ब्रह्मांड की जटिलता को वश में करने में मदद करना

ब्लैक होल की प्रसिद्ध पहली छवि अभी दो गुना तेज हो गई है। एक शोध दल ने 2019 से अपनी पहली छवि में नाटकीय रूप से सुधार करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग किया, जो अब M87 आकाशगंगा के केंद्र में ब्लैक होल को चित्रित पहली छवि की तुलना में अधिक गहरा और बड़ा दिखाता है।

मैं एक खगोलशास्त्री हूं जो ब्रह्मांड विज्ञान, ब्लैक होल और एक्सोप्लैनेट के बारे में पढ़ता और लिखता हूं। खगोलविद दशकों से एआई का उपयोग कर रहे हैं। वास्तव में, 1990 में, एरिजोना विश्वविद्यालय के खगोलविद, जहां मैं एक प्रोफेसर हूं, आकाशगंगाओं के आकार का अध्ययन करने के लिए न्यूरल नेटवर्क नामक एक प्रकार के एआई का उपयोग करने वाले पहले लोगों में से थे।

तब से, एआई खगोल विज्ञान के हर क्षेत्र में फैल गया है। जैसे-जैसे तकनीक अधिक शक्तिशाली हो गई है, एआई एल्गोरिदम ने खगोलविदों को बड़े पैमाने पर डेटा सेटों को व्यवस्थित करने और ब्रह्मांड के बारे में नए ज्ञान की खोज करने में मदद करना शुरू कर दिया है।

बेहतर टेलीस्कोप, अधिक डेटा

सौ साल पहले, एडविन हबल ने नवनिर्मित दूरबीनों का उपयोग यह दिखाने के लिए किया था कि ब्रह्मांड न केवल सितारों और गैस के बादलों से भरा है, बल्कि अनगिनत आकाशगंगाएँ हैं। जैसे-जैसे दूरबीनों में सुधार जारी रहा है, वैसे-वैसे आकाशीय पिंडों की विशाल संख्या मनुष्य देख सकते हैं और डेटा खगोलविदों की मात्रा को क्रमबद्ध करने की आवश्यकता है, दोनों में भी तेजी से वृद्धि हुई है।

उदाहरण के लिए, चिली में जल्द ही बनने वाली वेरा रुबिन ऑब्जर्वेटरी छवियों को इतना बड़ा बना देगी कि प्रत्येक को पूरी तरह से देखने के लिए 1,500 हाई-डेफिनिशन टीवी स्क्रीन लगेंगी। 10 वर्षों में यह 0.5 एक्साबाइट डेटा उत्पन्न करने की उम्मीद है - लगभग 50,000 बार कांग्रेस के पुस्तकालय में निहित सभी पुस्तकों में जानकारी की मात्रा। 20 फीट (6 मीटर) व्यास से बड़े दर्पणों के साथ 20 दूरबीनें हैं। एआई एल्गोरिदम एकमात्र तरीका है जिससे खगोलविद आज उनके पास उपलब्ध सभी डेटा के माध्यम से काम करने की उम्मीद कर सकते हैं। एआई इस डेटा को संसाधित करने में कई तरह से उपयोगी साबित हो रहा है।

पैटर्न निकालना

खगोल विज्ञान में अक्सर भूसे के ढेर में सुइयों की तलाश करना शामिल होता है। एक खगोलीय छवि में लगभग 99% पिक्सेल में पृष्ठभूमि विकिरण, अन्य स्रोतों से प्रकाश या अंतरिक्ष का कालापन होता है - केवल 1% में मंद आकाशगंगाओं के सूक्ष्म आकार होते हैं।

एआई एल्गोरिदम - विशेष रूप से, तंत्रिका नेटवर्क जो कई इंटरकनेक्टेड नोड्स का उपयोग करते हैं और पैटर्न को पहचानना सीखने में सक्षम हैं - आकाशगंगाओं के पैटर्न को चुनने के लिए बिल्कुल उपयुक्त हैं। खगोलविदों ने 2010 की शुरुआत में आकाशगंगाओं को वर्गीकृत करने के लिए तंत्रिका नेटवर्क का उपयोग करना शुरू किया। अब एल्गोरिदम इतने प्रभावी हैं कि वे आकाशगंगाओं को 98% की सटीकता के साथ वर्गीकृत कर सकते हैं।

