[論文レビュー] Scientific Data Mining in Astronomy

K. D. Borne|ArXiv.org|Nov 3, 2009

Astronomy and Astrophysical Research参考文献 69被引用数 11

ひとこと要約

本論文は、LSSTのような大規模な調査から一時的・変動的天体現象をリアルタイムで分類できるようにする、データ駆動型の新しい天文学研究パラダイム「天文学情報学（astroinformatics）」を提唱する。データマイニング、機械学習、意味的メタデータ付与を統合し、異種の天文学的データソース間での知識発見を支援する分類ブローカー・フレームワークを導入する。

ABSTRACT

We describe the application of data mining algorithms to research problems in astronomy. We posit that data mining has always been fundamental to astronomical research, since data mining is the basis of evidence-based discovery, including classification, clustering, and novelty discovery. These algorithms represent a major set of computational tools for discovery in large databases, which will be increasingly essential in the era of data-intensive astronomy. Historical examples of data mining in astronomy are reviewed, followed by a discussion of one of the largest data-producing projects anticipated for the coming decade: the Large Synoptic Survey Telescope (LSST). To facilitate data-driven discoveries in astronomy, we envision a new data-oriented research paradigm for astronomy and astrophysics -- astroinformatics. Astroinformatics is described as both a research approach and an educational imperative for modern data-intensive astronomy. An important application area for large time-domain sky surveys (such as LSST) is the rapid identification, characterization, and classification of real-time sky events (including moving objects, photometrically variable objects, and the appearance of transients). We describe one possible implementation of a classification broker for such events, which incorporates several astroinformatics techniques: user annotation, semantic tagging, metadata markup, heterogeneous data integration, and distributed data mining. Examples of these types of collaborative classification and discovery approaches within other science disciplines are presented.

研究の動機と目的

• データマイニングを天文学における基盤的実践として確立し、分類、クラスタリング、新奇性検出におけるその役割を強調する。
• 今後10年間で毎20秒6 GBの画像を生成する予定のLSSTのような新規調査からの膨大でリアルタイムのデータを分析するという急増する課題に対処する。
• 分散型天文学データベース間でのデータ共有・再利用・共同発見を統合する新しい研究・教育パラダイム「天文学情報学」を推進する。
• 意味的タグ付けと分散型データマイニングを活用して、一時的・変動的天体現象を迅速かつ自動的かつ共同で特定できる分類ブローカー・システムを開発する。
• 生物学情報学（例：BioDAS）のインフォーマティクス原則を天文学に応用し、天体およびその性質の標準的で機械可読なメタデータ付与を可能にする。

提案手法

• データマイニング技術（特に非教師ありクラスタリング、教師あり分類、半教師あり外れ値検出）を天文学的データに適用するデータ指向の研究パラダイムを採用する。
• ユーザーのメタデータ付与、意味的タグ付け、メタデータマークアップを統合した分類ブローカー・システムを実装し、データに科学的意味と履歴を付与する。
• 異種のデータコレクションにまたがる分散型データマイニングを活用して、大規模で地理的に分散した天文学データベース全体にわたり、分類および発見タスクのスケーリングを実現する。
• バーチャル・オブザーバトリ（Virtual Observatory）インfrastractureを活用して、異種のデジタル天文学データリポジトリへの相互運用性、データ統合、アクセスを可能にする。
• 生物学分散メタデータシステム（BioDAS）の概念を応用し、天文学用に同様のシステムを構築する——「AstroDAS」を創出することで、研究者が天体に関する知識をメタデータで付与・共有できるようにする。
• 人間の専門的知見と機械学習を統合することで、超新星、小惑星、変光星などの一時的現象の分類精度を向上させ、リアルタイムでの発見を可能にする。

実験結果

リサーチクエスチョン

• RQ1 現代天文学における分類、クラスタリング、新奇性検出という問題に対して、データマイニング技術を体系的にどのように適用できるか？
• RQ2 LSST調査から予想される膨大な数の一時的・変動的天体をリアルタイムで分類するには、どのようなスケーラブルで分散型のアーキテクチャが必要か？
• RQ3 意味的メタデータ付与とメタデータマークアップは、天文学的データの再利用性、相互運用性、科学的価値をどのように向上させられるか？
• RQ4 天文学情報学は、データ集約型天文学の統一的で研究的・教育的フレームワークとして、どのような形で機能できるか？
• RQ5 生物学情報学の原則（例：分散メタデータシステム）は、天文学における知識発見を支援するために、どのように応用可能か？

主な発見

• データマイニングは長年にわたり天文学の根幹をなすものであり、クラスタリングや分類を通じて星、銀河、一時的現象の分類という、主要な研究活動を支えている。
• LSSTプロジェクトは、10年間にわたり毎20秒6 GBの画像を生成するデータ・ファイアーホースを生み出すため、機械学習とデータマイニングに基づく自動的でリアルタイムの分類システムの導入が不可欠となる。
• ユーザーのメタデータ付与、意味的タグ付け、分散型データマイニングを統合した分類ブローカー・フレームワークは、新奇な天体現象の共同的でスケーラブルかつ透明な発見を可能にする。
• 天文学情報学を天文学の研究および教育に統合することで、 Inquiry-based learning（問いに基づく学習）を支援し、学生や市民科学者が大規模な天文学データベースを活用して本物のデータ駆動型発見を実現できる。
• BioDASモデルを天文学に応用することで（AstroDASとして）、天体およびその性質に関する知識の標準的で分散型のメタデータ付与・共有システムを構築でき、データの履歴と相互運用性が向上する。
• 天文学情報学を新しい研究分野として採用することで、現代のサイバインfraストラクチャ（例：バーチャル・オブザーバトリ）と整合した、データ駆動型・共同的・透明性のある科学的発見のパラダイムシフトが実現可能となる。