重力レンズは、宇宙で最も遠い物体を研究しようとする天文学者にとって重要なツールです。この手法では、遠方の光源と観測者の間に大量の物質のクラスター（通常は銀河またはクラスター）を使用して、その光源からの光をよりよく確認します。アインシュタインの一般相対性理論によって予測された効果により、天文学者は他の方法では覆い隠されているかもしれない物体を見ることができます。
最近、ヨーロッパの天文学者のグループが膨大なデータの山の中から重力レンズを見つける方法を開発しました。グーグル、フェイスブック、テスラが彼らの目的のために使用したのと同じ人工知能アルゴリズムを使用して、彼らは大規模な天文調査から56の新しい重力レンズ候補を見つけることができました。この方法により、天文学者が天文画像の目視検査を行う必要がなくなります。
「畳み込みニューラルネットワークを使用したキロ度数調査で強力な重力レンズを見つける」というタイトルの彼らの研究を説明する研究は、最近 王立天文学会の月次通知。カプテイン天文研究所のカルロエンリコペトリロ率いるチームには、国立天体物理学研究所（INAF）、アルジェランダー天文研究所（AIfA）、ナポリ大学のメンバーも含まれていました。
重力レンズは天文学者には役立ちますが、見つけるのは面倒です。通常、これは天文学者が望遠鏡や観測所で撮った何千もの画像を並べ替えることで構成されます。学術機関はこれまでになくアマチュア天文学者と市民天文学者に依存することができますが、世界中の楽器によって定期的にキャプチャされている何百万もの画像に追いつく方法はありません。
これに対処するために、ペトリロ博士とその同僚は、特定のパターンのデータをマイニングする機械学習アルゴリズムの一種である「コンベンショナルニューラルネットワーク」（CNN）として知られているものに目を向けました。 Googleはこれらの同じニューラルネットワークを使用してGoと世界チャンピオンとの試合に勝ちましたが、Facebookはそれらを使用してサイトに投稿された画像内の物事を認識し、Teslaは自動ニューラルネットワークを使用して自動運転車を開発しています。
ペトリロがオランダの天文学研究所からの最近のプレス記事で説明したように：
「これは、畳み込みニューラルネットワークが天文調査で特異なオブジェクトを見つけるために使用されたのは初めてです。今後の天文調査では、調査に必要な膨大なデータが出てくるので、当たり前になると思います。これに対処するのに十分な天文学者がいません。」
次に、チームはこれらのニューラルネットワークをキロ度調査（KiDS）から得られたデータに適用しました。このプロジェクトは、チリにあるESOのパラナル天文台にあるVLTサーベイ望遠鏡（VST）を利用して、南の夜空の1500平方度をマッピングします。このデータセットは、ESOと共同でヨーロッパの科学者のコンソーシアムによって開発されたマルチバンド機器であるVSTのOmegaCAMによって収集された21,789枚のカラー画像で構成されていました。
これらの画像はすべて、光る赤い銀河（LRG）の例を含んでおり、そのうちの3つは重力レンズとして知られています。最初に、ニューラルネットワークはこのサンプル内で761の重力レンズ候補を見つけました。これらの候補を視覚的に検査した後、チームはリストを56のレンズに絞り込むことができました。これらは今後も宇宙望遠鏡で確認する必要がありますが、結果は非常に肯定的でした。
彼らが彼らの研究で示しているように、そのようなニューラルネットワークをより大きなデータセットに適用すると、数百または数千もの新しいレンズが明らかになる可能性があります。
「私たちの結果に基づく控えめな見積もりでは、提案された方法を使用すると、完了時にKiDSでz〜> 0.4で？100個の大規模なLRG銀河レンズを見つけることができるはずです。最も楽観的なシナリオでは、色の大きさの選択を広げ、CNNをトレーニングしてより小さな画像分離レンズシステムを認識すると、この数はかなり大きくなります（最大で2400レンズまで）。」
さらに、ニューラルネットワークは、データセット内の既知のレンズのうち2つを再発見しましたが、3つ目は見落としました。ただし、これはこのレンズが特に小さく、ニューラルネットワークがこのサイズのレンズを検出するようにトレーニングされていなかったためです。将来的には、ニューラルネットワークをトレーニングして小さなレンズに気づき、誤検知を拒否することで、これを修正したいと考えています。
しかし、もちろん、ここでの最終的な目標は、目視検査の必要性を完全に取り除くことです。そうすることで、天文学者はひどい仕事をする必要から解放され、発見のプロセスにより多くの時間を費やすことができます。同様に、機械学習アルゴリズムを使用して、重力波や太陽系外惑星の信号を天文学データから検索できます。
テラバイト単位の消費者やその他のタイプの「ビッグデータ」から他の業界がどのように理解しようとしているのかと同様に、フィールドの天体物理学と宇宙論は、人工知能に頼って生データの宇宙のパターンを見つけることができるようになります。そして、見返りは発見の加速されたプロセスに他ならないでしょう。
