東京大学。AI技術で小惑星表面の岩石を網羅的に識別・計測する手法を確立。建設・土木・防災分野への応用も視野

東京大学大学院工学系研究科の研究グループが、深層学習を活用して大量の岩石を高速かつ高精度に自動識別するアルゴリズムを開発した。

小惑星リュウグウとベヌーの表面に存在する全ての1m以上の岩石を識別し、自転速度の違いによる土砂移動メカニズムを解明している。

数万個の岩石輪郭データから学習、350万個の識別に成功

東京大学大学院工学系研究科の清水雄太特任研究員と宮本英昭教授らの研究グループは、独自に収集した数万個に及ぶ岩石の輪郭データを基に新たな解析手法を開発した。

この手法を用いて、小惑星リュウグウとベヌーの表面に存在する全ての1m以上の岩石粒子を網羅的に識別することに成功した。

識別された岩石の総数は、画像間の重複を取り除いた状態で20万個、重複を含めると350万個という膨大な量に達している。

これまでの研究では、専門家による目視確認や半自動的な手法が一般的であり、このような大規模かつ網羅的な岩石識別は実現されていなかった。

本研究のAIアルゴリズムは、岩石の形状的特徴を学習し、様々な条件下でも高精度に岩石を検出・識別できる点が特徴である。

この技術により、両小惑星の岩石の形状と分布パターンを詳細に分析した結果、興味深い発見があった。

リュウグウとベヌーでは表面の土砂が逆方向に移動していたことが明らかとなり、その原因はわずか数時間の自転速度の差にあることが判明した。

この発見は小惑星の多様性や小惑星形成後の進化の理解に寄与するだけでなく、宇宙探査における着陸地点選定や資源探査にも重要な知見をもたらすものである。

さらに、この技術は宇宙研究だけにとどまらず、地球上の様々な分野への応用が期待されている。

特に防災・減災分野では、土砂災害現場の迅速な状況把握や危険度評価に活用できる可能性がある。

また、採鉱・建設・土木工事現場においても、大量の土砂や岩石の状態を高速かつ正確に把握することで、作業効率の向上や安全性の確保に貢献できると考えられている。

従来、これらの現場では人手による確認や限定的な計測に頼らざるを得なかったが、本技術により広範囲にわたる岩石・土砂の状態を短時間で把握することが可能になる。

今後、研究チームはさらなるアルゴリズムの改良と実用化に向けた取り組みを進める予定である。