AIが解く世界の難問 · 天文学・宇宙 · arXiv · 2026-10-22
天体物理乱流における機械学習 I：XGBoostによる磁化分子雲内のプレステラー核予測
原題: ML in Astrophysical Turbulence I: Predicting Prestellar Cores in Magnetized Molecular Clouds using eXtreme Gradient Boosting
超音速乱流と磁場が支配的な巨大分子雲では、どのガス塊が収縮して星形成核になるかの予測が難しいため、プレステラーガスの3次元ラグランジュ軌道と重力収縮の運命を予報するXGBoostの機械学習枠組みを提示した。自己重力を含む乱流MHDシミュレーションの約210万個のトレーサー粒子で学習し、瞬時の位置・速度・密度・磁場から0.25自由落下時間（約0.31 Myr）にわたる3次元空間発展をR²>0.99で予測するとともに、重力収縮に対する核の感受性をAUC=0.975で高精度にランク付けした。SHAP解析により局所密度・運動エネルギー・磁場強度が核同定を支配し、log₁₀ρ≈0.8に磁場が収縮予測を増幅する鋭い非線形閾値がモデルから再導出される一方、点ごとの機械学習モデルは収縮を物理的に止める微分演算子の評価に必要な空間的文脈を数学的に欠くことが示された。