中国の清華大学の研究チームは2024年2月20日、新型AIモデル「ASTERIS」を開発し、その成果が米科学誌『Science』に掲載されたと発表した。このAIは、極めて信号対雑音比（S/N比）が低い観測データからでも高忠実度の天体画像を再構成するもので、ジェイムズ・ウェッブ宇宙望遠鏡の観測能力を実質的に向上させ、天文学のフロンティアを押し広げる画期的な成果として注目されている。

なぜ今、重要か

ジェイムズ・ウェッブ宇宙望遠鏡（JWST）の稼働以降、宇宙初期の銀河形成や系外惑星の探査は新たな時代に突入した。世界中の研究機関が観測時間を競い合う中、得られた膨大なデータをいかに効率的かつ高精度に解析するかが、科学的発見の鍵を握っている。特に、宇宙で最も遠く、最も暗い天体を捉えるには、観測機器の物理的限界に加え、データに紛れ込むノイズとの戦いが不可欠だ。ASTERISは、この「データ解析」の段階でブレークスルーをもたらす技術であり、ハードウェアの性能向上だけでなく、ソフトウェア（AI）が科学研究を加速させる現代的なトレンドを象徴する事例である。今回の成果は、AIが基礎科学の最前線を切り拓く強力なツールであることを明確に示した。

ASTERISの革新性：ノイズから信号を紡ぎ出す

ASTERIS（Astronomical Signal Extraction and Reconstruction based on a Time-space Self-supervised model）の核心は、「時空間自己教師あり計算イメージング」という新しいアプローチにある。天体観測では、遠方の暗い天体から届く光子（信号）は極めて微弱で、検出器のノイズや宇宙線などの影響でデータに埋もれてしまう。従来の手法では、多数の画像を重ね合わせる（スタッキング）ことでノイズを平均化し、信号を浮かび上がらせていたが、限界があった。

ASTERISは、このノイズだらけのデータから、AIが自ら「何が本物の信号で、何がノイズか」を学習する。特定の天体の事前知識を必要とせず、観測された時空間データ内の統計的相関関係を利用して、ノイズ成分を特定・除去し、天体からの微弱な光子を高忠実度に再構成する。これにより、従来の手法では不可能だったレベルの微弱光検出を実現し、観測の「深さ」、すなわち、より遠く、より暗い宇宙を見る能力を飛躍的に向上させる。

ウェッブ望遠鏡の性能を1等級向上、観測記録を更新

研究チームはASTERISをジェイムズ・ウェッブ宇宙望遠鏡の公開データに適用し、その驚異的な性能を実証した。報告によると、ASTERISはウェッブ望遠鏡の観測深度を実質的に1等級向上させることに成功した。天文学における1等級の差は光の強さで約2.5倍にかなりし、これは観測可能な宇宙の範囲を大きく広げることを意味する。

この性能向上により、チームは過去の研究と比較して3倍の数の高赤方偏移銀河（遠方にある初期宇宙の銀河）の候補を発見した。さらに、このAIを用いて、これまでで最も深い（最も遠い）宇宙の画像を生成することにも成功したという。これらの成果は、宇宙最初の星や銀河がどのように誕生し、進化していったのかという、現代天文学における最大の謎の一つを解明する上で、極めて重要な手がかりとなる可能性がある。『Science』誌の査読者も「卓越した研究であり、強力なツールだ」と高く評価している。

技術解説：時空間自己教師あり学習の仕組み

ASTERISの技術的な基盤は、AI分野で注目される「自己教師あり学習（Self-Supervised Learning）」にある。これは、人間が正解ラベルを与えた大量の教師データなしに、データそのものが持つ構造や特性をAIが自ら学習する手法だ。

  • 訓練データとモデル効率: ASTERISは、観測された一連の画像（時空間データ）を入力とする。天体の信号は時間的に一定であるのに対し、ノイズはランダムに変動するという特性に着目。モデルは、この時空間データセットから、時間的に不変な成分（天体）と変動する成分（ノイズ）を分離するように学習する。これにより、正解画像がなくても、ノイズモデルを自己構築し、クリーンな画像を生成できる。
  • 計算イメージング: このアプローチは、ハードウェア（望遠鏡）が捉えた物理的な信号を、計算処理（AI）によって意味のある情報に変換する「計算イメージング」の一分野に位置づけられる。センサーの限界をソフトウェアで補完・超越する試みであり、天文学だけでなく、医療画像や顕微鏡技術など、幅広い分野への応用が期待される。
  • 推論効率への貢献: ASTERISを用いることで、同じ観測時間でより暗い天体を検出したり、あるいは同程度の暗さの天体をより短い時間で観測したりすることが可能になる。これにより、ウェッブ望遠鏡のような高価で希少な観測リソースの利用効率を最大化できる。

日本の関連性

清華大学によるAI「ASTERIS」の開発は、日本の宇宙産業、特に観測装置やデータ解析分野に直接的な影響を及ぼす。まず、日本の宇宙航空研究開発機構（JAXA）が推進する次世代宇宙望遠鏡計画において、ASTERISのような高精度イメージングモデルの導入が不可欠となる。ジェイムズ・ウェッブ宇宙望遠鏡の観測深度を1等級向上させ、3倍の数の高赤方偏移天体候補を発見したという事実は、日本の観測技術がこのAIと連携しない場合、発見競争で後れを取る可能性を示唆する。

次に、AIによる画像再構成技術は、日本の精密光学機器メーカーやセンサー開発企業に新たなビジネス機会をもたらす。例えば、キヤノンやニコンといった企業は、従来の光学性能の限界をAIで補完するソリューション開発に注力することで、新たな市場を開拓できる。ASTERISが極めて低いS/N比のデータから高忠実度画像を生成する能力は、医療画像診断や産業検査といった非宇宙分野への応用も可能であり、これらの分野における日本企業の競争力強化に寄与しうる。

最後に、基礎科学分野におけるAIの重要性が改めて浮き彫りになったことで、日本の大学や研究機関は、AIと天文学の融合研究を加速させる必要がある。清華大学が『サイエンス』誌に研究成果を掲載したことは、中国がこの分野で国際的なリーダーシップを確立しつつあることを意味する。日本は、AI人材の育成と、国際共同研究の推進を通じて、この技術革新の波に乗り遅れない戦略を構築すべきである。

出典・参考