高次元の点群から多様体構造を検出することは、特に天文観測やシミュレーションデータの解析において重要な課題です。宇宙の進化をより深く理解するため、フィラメント（1次元）、ストリーム、ウォール（2次元）、クラスタ（3次元）といった構造の検出が必要とされています。こうした複雑な構造を効率的に抽出するために開発されたのが、生物学的インスピレーションに基づいた局所整列蟻技法（LAAT）です。この手法は仮想的なエージェント（蟻）を用いて、ノイズの多い高次元空間において微弱で多次元的な構造を回復します。 しかし実運用の際には、ノードや球状星団といった非常に密集したハブ領域が蟻の活動を過度に支配し、計算上の無駄が生じるという課題がありました。本研究では、この問題を解決するために2段階のアプローチを提案しています。第一段階では、高速前処理によってハブ領域を特定し、カスタマイズされた尤度モデルに置き換えます。第二段階では、尤度とフェロモンを混合した戦略により、蟻を効率的に密集領域を橋渡しするように導きます。 提案手法の有効性は、合成データおよび宇宙ウェブの大規模なN体シミュレーション結果を用いて検証されています。改良されたLAATは、検出効率と堅牢性の両面で顕著な改善を示し、特に複雑な宇宙構造の自動検出において有望な手法として確立されました。