宇宙の始まりを観測と計算で導き出す。
答える人：吉田直紀教授（東京大学・カブリ数物連携宇宙研究機構）
専門は宇宙論・宇宙物理学。宇宙のダークマターとブラックホールの謎に迫るべく研究を行う。1996年、東京大学工学部航空宇宙工学科卒業、理学博士（ミュンヘン大学）。米国ハーバード大学天文学科、名古屋大学を経て、2012年より東京大学教授、2014年よりカブリ数物連携宇宙研究機構 特任教授（兼任）。
答える人：池田思朗教授、森井幹雄特任助教（統計数理研究所）
1996年、東京大学博士課程修了、博士（工学）。統計的多変量解析手法の1つである「独立成分分析」を基にした音信号の分離や、雑音の多い計測データ解析などにむけた幅広い信号処理、解析手法の開発に取り組む。推定対象の信号に零が多いという仮定を用いる疎性モデリングにより、天文や物理計測の改善法などを手がける。森井幹雄特任助教の専門は観測天文学。
どうしたら宇宙の始まりを知ることができるのか？
吉田直紀教授は、５年間にわたってすばる望遠鏡の新型カメラを使用して宇宙を観測し、得られた大量の画像を解析するプロジェクトに取り組んでいる。集める画像データは、およそ1ペタバイトにもなる。「1つの画像の中にだいたい数千個の銀河が写っています。もやっとした雲のように見えても、ズームインしていくと実は1個1個の星にまで分解できる高い解像度を持っています。かなり広い領域の宇宙で起こっているいろんな出来事をカメラに収めることができるんです」と吉田教授は言う。
「宇宙は静的な、いつも変わらぬ姿をしていると思いがちですが、昨日撮った画像と今日撮った画像を比べると結構変化していて、すばる望遠鏡の観測データを解析すると、星が爆発したとわかる箇所が一晩にだいたい100個ぐらい見つかります。1つ1つ拡大すれば人間の目でもわかるのですが、なにしろ膨大な数の天体が映っているので、コンピュータでそれらの画像の差分を検出し、宇宙の変化を捉えています」。
取り組みの背景にあるのは、2011年にノーベル物理学賞を受賞したソール・パールムッターら3人の天文学者の発見だ。1998年、彼らは遠くの超新星爆発を調べることによって、「加速膨張」すなわち現在の宇宙は膨張し続けていることを示した。吉田教授がターゲットとする超新星も同じIa型で、観測で見つかる超新星の約半分を占めるという。「最近の人工知能の画像解析能力は結構すごくて、画像からIa型を見分けることができるんですね。このツールづくりに、統数研の池田教授に協力いただいています」。
Ia型超新星を高い精度で見つけ出す
「われわれの課題は、Ia型と思われる突発天体を確実に見つけることです」と、統計数理研究所の池田思朗教授。森井幹雄特任助教によれば「Ia型超新星は太陽質量の1.4倍の白色矮星が爆発してできるもので、どれも星自体の明るさがほぼ同じだと考えられています。見かけの明るさから距離を見積もることができ、スペクトルを観測することによって星が遠ざかる速度がわかります。距離と速度を合わせれば宇宙がどれくらいの速さで膨張しているかを推定することができます。また宇宙の遠くでは、もともと考えられていた速度よりも速く膨張しているというのが加速膨張」だという。
ところが、「99％は偽物なんです」と池田教授。「時刻の異なる二つの画像の差から超新星を見つけるのですが、うまく差が取れなかったとか、全然違うもののほうがずっと多く見つかります。これだというIa型の候補は1%未満しか含まれません。そうしたIa型の候補を選んで、別の望遠鏡で追観測します。追観測では時間をかけてスペクトルを観測し、位置、速度と併せて星のプロフィールがほぼすべて明らかになります」。現在、高い精度で検出できており、一晩におよそ10〜20個程度が超新星と特定されているのだそうだ。
ところで、池田教授の専門分野は宇宙ではなく、統計である。「何らかのノイズが含まれるような観測結果がある時に、その背後にある対象の本当の姿を推定する──これが統計の仕事ですね。このうち特に対象が物理的な信号であるような場合を信号処理と呼びます。いろんな信号処理の方法を使わないと何も見えないデータはたくさんあって、天文データではすばる望遠鏡のような可視光データの他、電波望遠鏡が受け取ったデータの解析にも取り組んでいます。計測機器の発達によって、これまでにないデータが得られるようになった現在、信号処理は広がりのある活発な学問になっている」と池田教授は言う。
ダークマターの分布地図を作る
一方、吉田教授は、研究のもう1つの大きな柱として、現在「重力レンズ」という現象にも注目している。「宇宙のあちらこちらに、歪んだ形の銀河があることが知られています。それらの銀河は実際に歪んだ形をしているのではなく、そのように"見える"だけなのです。実は、その見かけの歪み具合を逆算すると、銀河の周辺には見えないけれども何か大量の物質があるということが分かります」。この「見えない何か」こそ、ダークマターと呼ばれるものだ。宇宙の構成物は現在、4％が通常の元素、22％がダークマター、そして残りの74％がダークエネルギーだと考えられている。「ダークマターの3次元的な分布を広範囲に調べて、いわば宇宙の地図を作っています」。
宇宙の大規模構造については、1900年代後半頃から世界的に研究が進展しているが、「重力だけを考慮した計算からダークマターの分布を見ていくことでも、宇宙についての理論がだんだん洗練されていく」と吉田教授は言う。「本当にごく微細な差を検出し、宇宙観測から得た分布と一致するためにはダークマターにどんな性質が必要なのか、物質の密度はどのくらいなのかなどを導くことで、理論やモデルを判定するんですね。しかし物質分布を導くというのは、出てきた結果から原因を探るというすごく難しい問題なので、ここでも統計数理研究所の知識を結集しているところです」。
宇宙は本当の分布を教えてくれない
吉田教授はこの観測・解析と並行して、宇宙の始まりから星や銀河がどのように生まれてきたのかを再現するコンピュータ・シミュレーションに取り組んでいる。「宇宙は本当の分布を教えてくれないので、われわれは観測から最も確からしい答えを出します。一方シミュレーションは、コンピュータの中に正確な物質分布を作り出すことができる」と吉田教授は言う。
理論に基づいたコンピュータ・シミュレーションを行うことは、解析方法を検証し、その精度を上げることにもつながる。「宇宙全体の進化や、宇宙全体の構成物が分かってくるのがゴールですね。そこのためには人工知能も使うし、コンピュータ・シミュレーションも使います」。
考えていくための手がかりとして「宇宙では、この地球とは全然違うことが起きているんだと言ったら何も先に進まない」と吉田教授は言う。「むしろ考えの拠りどころは地球上にあって、身の回りで確かめられたことを使って宇宙を理解できるかどうかですね。今、私たちが知っていることを総動員しても理解できない場合は、何か足りないのか？ 何かまだ知らない現象が起こっているのか? と推測できる。どう考えても新しい要素を足さざるを得ないというところまで来て、初めて発見につながります」。
（聞き手：池谷瑠絵 写真：飯島雄二 公開日：2018/03/12）