| 研究課題/領域番号 |
17K05644
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
固体地球惑星物理学
|
|---|
| 研究機関 | 国立研究開発法人宇宙航空研究開発機構 (2017, 2020-2022)
国立研究開発法人国立環境研究所 (2018-2019) |
|---|
研究代表者 |
石原 吉明 国立研究開発法人宇宙航空研究開発機構, 国際宇宙探査センター, 主任研究開発員 (80400232)
|
|---|
| 研究分担者 |
晴山 慎 聖マリアンナ医科大学, 医学部, 助教 (60327286)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2019年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 小天体 / 地質図 / 機械学習 / ベスタ / クラスタリング / 小惑星 / 地質 / 機械分類 / 惑星起源・進化 |
|---|
| 研究成果の概要 |
米国航空宇宙局により実施 されたDawn探査機により得られた各種の探査データに対し、機械学習手法を用いた統合解析を適用することで、最新の観測データに基づくベスタ全球の分光特徴分類を作成し、地形情報や元素分布とあわせてベスタの地質分布及び内部構造に関する情報を得た。本手法はこれまでの研究者による判読では不可能であった研究者の目視でのデータ確認・判読による全球地質図の作成に対して、機械学習手法によるアプローチが有効であることを示した。
|
| 研究成果の学術的意義や社会的意義 |
近年めざましく発展している機械学習手法を用いて米国Dawn探査機の観測データにクラスタリング解析を行い、研究者の手作業では実現困難な全球地質図の作成が可能であること、またクラスタリング結果は鉱物特徴の違いを捉えたものであることを示した。同手法はVesta以外の探査データにも適用出来、既存の探査データに適用し他天体での全球地質図の作成やその結果に基づいて詳細解析計画を立案し、さらには将来探査のターゲット領域の決定等に役立てることが可能である。巨額を投じる探査計画のより効率的な推進にも貢献するものである。
|
