एडवांस्ड अध्ययन संस्थान, फ्लैटिरॉन संस्थान और उनके सहयोगियों के खगोल भौतिकीविदों (astrophysicists) ने गैलेक्सी के विशाल समूहों के द्रव्यमान का अनुमान लगाने के बेहतर तरीके को उजागर करने के लिए आर्टिफिशियल इंटेलिजेंस का लाभ उठाया है। एआई (AI) ने पाया कि मौजूदा इक्वेशन में सिर्फ एक साधारण शब्द जोड़कर, वैज्ञानिक पहले की तुलना में कहीं बेहतर बड़े पैमाने पर अनुमान लगा सकते हैं।
बेहतर अनुमान वैज्ञानिकों को ब्रह्मांड के मौलिक गुणों की अधिक सटीक गणना करने में सक्षम बनाएंगे, खगोल भौतिकीविदों ने प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज में रिपोर्ट किया है।
आर्टिफिशियल इंटेलिजेंस ने गैलेक्सी क्लस्टर्स किसने किया रिसर्च
न्यू यॉर्क शहर में फ्लैटिरॉन इंस्टीट्यूट सेंटर फॉर कम्प्यूटेशनल एस्ट्रोफिजिक्स (सीसीए) के एक शोध वैज्ञानिक, सह-लेखक फ्रांसिस्को विलेस्कुसा-नवारो (Francisco Villaescusa-Navarro) कहते हैं कि यह इतनी सरल बात है यही इसकी सुंदरता है। इतना सरल होने के बावजूद भी किसी ने इस टर्म को नहीं खोजा था। लोग इस पर दशकों से काम कर रहे हैं और फिर भी वे इसे खोजने में सक्षम नहीं थे।
RelatedPosts
ब्रह्मांड को समझने के लिए यह जानना आवश्यक है कि वहां कितनी सामग्री है और कहां है। गैलेक्सी (आकाशगंगाएं) क्लस्टर ब्रह्मांड में सबसे विशाल वस्तुएं हैं। एक एकल क्लस्टर में प्लाज्मा, गर्म गैस और डार्क मैटर के साथ-साथ सैकड़ों से लेकर हजारों आकाशगंगाएं हो सकती हैं। क्लस्टर का गुरुत्वाकर्षण इन घटकों को एक साथ रखता है। ऐसे आकाशगंगा समूहों को समझना ब्रह्मांड की उत्पत्ति और निरंतर विकास के लिए महत्वपूर्ण है।
शायद गैलेक्सी क्लस्टर के गुणों का निर्धारण करने वाली सबसे महत्वपूर्ण मात्रा इसका कुल द्रव्यमान है। लेकिन इस मात्रा को मापना कठिन है। आकाशगंगाओं को एक पैमाने पर रखकर ‘तोला’ नहीं जा सकता। यह समस्या और भी जटिल है क्योंकि डार्क मैटर जो क्लस्टर के द्रव्यमान का अधिकांश भाग बनाता है, अदृश्य है। इसके बजाय, वैज्ञानिक अन्य अवलोकन योग्य मात्राओं से क्लस्टर के द्रव्यमान को घटाते हैं।
गैलेक्सी क्लस्टर्स से जुड़ी महत्वपूर्ण जानकारी
1970 के दशक की शुरुआत में इंस्टीट्यूट फॉर एडवांस्ड स्टडीज स्कूल ऑफ नेचुरल साइंसेज के राशिद सुन्येव (Rashid Sunyaev), वर्तमान प्रतिष्ठित विजिटिंग प्रोफेसर और उनके सहयोगी याकोव बी. ज़ेल्डोविच ने आकाशगंगा समूह द्रव्यमान का अनुमान लगाने के लिए एक नया तरीका विकसित किया। उनकी विधि इस तथ्य पर निर्भर करती है कि जैसे ही गुरुत्वाकर्षण एक साथ स्क्वैश करता है और पदार्थ के इलेक्ट्रॉन पीछे धकेलते हैं।
