Machines to Learn the Multi-scale Physics of Galaxies

概要

学位報告４

別紙４
報告番号

※

甲

第

主

号

論

文

の

要

旨

論 文 題 目 Machines to Learn the Multi-scale Physics of Galaxies
(データ科学的方法によるマルチスケール銀河物理の解明)
氏

名 クレ ナワラゲスチェータマナカル
（COORAY Nawalage Suchetha Manakal）

論 文 内 容 の 要 旨
銀河とは,
星, 星間物質(ガスと星間塵), および暗黒物質の集合体である.
本研究では, 様々なデータ
*******
青字の部分は最終的に消去してください
********
科学的方法を駆使することで広い範囲のスケール(マルチスケール)の銀河物理学の解明を試みた. 銀河は
主論文の内容に関する価値判断は含めず、客観的な記述を述べるものとする。そのために、主観的な
外的作用(銀河合体, 物質の降着)および内的作用(星形成, フィードバック)を通じて進化する. これらの
表現は避ける。また、用語は理学者一般に理解できるものを用い、英語や専門用語は可能な限り避け
物理過程は, 1011m から 1024m までの広い範囲のスケールに及ぶ. したがって, 銀河の物理を理解するには,
て、平易な表現を用いる。
宇宙論と天体物理学を組み合わせた包括的なマルチスケール理論が必要である.
本論文では, 銀河の理解
（避けるべき表現の例）
に近づくための新しいデータ科学的手法の開発と関連する物理現象の解析法を導入する.
・
「初めて（何かを）行なった」 初めてかどうかは、当時者の主観と価値判断に依存するので、単に
天文観測データは様々な理由から往々にして不完全である. この不完全性を解決することが不可欠であ
「（何かを）行なった」と記述する。
るが,
データの不完全性を扱う問題はしばしば不良設定問題(ill-posed)となっている.
即ち,単に
観測を再
・
「（何かの遂行に）
成功した」 成功か失敗かは、当時者の主観と価値判断に依存するので、
「（何
現する解は一意には定まらない. 申請者は次に上げる 3 つの重要な問題の解法を構築した. (1) 取得され
かを）遂行した」と記述する。
た「生の」天体画像は不要な前景天体, 人工的アーティファクト, 不良ピクセルの混入の悪影響を受けて
いる. 申請者は不完全な信号を再構築する柔軟で効率の高いアルゴリズムを近傍銀河の一酸化炭素撮像探
最初の段落（3
行程度）で、理学の視点から主論文の背景を説明する。
査プロジェクト(COMING)の電波画像に適用し, 観測条件の変動で生じた画像欠損を再構築することに成功
した. (2) 磁場は銀河形成理論にとって重要な要素である. しかしこの観測に用いるファラデートモグラ
フィという手法の限界のため, 観測データは情報が劣化した状態でしか得られない. 申請者は, ファラデ

次の段落（4
行程度）で、物理学の視点から主論文の背景をさらに詳しく説明し、主論文の研究目的等
ートモグラフィで劣化した情報を再構築する
2 つの手法(CRAFT および CRAFT+WS と名づけている)を開発し
を解説する。
た. 実データを模したシミュレーションに適用し, 既存手法に比べ宇宙磁場情報の再構築能力が格段に向
上したことを確認した. これは磁場から見た宇宙の物理情報取得と理解のための重要な手法を与える.
一方, 巨大化する天文データは完全すぎる(over-complete), 即ちデータの次元が高く冗長になってお

次の２、３段落（１段落
5-10 行程度）で、研究内容と結果を具体的に説明する。
り, 物理的直感で本質的性質を抽出することが難しい状況にある.
しかし, 現実の(超)高次元データの本
質的構造ははるかに低次元の部分空間に集中しており, ほとんどのデータは低次元の構造(部分多様体)を
形作ることが知られている(多様体原理). これは, 高次元データの元になった物理過程あるいは物理理論
はずっと少ない物理量に由来することを意味する.従って, 次元削減は機械学習が高次元データを低次元

最終段落（4
行程度）で、主要な結論を要約する。全体の字数は、1200 字程度を目安とする。
表現に変換することによってデータから物理情報を抽出する自然な方法を提供する.
申請者は, 公開され
ている多波長銀河探査データ RCSED を用い, 11 波長での銀河の光度が張るデータ空間
これら一連の研究により, 銀河進化を駆動するガス分布, 磁場, ガス流入を統合的に扱い, 進化の全体像
を構築するデータ科学的手法を与えた。