2018 Fiscal Year Research-status Report
工学的アプローチに基づいた，宇宙自然プラズマ波動の自動識別・知識発見に関する研究
| Project/Area Number |
17K05668
|
|---|
| Research Institution | Japan Aerospace EXploration Agency |
|---|
Principal Investigator |
松田 昇也 国立研究開発法人宇宙航空研究開発機構, 宇宙科学研究所, 宇宙航空プロジェクト研究員 (20772213)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
長谷川 達人 福井大学, 学術研究院工学系部門, 講師 (10736862)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 機械学習 / あらせ衛星 / プラズマ波動 |
|---|
| Outline of Annual Research Achievements |
本研究では，機械学習をはじめとする工学的アプローチによって，地球周辺で観測されるプラズマ波動現象を識別し，理学研究の促進に生かすことを目指している．本年度は，2016年に我が国が打ち上げたジオスペース探査衛星「あらせ」に搭載された，プラズマ波動観測器（PWE)のプラズマ波動観測データを用いて，特に「混成共鳴放射（Upper Hybrid Resonance emission)」と呼ばれる現象の自動抽出を行う手法を研究した．混成共鳴放射が現れる周波数は，その場の電子密度と密接な関係があることが知られており，混成共鳴周波数から求まる電子密度は，波動粒子相互作用をはじめとする物理過程を正しく理解するための基礎パラメータとして広く活用されている．プラズマ波動観測データには，目的とする現象以外に，人工雑音や種々の自然現象が同時に受信されることがしばしばあり，混成共鳴周波数の同定は専門家による周波数スペクトルの目視確認によるものが一般的であった．しかしながら，大量の観測データを目視で確認するための負担は計り知れず，これを打開するために機械学習のアプローチで解決を狙った．複数のアルゴリズムを実装して評価したところ，CNN（Convolution Neural Network)のResNetアルゴリズムを用いることで高精度の現象抽出が可能であることを発見し，実用化に向けた検証を進めた．今後は，実用化に向けた検討を重点的に実施し，近い将来に専門家による目視作業にとって代わるシステムを作り上げる，
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初目的としていたプラズマ波動の自動抽出を，機械学習アルゴリズムを適切に実装することで達成している．
|
| Strategy for Future Research Activity |
実用化に向けた手法のブラッシュアップや，さらなる精度向上を狙った改良を進め，近い将来に専門家による目視作業にとって代わるシステムを作り上げる，
|
| Causes of Carryover |
翌年度に複数報の論文出版を予定しており，論文出版費として使用するために次年度使用額として繰り越す．
|
