アラートのなく頃に

ルービン天文台とは何ですか?

NSF-DOE ヴェラ・C・ルービン天文台は天体物理学の多くの分野を様変わりさせるような驚くべき新装置です。チリのセロ・パチョンにあります。今まで製造された中で最も大きなカメラが使用されており、その大きさは小型自動車に匹敵します。ルービン天文台では時空間レガシーサーベイ（LSST）を10年間行う予定です。詳細は https://rubinobservatory.org/ を参照してください。

アラートとは何ですか?

アラートとは、文字通り何か興味深いものを見つけた時に鳴らす小さな警報ベルのようなものです。
ルービン天文台は何か新しい、または変化した天体を検出したときにこのアラートを発します。1夜あたりにルービン天文台が発するアラートは最終的に 1000万件に達する と期待しています。しかしそのアラートの中にはアーティファクトのような偽検出も含まれます。皆さんが行うことはこのアーティファクトを見つけることです。本プロジェクトでは、デフォルトの画像差分ソフトウェアが特に誤動作を起こしやすい、銀河の近傍から発せられたアラートが表示されます。ルービンのアラートについてのさらなる詳細はこちらとこちらが参考になります。

差分画像とは何ですか?

画像減算法とはルービン天文台や多くの観測施設で使用される、空の変化を検出するための手法です。
新たに撮影した科学画像を取得するたびに、その画像は過去にどのように写っておりどう見えているべきかを以前の同じ領域の観測（テンプレート画像）を遡り比較します。このテンプレート画像は長期にわたってそれまでに撮影された複数の過去観測の組み合わせであることが多いです。そして科学画像からテンプレート画像を引き算した画像を差分画像と呼びます。空で起こったあらゆる変化が差分画像でははっきり見えます。ルービン天文台では信号対雑音比（SNR）を計算することでこれを定量評価し、この値が前もって定義した閾値を超える場合はその領域は天体の検出としてカウントされます。このプロセスはおおむね良好に機能しますが、明るい背景銀河に埋もれたターゲットの場合は困難が生じます。

なぜ明るい母銀河のそばの信号は発見が難しいのでしょうか?

直感的に理解するために、暗い豆電球の明かりを想像してください。すべての電灯がついた明るい部屋より、暗い部屋のほうが豆電球の光を見つけやすいでしょう。同様に、静かな草原では騒がしいフェス会場よりもコオロギの鳴き声が聞こえやすいでしょう。信号がそこにあったとしても、背景によってはそれを見つけるのにより苦労することがあるのです。

より詳しく説明すると、画像差分パイプラインは理論上は単純に見えて実際はとても複雑であることに注意が必要です。期待通り動作させるには、画像の点拡がり関数を正確に把握したうえで画像の位置合わせを完璧に行った、堅牢なテンプレートが必要となります。背景信号が多くなければ最適とは言えない条件でもうまく動作します。しかし背景信号が多いと、たとえば少しの位置のずれが後々大きなアーティファクトを生み出します。

なぜ科学画像はテンプレート画像よりも画質が劣って見えるのでしょうか?

なぜなら、テンプレート画像は長期にわたって撮影された過去画像を組み合わせであるのに対し、科学画像はたった1回の露光での画像にすぎないからです。

同じ画像を何度も見ているような気がします。

全く同じ画像を表示することはありません。しかし、空の同じ領域を、異なる日について見る可能性はあります。その際テンプレート画像は全く同じに見えますが、その他のパネルは異なっているはずです。

この分類結果はどのように利用されますか?

私たちのチームはまず、各画像について実際に何が起こっているかを解明しようとします。より詳細な分析を要するため、その画像だけで把握することは困難です。超新星爆発前の変光や共通エンベロープ現象のように、可能性は幅広く存在します。これらの現象については「私たちの研究について」のタブもご覧ください。また、皆さんの分類から、興味深いターゲットについて発生と同時に検出します。興味深いターゲットを早期に見つけることで、まだその現象が起こっているうちに他の望遠鏡で速やかな追跡ができます。これでより多くのデータを集め、何が起こっているかをリアルタイムにより深く理解することができます。

私たちは今どのような画像を見ているのでしょうか?

本プロジェクトではヴェラ・C・ルービン天文台が比較的銀河の近傍で検知したアラートについてお見せします。天文台が新たなアラートを公開するたびに画像をアップロードする予定です。つまり、最近観測された画像を見る際は、あなたはその信号を目にした世界で最初の1人になることを意味します！ルービン天文台は最終的に毎晩数百万件以上のアラートを生成しますが、現在はまだそのウォーミングアップの段階でその数は徐々に届くようになります。そのため、現在はプロジェクトの分類データとしてルービン天文台がシステムの試験に使用していた、2024年10月から12月に撮影されたデータ(第1期データプレビューと呼ばれています)を使用しています。また、どのようなアラートの分類が難しいかを評価するためのシミュレーションデータも混ざっています。

AIにやらせればいいのでは?

良い質問です！実際それもこのプロジェクトの一環です。最終的にはAIがほとんどの分類を担い、人間は特に興味深い例・難しい例だけを見るようにしたいです。しかし、そのためにはまずAIを学習させるための分類データが必要です。

他の市民科学プロジェクトにも参加したいです。

Zooniverseに隣接する新しいプラットフォームであるExperimentをご気軽にご覧下さい。より実験的な市民科学プロジェクトを含んでいます。現在「Bar Brigade」や「Tidal Tales」といったプロジェクトを含んでおり、銀河の棒構造や合体銀河を見つけることができます。

ルービン天文台のLSSTデータを使った市民科学プロジェクトは他にもありますか?

もちろんです！ルービン天文台のZooniverseプロジェクトの一覧をこちらから参照できます。
特にこのプロジェクトと似ているのはステラのもほうプロジェクトです。ただし科学目標が大きく異なり、私たちは超新星爆発前の変光や共通エンベロープ現象の発見を目的として銀河の近くからのアラートを探しています。ステラのもほうチームは、分類データから機械学習分類を改善させることで、ルービン天文台からのアラート全般の信頼性を高めることを目標にしており、これは最終的に私たちのプロジェクトの利益にもなるでしょう。

背景画像クレジット: RubinObs/NOIRLab/SLAC/NSF/DOE/AURA.