AI

エーアイ

公開：2025-04-10

東京大学、AIで小惑星リュウグウ・ベヌーの全岩石350万個を高速識別、成り立ちの違い解明へ

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

記事の要約

• 東大がAIで岩石を高速・高精度に自動識別するアルゴリズムを確立
• リュウグウとベヌーの全岩石350万個を識別し成り立ちの違いを解析
• 土砂災害や建設現場の土砂分析への応用も期待される新技術

東京大学、AIによる岩石高速自動識別アルゴリズムを世界初確立

東京大学大学院工学系研究科の研究グループはAI(深層学習)を活用し、従来は不可能だった大量の岩石を高速かつ高精度に自動識別する実用的なアルゴリズムを世界で初めて確立したと2025年4月8日に発表した。この革新的なシステムは約7万個の岩石輪郭データとCNN技術を基盤とし、これまで研究者が一生を費やしても解析困難だった膨大な岩石群の客観的かつ再現性のある分析を可能にするものだ。^[1]

この新アルゴリズムを用いて研究グループはJAXAの「はやぶさ2」とNASAの「OSIRIS-REx」ミッションで取得された小惑星リュウグウおよびベヌー表面の高解像度画像約1万枚を解析し、合計約350万個に及ぶ岩石を自動識別することに成功した。画像間の重複を除去した結果、両小惑星に存在する1m以上の全岩石約20万個の位置、サイズ、形状分布が初めて網羅的に解明され、小惑星科学における画期的な成果となったのである。

解析結果はリュウグウとベヌーの成り立ちに関する重要な知見をもたらし、自転周期が遅いリュウグウでは岩石が赤道から極へ、逆に自転周期が速いベヌーでは極から赤道へ移動していることが判明した。わずか数時間の自転周期の違いが天体表面の物質移動方向を決定づけ、現在の小惑星の全体形状を支配しているという事実は、小惑星の多様な進化過程を理解する上で極めて重要である。

東京大学開発のAI岩石自動識別アルゴリズム概要

論文の詳細はこちら

CNN（畳み込みニューラルネットワーク）について

CNNとは「Convolutional Neural Network」の略称であり、深層学習モデルの一種で特に画像認識分野で高い性能を発揮する技術のことを指す。主な特徴として、画像内の局所的な特徴を抽出する畳み込み層と、位置ずれに頑健な特徴を抽出するプーリング層を組み合わせている点が挙げられる。

• 画像内の空間的階層構造を学習可能
• パラメータ共有により効率的な学習を実現
• 画像分類、物体検出、セグメンテーション等に広く応用

今回の東京大学の研究では、このCNNを用いて約7万個の岩石輪郭データから岩石の特徴を学習し、高解像度画像中の未知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構築することに成功した。手作業では困難であった大量の岩石に対する客観的で再現性のある識別を可能にし、小惑星リュウグウとベヌーの全岩石解析という前例のない成果へと繋がったのである。

AIによる岩石自動識別技術に関する考察

東京大学が開発したAIによる岩石自動識別アルゴリズムは、これまで人手では不可能だった規模の惑星科学データ解析を実現した点で画期的である。特に小惑星リュウグウとベヌーの全岩石を網羅的に解析し、自転速度の違いが進化を左右するという具体的な知見を得られたことは、惑星形成論に大きな進展をもたらすだろう。

今後、この技術が他の小惑星や惑星、衛星の画像データ解析に応用されることで、太陽系の多様な天体の成り立ちに関する理解が一層深まることが期待される。一方で、AIの判断基準のブラックボックス化や、特定の形状や条件下での誤認識の可能性も考慮する必要があり、継続的なモデル改善と検証プロセスが不可欠となるだろう。

地球科学や防災、建設分野への応用展開も大きな可能性を秘めており、土砂災害のリアルタイム監視や建設現場での土量管理の効率化に貢献する可能性がある。将来的には、岩石の種類や鉱物組成まで識別できるような高機能化や、ドローン等と連携したオンサイトでの即時解析システムの開発などが望まれる。

参考サイト

1. ^ 東京大学. 「AI技術で小惑星の全ての土砂を高速自動計測 ―鉱山、土木、建設、防災へ応用可能―」. https://www.t.u-tokyo.ac.jp/press/pr2025-04-08-001, (参照 25-04-10).
5788

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。

「AI」に関するコラム一覧「AI」に関するニュース一覧