Characterization of Ultracool Brown Dwarfs with Deep Optical Imaging

2017 Fiscal Year Annual Research Report

• Project/Area Number: 16H07414
• Research Institution: National Astronomical Observatory of Japan
• Principal Investigator: 小西 美穂子 国立天文台, 光赤外研究部, 特任研究員 (30780952)
• Project Period (FY): 2016-08-26 – 2018-03-31
• Keywords: 褐色矮星

Outline of Annual Research Achievements

昨年度に引き続き「可視光での超低温褐色矮星のキャラクタリゼーションのための指標確立」を達成することを目標に研究を進めた。すばるの可視光広視野の撮像装置HSCで得られた莫大なカタログデータの中から褐色矮星を同定するために、近年注目を集めている深層学習による分類を試みた。まずは、教師ありの多層パーセプトロンという手法によって、HSCの5色の色から褐色矮星がきちんと分類できるかを試みた。既知の褐色矮星を教師データに用いたところ、より低温の星（T型星）でうまく分類ができないことがわかった。多層パーセプトロン内のパラメータ（ユニット数、層の数、学習の反復数など）を調節することでこの問題の解決を試みたが、スペクトル型まできちんときめるような細かい分類は難しいことがわかった。
次に、褐色矮星とその他の天体（星や銀河）を区別することを試みた。教師データとして与える銀河の色はGalaxevというコードでの計算をもとに作成した。上記と同様の多層バーセプトロンを試みた結果、銀河はほぼ100%で分類できるのに対して、褐色矮星の認識率は非常に低かった。この原因としては褐色矮星の教師データが少ないこと（既知の褐色矮星が100個程度）が挙げられる。これは、恒星の進化モデルなどを用いて擬似的な褐色矮星を作ることで教師データの数を多くすることで解決できると考えられる。また、以外の特徴量（形など）も使うことも検討している。本助成による期間は終了したが、以上のことを考慮に入れてそして深層学習の専門家とも議論を交えて、引き続き研究を遂行し、褐色矮星の分類を達成する。そして学会や学術誌に広く公表する。
このような深層学習による分類手法を行うために大容量のパソコンや高性能のCPUが必要であったため、本年度の経費は主にこのような目的に当てている。

Research Progress Status

29年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

29年度が最終年度であるため、記入しない。