2020.9.21-2020.9.27

9月23日(水)16:00~17:00   Tea Talk                      zoom
Sep 23 Wed 

9月25日(金)16:00~17:00  談話会                  zoom
Sep 25 Fri         NAOJ Seminar  

詳細は以下をご覧下さい。

9月23日(水)

キャンパス
三鷹 野辺山 水沢 岡山 ハワイ
セミナー名
Tea Talk
定例・臨時の別
臨時
日時
9月23日(水曜日)16時 ~ 17時
場所
Zoom
講演者
梅本 智文
所属
野辺山宇宙電波観測所
タイトル
電波望遠鏡で見る天の川銀河ー野辺山から南極へ
Abstract
FUGIN (FOREST unbiased Galactic plane imaging survey with the Nobeyama 45 m telescope) プロジェクトは、 従来の10倍もの観測効率をもつ新たに搭載されたFOREST受信機を使い、45m電波望遠鏡の視力を生かして、 大規模かつ最も詳細な天の川の電波地図を作るプロジェクト。
これは満月の600倍という広大な領域の星の材料である分子雲をくまなくサーベイしようというもの。その最新成果を紹介する。
また、筑波大学が主導する南極天文コンソーシアムは、地上で最も観測条件が優れている南極高地に、南極テラヘルツ望遠鏡を建設する計画を進めている。これについても紹介したい。
The FUGIN (FOREST unbiased Galactic plane imaging survey with the Nobeyama 45 m telescope) project is the project to produce the largest and most detailed radio map of the Milky Way Galaxy using the newly installed FOREST receiver on the Nobeyama 45m telescope, which is ten times more efficient than conventional instruments.
The project aims to survey a vast area of molecular clouds, 600 times larger than the full moon. We will introduce the latest results of the project. In addition, the Antarctic Astronomy Consortium, led by the University of Tsukuba, is planning to build the Antarctic Terahertz Telescope at the high altitude of Antarctica, where observing conditions are the best on Earth. We would like to introduce this project.
連絡先
-名前:藤田登起子

9月25日(金)

Campus
Mitaka
Seminar
NAOJ Seminar (国立天文台談話会)
Regularly Scheduled/Sporadic
Scheduled
Date and time
9/25 (Fri) 16:00-17:00
Place
Zoom
Speaker
但木謙一
Affiliation
国立天文台
Title
“すばる望遠鏡の画像ビッグデータと畳み込みニューラルネットワークを用いた銀河の形態分類”
Abstract
ディープラーニング(深層学習)によって『猫の画像』を『猫』として認識できるようになった2012年以降、
ディープラーニングを用いた画像認識研究分野は飛躍的に発展し、2015年には人間の認識精度(95%)をついに上回った。
この非常に高い精度の画像認識技術を支えているのは畳み込みニューラルネットワーク(CNN)であり、
入力した画像に対して複数のカーネルで畳み込み計算を繰り返し行うことで、情報量を落としつつ、物体の輪郭や局所的な特徴などを効率よく抽出している。
CNNで『猫』と『犬』の画像を区別することができるのであれば、多様な銀河の形態、例えば『渦巻銀河』と『楕円銀河』の画像も区別できるのではないだろうか?
 すばる望遠鏡に搭載された超広視野カメラ「ハイパー・シュプリーム・カム」を用いた大規模探査で取得した広視野・高感度・高解像度の画像ビッグデータでは、
z=1の宇宙まで遡って約100万個の銀河の形態を調べることが可能となる。
もはやこのような大量の銀河の画像を人間の目で1つ1つ調べることは不可能であり、新しい形態分類手法の確立は急務である。
そこで私たちはその第一歩として、ディープラーニング用ライブラリKeras/Tensorflowを用いて、
『渦巻きのない銀河』、『S字型の渦巻銀河』、『Z字型の渦巻銀河』の3つのクラスに分類するCNNモデルを構築した。
各クラス千個程度の訓練画像データを使うことで、97.5%の精度で正しく分類することに成功した。
本手法は訓練データさえ用意できれば、『渦巻銀河』だけでなく、『衝突合体銀河』や『棒渦巻銀河』など、
既存の手法では捉えることの難しかった様々な形態的特徴を抽出することに応用できると期待される。
 みなさんの研究分野でもCNNや他のディープラーニング技術が有効活用できる場面があるかもしれない。
天文分野での具体的応用例を知ることで、新しいアイデアを生み出してもらえれば幸いである。
Facilitator
-Name:浜名 崇

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です