太陽のフィブリルを機械学習で解析:大気の隠れた層に関する新たな知見

作者: Uliana S

NSOの新しい研究はInoue Telescopeを用いて太陽を観測し、太陽の色球層をマッピングするために機械学習(K-meansクラスタリング)を用います。

太陽は私たちにとって最も身近な天体であり、一見すると十分に解明されているように思われがちです。しかし、太陽大気の中間層である「彩層」には、今なお多くの謎が残されています。ここではフィブリルと呼ばれる細長い構造が形成され、まるで糸のように太陽磁場を繋ぎながら、上層へとエネルギーを運ぶ役割を担っています。このプロセスの詳細を理解することは、太陽のコロナが可視表面よりも数百倍も高温であるという、天体物理学最大のミステリーの解明に近づくことを意味します。

最近、米国国立太陽天文台(NSF NSO)の研究チームが、この分野で重要な進展を遂げました。彼らはハワイに設置された世界最大の太陽望遠鏡「ダニエル・K・イノウエ太陽望遠鏡」の精密なデータに、機械学習の手法である「K-meansクラスタリング」を導入しました。2026年7月初旬に発表された研究結果は非常に画期的で、膨大な計算上の制約を克服し、彩層内のプラズマの温度、密度、運動を示す詳細なマップを作成することに成功したのです。

太陽の彩層を想像してみてください。そこは磁力線が縦横無尽に走る、煮えたぎるガスのような領域です。フィブリルは水平な磁力線に沿って、数千キロメートルもの長さにわたって伸びています。従来、望遠鏡の分光データを温度や速度、密度といった物理量に変換するには、大気の各層における放射と原子の相互作用を精密に計算する「非LTE(非局所熱平衡)」モデルを用いる必要がありました。このような計算は、最新のコンピュータを駆使しても気が遠くなるほどの時間を要するものでした。

そこでサンジャイ・ゴセイン博士率いるチームは、極めて巧妙な手法を取り入れました。K-meansアルゴリズムを用いることで、カルシウム線(Ca II 854.2 nm)の観測による数千ものスペクトルプロファイルを、わずか50個の「典型的な」パターンに分類したのです。これらのプロファイルを解析の初期値とすることで、データ処理速度が劇的に向上し、結果としてより滑らかで正確なマップを得ることが可能となりました。

この新たな視点からは何が見えてきたのでしょうか。一つのフィブリル内では、表面に近い高温の「根元」から中央部にかけて、温度が約1000ケルビンも低下していることが分かりました。また、フィブリルの縁は非常に明瞭な境界を持っており、わずか1メガメートルの距離で数百ケルビンもの温度差が生じることもあります。これは、フィブリルが磁場によって周囲から隔離されており、熱交換がほとんど行われていないことを示しています。高密度で低温の領域ではプラズマの下降流が見られる一方で、高温領域は微小な乱れ(マイクロタービュランス)に満ちており、これが大気を加熱する波動や衝撃波の証拠と考えられます。

これらの発見は、理論家たちにとってモデル構築の重要な「指針」となります。これにより、フィブリルの形成過程や、質量とエネルギーの輸送メカニズムをより高い精度で検証できるようになります。さらに、イノウエ望遠鏡と機械学習を組み合わせたこの手法は、将来の観測で得られる膨大なデータの処理においても新たな道を切り開くでしょう。

太陽は常に私たちを驚かせてくれます。新しいツールやアルゴリズムが登場するたびに、私たちの母なる恒星の正体や、それが地球に及ぼす影響についての理解が深まっています。ダイナミックで神秘に満ちた太陽大気の世界において、今回の発見はまだ始まりに過ぎず、今後も多くの発見が期待されています。

9 ビュー

このトピックに関するその他の記事を読む:

エラーや不正確な情報を見つけましたか?できるだけ早くコメントを考慮します。