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

利用斯巴鲁深度探索和机器学习研究宇宙再电离

• 批准号: 19J20722
• 负责人: 伊藤 凌平
• 金额: $ 2.18万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-25 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J20722/
• 关键词: 遠方銀河; 機械学習

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。

This study is based on the measurement of the galactic luminosity and angular correlation of the early universe and the high statistical accuracy of the initial universe. Convolutional Neural Network (CNN) uses the large-scale construction of the distant galaxy as a means of building a network.すばる/Hyper Suprime-Cam(HSC)のすばる戦狠枠プログラムによってGet the latest されたデータ (SSP S18A データ) にまれる, narrow area フィルターNB387, NB816, NB921's image holder. High red square offset and low red square offset.き、Cosmic reionization periodからNowにNearlyいUniverseまでのGalaxy evolutionを Adjustmentべることがpossibleとなる. In this study, CNN selected approximately 4,000 celestial objects with z=2.2, approximately 3,000 celestial objects with z=5.7, and approximately 1,000 celestial objects with z=6.6. Kato, Cosmic HydrOgen Reionization Unveiled with Subaru (CHORUS) plans to use NB387, NB527, NB718, and NB973 to build the image of the distant galaxy.この研究で成したCHORUS Distant Galaxy カタログは, インテンシティマッピング and other のresearch にも用いられている. The above mentioned research is added, the multi-body learning is called, the machine learning is done, the group is used, the image is taken as a teacher, the classification is performed, and the research is carried out. Teacher なしStudy により, Time を Required する Teacher データ 成の成が となるうえ, 人间がこれまで不発见であったcelestial race の発见が看される. This research is applicable to SDSS, HSC, ALMA, and teachers. It is useful to learn the image of the Milky Way in the distance and the analysis of it.