| 研究課題/領域番号 |
17K05437
|
|---|
| 研究機関 | 長岡技術科学大学 |
|---|
研究代表者 |
高橋 弘毅 長岡技術科学大学, 工学研究科, 准教授 (40419693)
|
|---|
| 研究分担者 |
秋月 拓磨 豊橋技術科学大学, 工学(系)研究科(研究院), 助教 (40632922)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | 宇宙物理学 / 重力波天文学 / 重力波データ解析 / 時間-周波数解析 / 機械学習 |
|---|
| 研究実績の概要 |
平成30年度は、基礎検証フェーズの成果をもとに、提案手法の観測データへの適用、および、定量評価をし応用検証をすすめる準備と位置付け研究を進めた。特に、時間-周波数解析の1つである Hilbert-Huang 変換 (HHT) 解析と機械学習を組み合わせた重力波信号とノイズ識別手法についての検討を進めた。重力波の解析では、重力波信号と検出器ノイズを明確に識別することが最重要である。 HHT解析において、重力波信号が存在している時間部分とノイズのみの部分では瞬時振幅と瞬時周波数の特徴が異なることが分かっていたが、実観測データを扱う前に、シミュレーションデータを用いて、それらの特徴をより詳細に調べた。得られた特徴を用いて、重力波のデータ解析への応用を念頭に置いた、HHTと機械学習の一種である異常検知を組み合わせた手法の構築を進め、その基礎的な部分について論文としてまとめた。
また、超新星爆発からの重力波をターゲットにしたHHT解析と機械学習の一つである深層学習を組み合わせた解析手法にいても基本的な検討を進め、学会などで発表をした。引き続き手法の有効性の検証を進めている。
さらに、超新星爆発から放射される重力波を対象とした Denoising Autoencoder によるノイズ除去についての基礎的検討を開始した。Denoising Autoenoder は、元データに人工的にノイズを加えたデータを入力として、元データを推定するように学習させたニューラル・ネットワークのことであり、音声認識における残響抑制や移動追跡システムにおける画像処理などに応用されている。超新星爆発重力波のモデル信号に対してノイズの低減に成功しており、今後はより現実に近い状況や実観測データでの評価や性能向上に取り組んでいく。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
適応型の時間-周波数解析手法である Hilbert-Huang 変換(HHT)を実観測データへ適用する準備としての手法の改良・拡張やHHTと機械学習を組み合わせる検討については、当初の予定どおり進んでおり、国内外の学会や国際会議でもその進展状況を報告している。さらに、論文出版も着実に進めている。
解析プログラムの開発と計算の実行には現有のCPU, GPU計算機を用いているが、その計算機のOSや環境が古くなってきたため、観測データ（数十TBに対応）を保管するストレージを購入する予定であったが、計算機のOSや環境の更新を優先的に行った。
国外の研究協力者との研究打ち合わせについては、電子メールやテレビ会議を利用した打ち合わせの回数を増やし、今のところ研究遂行は順調である。
以上を総合的に考慮し、研究目的を達成するための本研究はおおむね順調に進展していると判断する。
|
| 今後の研究の推進方策 |
応用検証フェーズとして位置づけている実観測データへの適用検討を進めていく。特に、機械学習の導入について検討を加速させる。これまでの成果をもとに、HHT解析と機械学習を用いた重力波検出のアルゴリズムを、KAGRA のデータ解析ライブラリに組込み、KAGRAの出力するデータに対して、その最適化プロセスの立案・検証、及び、信号雑音比、計算時間、時間分解能および周波数分解能の改善量を評価する。
超新星爆発から放射される重力波を対象とした Denoising Autoencoder によるノイズ除去についての基礎的検討に着手している。超新星爆発重力波のモデル信号に対してノイズの低減に成功しており、今後はより現実に近い状況や実観測データでの評価や性能向上に取り組んでいく。
本年度は本研究の最終年度に当たる。研究結果を総括して、今までに得られた結果、問題点、その解決策については、国際会議「重力波データ解析会議」や論文などにて発表をする。
|
| 次年度使用額が生じた理由 |
電子メールやテレビ会議を利用した打ち合わせの回数を増やし、打ち合わせ旅費で使用する予定だった予算を次年度に使用することとしたため。
|
