GoogleのエンジニアであるChris Shallueさんは機械学習を使ってケプラー宇宙望遠鏡のデータを分析し、2つの太陽系外惑星を発見しました。その分析に用いられたコードがGitHubに登場し、誰でも利用できるようになっています。

Research Blog: Open Sourcing the Hunt for Exoplanets

https://research.googleblog.com/2018/03/open-sourcing-hunt-for-exoplanets.html

models/research/astronet at master ・ tensorflow/models ・ GitHub

https://github.com/tensorflow/models/tree/master/research/astronet

太陽系外惑星の見つけ方にはいくつか種類がありますが、Chris Shallueさんが用いたのはトランジット法と呼ばれるもの。トランジット法は恒星の前を惑星が横切る時に恒星の光量が減少するのを捉えるという方法です。ケプラー宇宙望遠鏡から得られた恒星の光量のデータを、縦軸に光量、横軸に時間を取って並べるとU字の谷となってグラフに現れ、惑星の存在が判明します。



ただし、このように光量が一時的に下がる現象は恒星の前を惑星が横切った時だけではなく、明るい恒星の前を暗い恒星が横切った時など、ほかにもさまざまな原因で発生します。そこで、ニューラルネットワークを用いて光量減少の原因が惑星なのか別の何かなのかを判定します。

今回公開されたGitHub上のページには太陽系外惑星の見つけ方が詳細に記されており、誰でもChris Shallueさんと同じ手順で惑星を再発見できるようになっています。大量のデータを利用するため100GBほどの容量が必要ですが、機械学習の応用や太陽系外惑星の発見に興味がある人は一見の価値ありという内容です。