBtとpBのペア観測24,161セットを用いて訓練された。データは、時間的な近接性（30分以内）および特定の計器構成（オレンジフィルター）を確保するためにフィルタリングされた。
- 入力表現: ネットワークは完全な2D画像を処理するのではなく、30のヘリオセントリック距離（2.3から6.0 R⊙の間で対数的に配置）および360の方向角（position angles）において抽出された1D輝度プロファイル上で動作する。これらのプロファイルは、128の方向角ビンにリサンプリングされる。
- ターゲット量: ネットワークは、pBを直接ではなく、対数比 R=log10(pB/Bt) を予測する。この定式化により、輝度値の広いダイナミックレンジにわたって訓練が安定する。最終的なpBは、pB=10log10(Bt)+R を通じて再構成される。
- ネットワークアーキテクチャ: モデルは以下の要素からなる1D CNNである：
- エンコーダー: 2つの1D畳み込み層。
- 4つの残差ブロック（ResBlock1D）: 特徴量の精緻化用。
- メタデータの注入: 8要素のメタデータベクトル（宇宙機のロール角、ヘリオセントリック距離、日ヘリオグラフィック緯度、および露光時間を含む）が多層パーセプトロン（MLP）を介して投影され、特徴量テンソルに加算される。これにより、ネットワークは時間とともに変化する計器的および軌道的な影響を考慮できる。
- デコーダー: 特徴量を元の出力形状へと投影する。
- 物理的制約（Physics-Informed Penalty）: pB>Bt（すなわち R>0）となる非物理的な予測に対してペナルティを与える損失項。
- 訓練: ネットワークは、複合損失関数（Rに対するMSEおよび物理ペナルティ）を用いてAdamWオプティマイザで訓練された。訓練は標準的なデスクトップCPUで行われ、約73エポックで収束した。
主な結果
- 精度: 2つの太陽周期にわたる2,279組のテストセットにおいて、モデルはヘリオセントリック高度2.3から6.0 R⊙の範囲で、pBの予測における平均絶対誤差（MAE）約**8–12%**を達成した。
- 誤差の分解: 著者らは、総MAEの約4%が、使用されたグラウンドトゥルース（真値）としての観測されたpB自体に内在するノイズやアーティファクトに起因しており、モデルの失敗によるものではないと推定している。したがって、BT2PBの予測のみに起因する誤差は**4–8%**と推定される。
- 太陽周期への依存性: パフォーマンスは太陽周期によってわずかに変動し、特に赤道付近のストリーマー領域において、より低い誤差が観察された。
- ロールに対する堅牢性: モデルは、宇宙機の180度のロール操作を効果的に処理できる。アブレーション研究によれば、ネットワークはBtプロファイル内の迷光パターンの非対称性からロール状態を暗黙的に学習しており、明示的なロール角のメタデータの寄与は無視できる程度であることが示された（ロール角を除去した場合のMAE増加は+0.18%）。
- ケーススタディ: 太陽極大期（2012年）および太陽極小期（2008年）の両方の条件における視覚的な比較では、コロナ構造の合致が極めて良好であり、予測されたpBは主要な特徴やストリーマーを捉えているが、モデルの結果は観測されたノイズの多いpBよりも滑らかになる。
意義および応用
本論文は、新しいハードウェアや複雑な背景モデリングを必要とせずに、既存のLASCO C2データセットに対して新たな科学的能力を提供できると主張している：
- 高頻度な動的解析: 頻繁なBt観測を較正済みのpBに変換することで、本来の希薄なpBケイデンスでは見逃されがちな、CMEのような動的なイベントの高時間分解能解析が可能になる。
- 質量および密度推定の向上: 高い時間分解能により、動的なイベントのより信頼性の高い質量推定が可能になり、コロナ密度診断が向上する。
- コロナ・トモグラフィー: BT2PBによって生成されたpBデータ（14日間で320枚の画像）がトモグラフィー・モジュール（CorTom-ML）の入力として使用されることを実証している。これにより、ネイティブな日次pBケイデンス（14枚の画像）では不可能であった、フルカバーの密度マップの提供が可能となる。
- 運用の効率化: この手法は計算効率が高く、標準的なCPUでの訓練に数分しか要さず、長期的な背景減算技術に代わる合理的な選択肢を提供する。
結論として、BT2PBは、数十年にわたるLASCO C2のBt観測から、高時間分解能の較正済み偏光データを引き出すための非常に効率的な経路を提供し、科学研究と運用的な宇宙天気予報の両方を支援するものである。
毎週最高の 天体物理学 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録