| 研究領域 | なぜ宇宙は加速するのか? - 徹底的究明と将来への挑戦 - |
|---|
| 研究課題/領域番号 |
18H04358
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 統計数理研究所 (2019)
国立天文台 (2018) |
|---|
研究代表者 |
白崎 正人 統計数理研究所, 統計思考院, 助教 (70767821)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 重力レンズ / シミュレーション / 深層学習 / 宇宙の大規模構造 / 宇宙加速膨張 / 宇宙大規模構造 / ダークエネルギー |
|---|
| 研究実績の概要 |
最終年度は、すばる望遠鏡で得られた実際の観測データと数値シミュレーションの詳細な比較を行った。前年度に開発したすばる望遠鏡の模擬観測データの作成方法を拡張し、宇宙の平均物質密度やゆらぎの振幅が異なる１００の宇宙モデルでの模擬観測データを作成した。これらのシミュレーションデータと実際の観測データを比較することで、実際の宇宙における物質平均密度やゆらぎの振幅を推定することを試みた。観測データとの比較にあたっては、深層学習による雑音除去の方法を応用することで、シミュレーションデータとの比較を効率化した。深層学習ネットワークの最適化の困難のために、すばる望遠鏡が取得した観測データの約１５％のみの解析にとどまったものの、深層学習による雑音除去は実際の銀河撮像データに十分適応可能であることを示すことができた。観測領域が２１平方度と小さいものの、深層学習による雑音除去によって、観測起因の統計誤差を半減できることが確認された。観測データとシミュレーションの比較により示唆される宇宙モデルは、他の観測結果と無矛盾であることも確認した。本研究が開発した数値シミュレーションによる模擬観測パイプラインと深層学習による雑音除去の手法は、今後の観測データにも広く応用され、標準宇宙モデルの詳細な検証に役立てられるものと期待できる。
|
| 現在までの達成度 (段落) |
令和元年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和元年度が最終年度であるため、記入しない。
|