अब, शोधकर्ता एआई का उपयोग लोगों की तुलना में अधिक तेज़ी से और अच्छी तरह से डेटा के माध्यम से छानने के लिए कर रहे हैं।

इसने SETI के प्रयासों को झूठे सकारात्मक संकेतों की संख्या को कम करने के साथ-साथ अधिक जमीन को कवर करने की अनुमति दी है। एक अन्य उदाहरण एक्सोप्लैनेट्स की खोज है। खगोलविदों ने किसी ग्रह के सामने से गुजरने पर किसी तारे से आने वाले प्रकाश की मात्रा में कमी को मापकर 5,300 ज्ञात बहिर्ग्रहों में से अधिकांश की खोज की। एआई उपकरण अब 96% सटीकता के साथ एक एक्सोप्लैनेट के संकेतों को चुन सकते हैं।

नई खोज करने में मदद करना

एआई ने खुद को ज्ञात वस्तुओं - जैसे आकाशगंगाओं या एक्सोप्लैनेट - की पहचान करने में उत्कृष्ट साबित किया है, जिसे खगोलविद इसे देखने के लिए कहते हैं। लेकिन यह उन वस्तुओं या परिघटनाओं को खोजने में भी काफी शक्तिशाली है जो सैद्धांतिक हैं लेकिन वास्तविक दुनिया में अभी तक खोजी नहीं गई हैं। टीमों ने नए बहिर्ग्रहों का पता लगाने के लिए इस दृष्टिकोण का उपयोग किया है, पुश्तैनी सितारों के बारे में जानें, जिससे मिल्की वे का निर्माण और विकास हुआ, और नए प्रकार के गुरुत्वाकर्षण तरंगों के संकेतों की भविष्यवाणी की।

भविष्यवाणियां करना और छिद्रों को भरना

जैसा कि जीवन के कई क्षेत्रों में हाल ही में हुआ है, जनरेटिव एआई और चैटजीपीटी जैसे बड़े भाषा मॉडल भी खगोल विज्ञान की दुनिया में लहरें बना रहे हैं। 2019 में ब्लैक होल की पहली छवि बनाने वाली टीम ने अपनी नई छवि बनाने के लिए एक जनरेटिव एआई का इस्तेमाल किया। ऐसा करने के लिए, इसने पहली बार एआई को सिखाया कि ब्लैक होल को कई प्रकार के ब्लैक होल के सिमुलेशन खिलाकर ब्लैक होल को कैसे पहचाना जाए। फिर, टीम ने ब्लैक होल M87 पर रेडियो टेलीस्कोप द्वारा एकत्रित डेटा की भारी मात्रा में अंतराल को भरने के लिए बनाए गए AI मॉडल का उपयोग किया। इस अनुरूपित डेटा का उपयोग करके, टीम एक नई छवि बनाने में सक्षम थी जो मूल से दो गुना तेज है और सामान्य सापेक्षता की भविष्यवाणियों के साथ पूरी तरह से संगत है। आधुनिक अनुसंधान की जटिलता को दूर करने में मदद करने के लिए खगोलविद भी एआई की ओर रुख कर रहे हैं। हार्वर्ड-स्मिथसोनियन सेंटर फॉर एस्ट्रोफिजिक्स की एक टीम ने खगोल विज्ञान पर 15 मिलियन वैज्ञानिक पत्रों को पढ़ने और व्यवस्थित करने के लिए एस्ट्रोबर्ट नामक एक भाषा मॉडल बनाया। नासा पर आधारित एक अन्य टीम ने भी खगोल विज्ञान परियोजनाओं को प्राथमिकता देने के लिए एआई का उपयोग करने का प्रस्ताव दिया है, एक प्रक्रिया जो खगोलविदों को हर 10 वर्षों में संलग्न करती है।

SOURCE: thehansindia