NVIDIAは2026年10月30日、地球外知的生命を探すSETI（地球外知的生命探査）の観測にAIエージェントが導入されたと発表した。Breakthrough ListenとSETI Instituteが、米カリフォルニア州北部にある電波望遠鏡群「Allen Telescope Array（ATA）」の日常的な観測に導入したもので、自然言語による指示だけで望遠鏡の向きを調整し、観測データの補正からAIによる解析まで実行できるという。大量の観測データをリアルタイムで処理する基盤には、NVIDIA Holoscanプラットフォームを採用している。NVIDIAによると、今回のシステムは毎秒2.4テラビットのデータを処理でき、AIによるかに星雲のパルサーのリアルタイム検出にも成功した。ただし、大量のデータを高速に処理できることと、地球外文明に由来する人工的な信号を正確に識別できることは別の問題だ。今回の実証対象は既知の自然天体であり、地球外文明からの信号が発見されたわけではない。

AD

GPUによるリアルタイム解析とAIエージェントによる望遠鏡制御

電波望遠鏡で得られた大量の信号をリアルタイムで解析するには、観測データを高速に計算装置へ取り込み、必要な信号処理を実行しながら、望遠鏡の状態や計算資源を管理する必要がある。今回のシステムでは、この一連の処理を主に三つの仕組みが分担している。データの取り込みを担うDAQIRI、GPUによる信号処理を行うCyberEther、観測機器や処理工程を統括するNexusだ。

役割 仕組み 主な機能
データの取り込み DAQIRI 観測データをGPUメモリへ直接取り込む
信号処理 CyberEther GPUで信号を処理し、結果を可視化する
観測と処理の管理 Nexus 観測機器の状態、計算資源、処理工程を統括する

NVIDIAによると、SETI Instituteが開発したCyberEtherは、cuFFTやcuBLASなどのCUDA-Xライブラリを利用して信号処理を行う。一方、Nexusはウェブベースの観測管理システムとして機能し、機器の状態や計算資源、データ処理の流れを一元的に管理する。研究者は自然言語で指示を出すことで、データの欠損状況を監視したり、信号の周波数成分が時間とともにどう変化するかを示すスペクトログラムを確認したりできる。信号処理ブロックの変更にも対応しており、望遠鏡の操作から観測データの解析までを連携させる仕組みだ。

このシステムを構成する技術については、Stellineの公式サイトでも紹介されている。同サイトでは、ATAから送られるライブデータを100ギガビットイーサネット（100 GbE）経由でCyberEtherに取り込み、リアルタイムで相関処理と可視化を行う実演を公開している。また、Stellineは「Coyote」クラスのサーバーについて、1台当たり4基のNVIDIA RTX 6000 Blackwell GPUを搭載し、最大毎秒800ギガビットの光ファイバー入力と最大256テラバイトのNVMeストレージを備えると説明している。GPUメモリへ直接データを取り込む仕組みと、観測データを保存するための大容量ストレージは、用途に応じて併用できる。

一方、NVIDIAが今回公表した毎秒2.4テラビットという処理能力は、RTX PRO 6000 Blackwell GPUを使用するシステムの性能だ。AIの推論処理は望遠鏡の近くに設置された設備で実行するとしている。ただし、測定時の詳しい条件や観測時間、システム全体で使用したGPUの数は明らかにされていない。Coyoteサーバーの仕様だけから、毎秒2.4テラビットの処理に必要なサーバー台数を特定することもできない。

2024年のリアルタイム処理実験から、観測操作とAI解析の統合へ

ATAでAIを使って観測データをリアルタイムに処理する取り組みは、今回が初めてではない。NVIDIAは2024年10月8日の発表で、IGX OrinとHoloscanを使った先行実験の成果を報告している。この実験では、ATAの28基のアンテナをかに星雲へ向け、15時間にわたって900億個を超えるデータパケットを収集した。NVIDIAによると、ほぼ毎秒100ギガビットに相当する観測データをリアルタイムで解析できたという。これは実際の電波望遠鏡を使った観測で得られた結果であり、シミュレーションによるものではない。

今回の発表で注目されるのは、こうしたリアルタイム処理に加え、自然言語による望遠鏡の操作、機器の調整、観測データの補正、AIによる解析を統合した点だ。研究者が個々の操作や処理を別々に実行するのではなく、AIエージェントを介して一連の観測作業を進められるようにした。大量のデータを処理するだけでなく、観測そのものの自動化を進める取り組みといえる。ただし、2024年の実験と今回のシステムでは使用機器や測定条件が異なるため、公表されたデータ処理能力の数値だけから性能向上率を算出することはできない。

AD

パルサーのリアルタイム検出は何を証明したのか

NVIDIAは今回の発表で、かに星雲にあるパルサーをAIによってリアルタイムに検出したことを実証成果として挙げている。パルサーは、恒星が進化した末に形成される高速で自転する中性子星の一種で、周期的な電磁波を放射する天体だ。今回検出されたのは、こうした既知の自然天体からの信号であり、地球外知的生命が発した人工的な信号ではない。NVIDIAはパルサーのリアルタイムAI検出として初めての成果だと説明しているが、それは地球外文明の発見を意味するものではない。

また、今回の発表では、観測時間や検出回数、再現率などの詳細な測定結果は示されていない。誤検出率やAIを使用しない場合との比較結果も公表されていないため、AIの導入によって信号の検出精度がどの程度改善したかは判断できない。観測システムの統合についてはNVIDIAの企業ブログとStellineの技術資料で報告されているものの、今回の構成を検証した査読付き論文や独立した追試結果への参照も示されていない。

今後の展開について、NVIDIAは研究チームがNemotronを含むオープンモデルの評価を進めていると説明する。観測データを現地で処理する必要がある場合や、迅速な応答が求められる用途を想定しているという。また、将来的には、地球との通信に頼らず月の裏側で稼働する観測施設への応用も視野に入れている。ただし、これらは現在進めている評価や将来の構想であり、月面へのシステム配備が決まったことを意味するものではない。

今回の取り組みは、AIエージェントによって電波望遠鏡の操作と大量の観測データの解析を結び付け、観測作業の自動化を進めるものだ。ただし、SETIの探索にどれほど貢献するかを判断するには、異なる観測条件での検出能力や誤検出率、結果の再現性を検証する必要がある。こうした科学的な検証が進めば、AIによる観測の自動化が、宇宙から届く膨大な電波信号の中から重要な手掛かりを見つけ出すうえで、どこまで有効なのかが明らかになるだろう。