2021 Fiscal Year Annual Research Report
小天体探査における科学的成果の最大化：最適なデータ獲得・自動分析手法に関する研究
| Project/Area Number |
21J21798
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
清水 雄太 東京大学, 工学系研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2021-04-28 – 2024-03-31
|
| Keywords | 小天体探査 / 深層学習 / 物体認識 / 岩石粒子 / 天体表層の進化 |
|---|
| Outline of Annual Research Achievements |
近年小天体の推進により、多くの高解像度画像が獲得され、これまでは地上観測による予測に基づいていた小天体表層の描像が大きく明らかになってきた。天体表層の地質学的特徴は多岐にわたるが、特に予想に反して無数の岩石粒子で覆われていることが判明した。これら無数の岩石粒子は、天体表層の形成および進化の過程に関する情報を多く含むと考えられる。ところが数が膨大であり、これまで広く行われてきた手動による解析には限界がある。そこで岩石粒子を客観的かつ効率的に記載し、解析するため、深層学習を用いた自動識別手法の開発に取り組んだ。
まず、オサイリスレックスミッションにより獲得された小惑星ベヌー表層の高解像度画像を解析し、大量の岩石粒子の輪郭に関する教師データを作成した。次に大規模ワークステーションを用いて深層学習のモデルを学習させた。学習したモデルを用いて自動識別の精度を算出し、現状手動による解析と比較して約80 %の精度で自動識別できることが分かった。
さらにその学習モデルを用いて他の高解像度画像を分析し、小惑星ベヌーの一領域について、大量の岩石粒子の位置、サイズ、形状などについて記載を行い、分析した。その結果、ある程度小惑星ベヌー表層の岩塊に覆われた領域、Tlanuwa Regioにおいて、その形成過程や表層プロセスなどを制約することができた。
本研究実施にあたっては上記成果に加え、高精度の小天体三次元形状モデルの作成手法の開発なども実施した。その形状モデルを用いて、最適なデータ転送方針の策定、具体的には最適な圧縮率の導出手法の開発も行った。本研究の成果は国際学会で発表し、また国内学会でも発表予定であり、加えて学会誌に投稿するための論文を執筆中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深層学習を用いて、大量の岩石粒子を客観的かつ迅速に自動識別する手法の開発を、おおむね終了することができた。この手法は実際の天体表層の画像に適応し、高い精度で識別できることも確認でき、また識別精度を今後向上させるための方針を立てることができた。加えて、その分析結果を用いて、実際の小惑星特に小惑星ベヌー表層の形成過程と進化に関する大きな示唆を得ることができた。
|
| Strategy for Future Research Activity |
これまでに開発した自動識別手法を、様々な天体表層の画像に応用予定である。特に一領域のみの解析にとどまらず、全球的な大量の画像を解析し、天体表層の形成および進化を解き明かすための示唆を得たいと考える。またそこで得た解析結果や手法を、実際の探査ミッションにおける概念設計や方針の決定に用い、探査を推進するのに寄与していきたいと考える。
|
