すばる極広領域深探査と機械学習による宇宙再電離の研究

点击翻译按钮获取中文摘要

本研究では、初期宇宙の銀河の光度関数や角度相関関数といった観測量をこれまでにない高い統計精度で求めるため、Convolutional Neural Network(CNN)と呼ばれる手法を用いて遠方銀河の大規模サンプルの構築を行った。すばる/Hyper Suprime-Cam(HSC)のすばる戦略枠プログラムによって取得された最新データ（SSP S18Aデータ）に含まれる、狭帯域フィルターNB387、NB816、NB921の撮像データを用いた。これにより、高赤方偏移から低赤方偏移まで広く銀河のサンプルを得ることができ、宇宙再電離期から現在に近い宇宙までの銀河進化を調べることが可能となる。本研究では、CNNによって赤方偏移z=2.2で約4000天体、z=5.7で約3000天体、z=6.6で約1000天体を選び出した。加えて、Cosmic HydrOgen Reionization Unveiled with Subaru(CHORUS)計画によって得られたNB387、NB527、NB718、NB973の撮像データでも同様にCNNによる遠方銀河サンプルを構築した。この研究で作成したCHORUS遠方銀河カタログは、インテンシティマッピング等の研究にも用いられている。上記の研究に加えて、多様体学習と呼ばれる機械学習の枠組みを用いて、撮像データを教師データなしで分類を行う研究を進めた。教師なし学習により、時間を要する教師データ作成の作成が不要となるうえ、人間がこれまで未発見であった天体種族の発見が期待される。本研究では、SDSS、HSC、ALMAのデータに適用を試みており、教師なし学習がノイズが大きい遠方銀河の撮像データの解析に有用であることを示した。