應用研究／科學資料工程
Astro-COLIBRI、制約付きLLMで天文通報を解析し、10年分の自由記述を68,393件の観測データに変換
新たなパイプラインは、NASA GCN Circularsに記載された測光、赤方偏移、観測時刻をイベント単位の構造化データへ変換し、すでにリアルタイムで稼働している。内部監査ではフィールド判定の正解率99.80％を記録したが、時刻の解釈と観測施設の帰属が依然として主な誤りの原因であり、研究利用時には原文の確認が必要だ。
Astro-COLIBRIチームは、天文台が自由記述で公開するNASA GCN Circularsを処理する、すでに実運用中のLLMデータパイプラインを公開した。システムでは、常時稼働するlistenerが通報を受信し、ガンマ線バーストなどの突発天体イベントとの関連付けと決定論的な事前解析を行った後、固定schemaを備えた大規模言語モデルを呼び出す。モデルは測光値、フィルター、時刻、上限値、赤方偏移、連絡先情報、観測施設を抽出する。結果は単位と時刻を正規化してからAstro-COLIBRI APIに書き込まれ、Web、モバイルアプリ、CSV、VOTable、光学残光チャートで利用される。
論文によると、調整後のワークフローは2026年上半期に評価対象となった1,775件の通報をすべて正常に処理し、ワークフローレベルの失敗は発生しなかった。研究者が210件のCircularsを人手で検査したところ、明確に判定可能な25,880フィールドのうち25,827フィールドが正しく、フィールド正解率は99.80％だった。53件の誤りは、8件の通報における時刻の解釈と施設の帰属に集中していた。独立したGRBwebデータと比較した場合、両者に共通する249イベントのうち228イベントで赤方偏移値が一致した。残る相違は、単純な数値の読み違いではなく、上限値、ホスト銀河候補の推定値、または後続の改訂に起因していた。
チームはこのパイプラインを2016年以降の全アーカイブにも適用し、26,811件の報告から5,787イベントに関する68,393件の観測データを整理した。現在は新たな通報もリアルタイムで処理している。再利用可能な部分はPythonパッケージ`astro-colibri-circular-parser`として公開されており、決定論的な事前解析、schema制約付き抽出、イベント関連付け、データ補完、整合性チェックを含む。
これは一般的な文書要約より注目に値する応用だ。モデル出力がデータ契約と後処理によって囲い込まれ、人手によるフィールド監査と外部カタログとの交差検証も行われている。ただし、サンプルは単一の専門的な文体に由来し、監査もチーム内部で実施された。時刻表現、非標準フィルター、Vega／AB較正の変換は、依然として科学的バイアスを引き起こす可能性がある。正式な解析では必ずCircular IDを保持して元の通報を確認し、高い平均正解率を各データの正しさの保証と見なすべきではない。