वह इलेक्ट्रॉन दबाव बदल देता है कि कैसे इलेक्ट्रॉन प्रकाश के कणों के साथ इंटरैक्ट करते हैं, जिन्हें फोटॉन कहा जाता है। जैसे ही बिग बैंग के बाद की चमक से बचे फोटॉन निचोड़े हुए पदार्थ से टकराते हैं, अंतःक्रिया से नए फोटॉन बनते हैं। उन फोटॉनों के गुण इस बात पर निर्भर करते हैं कि गुरुत्वाकर्षण कितनी दृढ़ता से सामग्री को संकुचित कर रहा है, जो बदले में आकाशगंगा समूह की ऊँचाई पर निर्भर करता है। फोटॉनों को मापकर खगोल वैज्ञानिक क्लस्टर के द्रव्यमान का अनुमान लगा सकते हैं।
हालांकि, यह ‘एकीकृत इलेक्ट्रॉन दबाव’ द्रव्यमान के लिए एक आदर्श प्रतिनिधि नहीं है, क्योंकि फोटॉन गुणों में परिवर्तन आकाशगंगा समूह के आधार पर भिन्न होता है। वाडेकर (Wadekar) और उनके सहयोगियों ने सोचा कि प्रतीकात्मक प्रतिगमन (symbolic regression) नामक एक कृत्रिम बुद्धि उपकरण एक बेहतर दृष्टिकोण खोज सकता है। उपकरण अनिवार्य रूप से गणितीय ऑपरेटरों के विभिन्न संयोजनों की कोशिश करता है जैसे कि जोड़ और घटाव – विभिन्न चर के साथ, यह देखने के लिए कि कौन सा समीकरण डेटा से सबसे अच्छा मेल खाता है।
वाडेकर और उनके सहयोगियों ने अपने एआई कार्यक्रम को कई आकाशगंगा समूहों वाले अत्याधुनिक ब्रह्मांड सिमुलेशन को ‘फेड’ किया। इसके बाद CCA रिसर्च फेलो माइल्स क्रैनमर द्वारा लिखित उनके कार्यक्रम ने अतिरिक्त चरों की खोज की और पहचान की जो बड़े पैमाने पर अनुमानों को अधिक सटीक बना सकते हैं।
एआई नए पैरामीटर संयोजनों की पहचान करने के लिए उपयोगी है, जिसे मानव विश्लेषक अनदेखा कर सकते हैं। उदाहरण के लिए, जबकि मानव विश्लेषकों के लिए डेटासेट में दो महत्वपूर्ण मापदंडों की पहचान करना आसान है, एआई उच्च मात्रा के माध्यम से बेहतर विश्लेषण कर सकता है, जो अक्सर अप्रत्याशित प्रभावित करने वाले कारकों को प्रकट करता है। वाडेकर ने समझाया, बहुत सारे मशीन-लर्निंग समुदाय गहरे तंत्रिका नेटवर्क पर ध्यान केंद्रित करते हैं।
ये बहुत शक्तिशाली हैं, लेकिन दोष यह है कि ये लगभग एक ब्लैक बॉक्स की तरह हैं। हम समझ नहीं सकते कि इनमें क्या चल रहा है। फिजिक्स में अगर कोई चीज अच्छे परिणाम दे रही है, तो हम जानना चाहते हैं कि यह ऐसा क्यों कर रहा है। प्रतीकात्मक प्रतिगमन फायदेमंद है क्योंकि यह किसी दिए गए डेटासेट को खोजता है और सरल गणितीय अभिव्यक्तियों को सरल समीकरणों के रूप में उत्पन्न करता है जिसे आप समझ सकते हैं। यह आसानी से व्याख्या करने योग्य मॉडल प्रदान करता है।
गैलेक्सी क्लस्टर्स से संबंधित ध्यान देने वाली बात
