京都産業大学　宇宙開発競争が激しさを増す〜火星の研究と今後の展望

シミュレーションによるダストストームの研究に汗をかいた大学院時代

　高校時代から地学が好きで物理学者に憧れていた小郷原先生。専門は「惑星気象学」で、火星の研究を始めたのは学部4回生の頃。当時、火星は研究者が少なく、研究課題も多数残されていた。中でも砂嵐(ダストストーム)は、小さなものでも関東平野ほど、大きなものでは火星全体を覆うほどの規模で、そのメカニズムや発生時期の解明が大きな課題となっていた。
そのダイナミックさに惹かれて研究テーマに選んだ先生だったが、観測手段が限られる中、頼りとするのは理論や数値モデルを用いたシミュレーション。研究の精度をさらに高めるには、実際の観測データと照合し、つど計算モデルを修正する必要があった。

　粘り強さと根気のいる研究だったが、修士課程では火星の南半球にある巨大な「Hellas 盆地」を発生源として全球に拡がるグローバル・ダストストームの研究や、博士後期課程では対象地域を広げ、ダストストームの発生しやすい地域の特定など、いくつもの成果を上げることができた。

　ただ、実際の観測データが少ない中でのシミュレーションには限界があるのも確か。現在、地球の天気予報の精度が向上しているのは、広範囲に60年以上蓄積してきた観測データのおかげ。これを火星に当てはめると、公転周期が地球の約2倍だから約120年もかかる！ 加えて照合すべき観測の元データも写真中心で、モデルに組み込むにはダストストームの発生メカニズムを推定しなければならなかった。

　このように大学院時代の研究は順風満帆とはいかなかったが、これが次の職場での転機につながる。

転機はJAXA時代に。いち早く「機械学習」を取り入れた研究転換

　博士課程を終えた小郷原先生は、ポスドク研究員としてJAXA(宇宙航空研究開発機構)に勤務する。当初、大学院時代とは比べ物にならないような膨大な量のデータの存在はとても魅力的だった。しかし、すべて目視で行わなければならないことから作業は困難を極め、「一枚一枚処理するのは不可能に近い」とさえ思ったという。そこでもっと効率的にできないかと考えた時に目を付けたのが、当時まだ注目され始めたばかりの「機械学習」だった。ただ、そのためには自らのスキルアップも必要となる。

　ここで小郷原先生は、思い切って職場を変える決断をする。工学系に転向し、滋賀県立大学に助教として着任、機械学習の技術を学生と一緒に学び始めたのだ。

　そして9年後、観測画像からダストストームを自動検出する技術の開発に成功した。これにより観測データの効率的な分類と解析が可能となり、研究は飛躍的に進展した。特定の地域に限定はされているものの、一貫した基準で季節ごとのダストストームの頻度や大きさを自動で計測できるようになったのだ。

火星研究の展望

　「ダストストームは、以前は単一の現象だと漠然と考えられてきましたが、近年の観測でその発生メカニズムはそれぞれ全く異なることがわかってきました」と小郷原先生。そこから、水蒸気やダストの鉛直輸送量もダストストームごとに大きく異なるはずとの予想も成り立つ。現在は、火星周回衛星の観測画像からダストストームやダストデビル(塵旋風)※を自動検出して、形状・模様などの外見的特徴、季節や気圧との関連、それらの背後にある大気現象を特定する研究を進める。

　惑星研究の全般的な意義については、「火星に限らず、他の惑星の気象を理解することは、地球の気象の深い理解にもつながる」と語ってくれた。

※ダストストームより小規模で、竜巻状に見える。

どんな授業？

　理学部の1、2年生には、データサイエンスの基礎を教えています。様々な種類のデータをコンピュータで分析するために必要な表現方法を学び、それを基礎に統計学や確率論に基づいて、データの扱い方や分析手法を理解し、身につけます。また、Pythonを使ったプログラミングも学び、既存のソフトウェアに頼るだけでなく、与えられた問題に応じて自らプログラムを作成する力を養っています。

　理学部では、4年次に各自が研究テーマを設定し、卒業研究として発表する「特別研究」があります。私の研究室では、自分で面白いと思ったテーマがあればサポートし、明確なものがない場合には具体的なアドバイスを行っています。もちろん、プログラミングの知識は必須です。