Richard Cloete

Center for AstrophysicsはCloeteをコンピューター科学者で、その分野のPhDを持つと紹介する。Galileo Projectによると、Harvardに加わる前はUniversity of Cambridgeで博士研究員を務めた。[S1][S5]

Newcastle Universityの博士論文記録はさらに詳しい。CloeteのPhD研究は、対話的な遠隔レンダリングにおける遅延の測定、モデル化、管理に関わり、クラウド型システムでの予測、シミュレーション、性能測定を含む。[S6] この経歴はUAP研究のデータ工学と関係する。現代の複数方式の観測所は写真を集めるだけではない。

次の機能が必要になる。

• 複数のセンサーを同期する；
• 大量のデータを配信する；
• 対象をリアルタイムで検出する；
• フレーム間で追跡する；
• 観測を外部のカタログと照合する；
• 既知の対象を分類する；
• 生データを保存する；
• 後の分析のために外れ値候補を示す。これらは、特異な物理現象に関する問いになる前に、計算とシステム工学の問題である。

Galileo Projectの現行プロフィールは、CloeteをCenter for AstrophysicsでAvi Loebの下、事業の研究を定義し実施する研究構成員として紹介する。[S1] 同事業は、地上観測所での体系的な測定によって、UAPに関する逸話的な証拠を置き換えようとする。技術的な構成には光学、赤外線、レーダー、無線周波数、音響、環境のセンサーが含まれる。監視施設は膨大な数の航空機、人工衛星、鳥、昆虫、天候事象、天体の発生源を観測しうるため、計算部分は不可欠だ。

検出の大半は通常のもののはずだ。したがって科学的に信頼できるシステムは、通常と異なる残余が意味を持つ前に、通常の事象を非常によく認識できるようにならなければならない。

CloeteはJournal of Astronomical Instrumentationに掲載された2023年の論文"Integrated Computing Platform for Detection and Tracking of Unidentified Aerial Phenomena (UAP)"の筆頭著者だった。[S2] 論文は複数種のセンサーデータを取り込み、観測をリアルタイムで処理し、自然現象や人為的現象と既知の現象の範囲を外れる事象を区別するための計算アーキテクチャ案を記述する。設計にはリアルタイム検出だけでなく、後からの分析用アルゴリズムも含まれる。

論文は作業を予備的なものと明記する。これは重要だ。提案された構成は、システムがすでに新たなUAPを検出した証拠ではない。科学的な貢献は工学上のものであり、センサーから分類と外れ値分析まで、データをどう流すべきかを定義する。

統合プラットフォームの論文は、統計的な外れ値と科学的な異常との重要な概念的区別を示す。[S2] 統計的な外れ値は主たる分布から外れる測定値であり、その理由は多様である。

• 不十分な較正；
• 稀だが既知の航空機；
• 通常と異なる天候；
• データの破損；
• センサーの飽和；
• カメラのすぐ近くにいる昆虫；
• 不完全な分類データ。科学的異常はそれよりはるかに強い分類である。

科学的な異常には、アーティファクトと既知の代替説明を検証した後も現行モデルによる説明に抵抗する、裏付けられ統計的に明確な観測が必要だ。この区別は欠かせない。AIシステムは"weird"な候補を生み出すのが非常に得意だからである。高い異常スコアは人間以外の技術の証拠ではない。より詳しく調べる場所を研究者に示す、選別の信号にすぎない。

Cloeteは2023年のGalileo Projectの研究計画"The Scientific Investigation of Unidentified Aerial Phenomena (UAP) Using Multimodal Ground-Based Observatories."も共著した。[S7] 論文は、求める物理パラメータを観測可能な量と機器要件に結びつける科学的追跡可能性の表を記述する。センサー群には次が含まれる。

• 広視野カメラ；
• 狭視野の多波長カメラ；
• 受動的な複数地点レーダー；
• 無線スペクトルの監視；
• 音響センサー；
• 環境測定。目的は通常と異なる何かを撮影することだけではない。

目的は、位置、軌跡、スペクトル、運動学的性質などを推定し、見かけ上の異常がセンサー間の比較後も残るかを判断できるほど、独立した測定値を得ることだ。この方法は多くの歴史的UAP事例の弱点に直接対処する。

Cloeteは3次元の空中対象の位置特定のためのハードウェアとソフトウェアを記述した別の2023年論文も共著した。システムは可視光、近赤外線、赤外線の帯域の複数カメラ、較正、三角測量を用い、時間とともに位置を復元して速度と加速度を推定する。[S8] これは現代のUAP動画をめぐる議論に特に関係する。単一の画像系列は、信頼できる距離を示さずに見かけ上の急速な運動を生みうる。