शोधकर्ताओं के प्रतीकात्मक प्रतिगमन कार्यक्रम ने उन्हें एक नया समीकरण दिया, जो मौजूदा समीकरण में एक नया शब्द जोड़कर आकाशगंगा समूह के द्रव्यमान का बेहतर अनुमान लगाने में सक्षम था। वाडेकर और उनके सहयोगियों ने तब इस एआई-जनित समीकरण से पीछे की ओर काम किया और एक भौतिक स्पष्टीकरण पाया।
उन्होंने महसूस किया कि गैस की सघनता आकाशगंगा समूहों के क्षेत्रों से संबंधित है जहां बड़े पैमाने पर अनुमान कम विश्वसनीय होते हैं, जैसे कि आकाशगंगाओं के कोर जहां सुपरमैसिव ब्लैक होल लर्क जाते हैं। उनके नए समीकरण ने गणनाओं में उन जटिल कोर के महत्व को कम करके बड़े पैमाने पर अनुमानों में सुधार किया। एक मायने में आकाशगंगा समूह गोलाकार डोनट की तरह है।
नया समीकरण डोनट के केंद्र में जेली को निकालता है जो बड़ी त्रुटियों को पेश कर सकता है, और इसके बजाय अधिक विश्वसनीय सामूहिक अनुमानों के लिए आउट स्कर्ट्स पर ध्यान केंद्रित करता है। शोधकर्ताओं ने CCA के CAMELS सूट से हजारों सिम्युलेटेड ब्रह्मांडों पर AI-खोजे गए समीकरण का परीक्षण किया। उन्होंने पाया कि समीकरण ने वर्तमान में उपयोग किए जाने वाले समीकरण की तुलना में बड़े समूहों के लिए आकाशगंगा क्लस्टर द्रव्यमान अनुमानों में परिवर्तनशीलता को लगभग 20 से 30 प्रतिशत तक कम कर दिया है।
इसे भी पढ़ें: पृथ्वी पर पानी कहाँ से आया? वैज्ञानिकों के अनुसार पिघले हुए उल्कापिंड से नहीं
नया समीकरण आने वाले आकाशगंगा क्लस्टर सर्वेक्षणों में लगे अवलोकन संबंधी खगोलविदों को उनके द्वारा देखी जाने वाली वस्तुओं के द्रव्यमान में बेहतर अंतर्दृष्टि प्रदान कर सकता है। वाडेकर ने कहा कि आकाशगंगा समूहों को लक्षित करने वाले कुछ सर्वेक्षण हैं, जिसे निकट भविष्य में योजना बनाई गई है। उदाहरणों में साइमन्स वेधशाला (Simons Observatory), चरण 4 CMB प्रयोग और eROSITA नामक एक्स-रे सर्वेक्षण शामिल हैं। नए समीकरण इन सर्वेक्षणों से वैज्ञानिक रिटर्न को अधिकतम करने में हमारी मदद कर सकते हैं।
इसे भी पढ़ें: जेम्स वेब स्पेस टेलीस्कोप ने कैप्चर किया रेयर सुपरनोवा की शुरुआत
वाडेकर ने कहा कि जब खगोल भौतिकी में प्रतीकात्मक प्रतिगमन का उपयोग करने की बात आएगी तो यह प्रकाशन हिमशैल का सिरा होगा। हमें लगता है कि कई खगोलीय सवालों के जवाब देने के लिए प्रतीकात्मक प्रतिगमन अत्यधिक लागू है। खगोल विज्ञान में बहुत सारे मामलों में लोग दो मापदंडों के बीच एक रेखीय फिट बनाते हैं और बाकी सब कुछ अनदेखा करते हैं। लेकिन आजकल इन उपकरणों के साथ आगे जा सकते हैं। प्रतीकात्मक प्रतिगमन और अन्य कृत्रिम बुद्धि उपकरण मौजूदा दो-पैरामीटर से आगे जाने में हमारी सहायता कर सकते हैं।
इसे भी पढ़ें: Kalpana Chawla Death Mystery: Colombia Disaster Counts As The Most Fatal Disaster In The History Of Space