較正済みの複数カメラのシステムは、幾何的に奥行きを復元できる。それにより角運動を測定可能な運動学的量に変えられる。工学上の課題は解像度の向上だけではない。独立した幾何の取得である。

CloeteはGalileo Projectの複数帯域の音響監視と受動的な複数地点レーダーに関する研究でも共著者に挙げられている。[S9][S10] 音響システムは低周波音、可聴音、超音波の信号を監視し、既知の航空機の記録で特定アルゴリズムを開発する設計だ。レーダーの構想は分散した受信機から物体の位置と速度を復元することを意図する。こうした観測方式は光学データを裏付けたり反証したりできるため、科学的価値がある。光学的対象に対応する音響、レーダー、熱の信号がなくても、距離やセンサー感度によっては実在しうる。しかし複数センサーのパターンは動画だけでは得られない制約を与える。

2025年、Cloeteは空中対象の検出に用いる全天赤外線カメラ群の試運転に関するSensorsの査読論文を共著した。記載された彼の貢献にはソフトウェア、形式的な解析、初稿の執筆が含まれる。[S11]

試運転は、科学機器の異常を信頼する前に、その特性を把握する必要があるため重要だ。研究者は次を知る必要がある。

• 感度；
• 欠陥画素；
• レンズ歪み；
• 熱による振る舞い；
• 背景ノイズ；
• 誤検出；
• 画像処理の影響。較正されていないセンサーは、検出器の振る舞いを理解すると消える、もっともらしい異常を生みうる。したがって試運転へのCloeteの参加は、UAPSACのデータ分析での役割との関係を強める。

Cloeteの現在の研究はUAPに限らない。2024年には、Vera C. Rubin Observatory／LSSTのデータ環境で星間天体を自動分類する機械学習法に関するAstronomy & Astrophysicsの査読論文を共著した。[S12]

2025年には、地球近傍天体の発見を改善する機械学習法を適用した別のAstronomy & Astrophysics論文を共著した。[S13] これらは、正解データや調査性能を検証できる確立した天文学の分類問題で機械学習に取り組んだことを示すため、プロフィール上重要である。UAPとの関係は方法論にある。研究者が"unknown."の分類を強く重視する前に、アルゴリズムは既知の集団を特定し、誤差率を推定し、新しいデータにも対応できることを示すべきだ。

センサー網のデータは手作業で確認するには多すぎるため、人工知能はUAP研究で魅力的だ。しかしAIは独自の認識論的な危険も持つ。モデルは学習データ中のアーティファクトを覚えうる。また学習に存在しない分類の対象を与えられても、高い確信度で分類しうる。

メタデータが欠けるだけで"unknown"を生むこともある。分布外の検出自体が進行中の研究課題だ。したがってUAPのAI処理には高度なソフトウェアだけでなく、次が必要だ。

• 既知の対象による検証データ群；
• 人間による確認；
• 透明な閾値；
• 再現可能な前処理；
• モデルの版の記録；
• 不確実性の較正；
• 生のセンサーデータへのアクセス。したがって、UAPSACが誤検出を避けられるかに、Cloeteの技術的役割は中心的なものとなりうる。

Cloeteは2026年6月の初回評議会名簿に、データ分析とAIツールの担当として掲載された。[S3][S4] 主な貢献が政策や広報にある構成員と異なり、彼の役割はUAPデータを分類へ変える核心的な技術課題に近い。だからといって、評議会のAIシステムがすでに発見を生んだわけではない。ここで確認した公開情報には、UAPSACの完全なデータ処理経路、モデルの構成、検証済みの事例分析成果がない。したがって任命は、評議会の完成した成果の証拠ではなく、確立した研究専門性の新たな応用として説明すべきだ。

CloeteはAvi Loebの下でGalileo Projectに携わり、現在はLoebが率いる評議会にもいる。これは活動の連続性と方法論上の懸念の可能性を同時に生む。連続性は既存のツールと専門性を政府への助言に迅速に移せるため有用だ。懸念は独立性にある。

同じ研究グループが機器を設計し、候補の異常を選び、十分な外部の再現なしに評価すれば、技術的に高度なシステムにも確証バイアスが入りうる。対策は関係する研究者を排除することではない。独立した検証、可能な場合の方法の公開、アルゴリズム開発と最終的な異常の主張との明確な分離を確保することだ。