एंथ्रोपिक के क्लाउड साइंस ने पूरे आकाश का पहला पूर्ण पराबैंगनी मानचित्र तैयार किया है, जो जॉन्स हॉपकिन्स के खगोलभौतिकीविद् ब्राइस मेनार्ड द्वारा वर्णित एक मील का पत्थर है, जिन्होंने इस परियोजना का नेतृत्व किया और एंथ्रोपिक की वेबसाइट पर इस प्रक्रिया का विवरण दिया। द डिकोडर द्वारा रिपोर्ट किए गए प्रयास से पता चलता है कि कैसे समन्वित एआई एजेंट उस कठिन डेटा कार्य को अवशोषित कर सकते हैं जो अनुसंधान टीमों को अन्यथा कभी नहीं मिल पाता।

मानचित्र पहले के अंतरिक्ष अभियानों द्वारा छोड़े गए दशकों पुराने अंतराल को भरता है, अभिलेखीय अवलोकनों को उन क्षेत्रों के मॉडल-जनित पुनर्निर्माण के साथ जोड़ता है जिन्हें किसी भी दूरबीन ने पूरी तरह से कवर नहीं किया है। यह एआई के चैटबॉट और कोडिंग सहायकों से वैज्ञानिक अनुसंधान की दैनिक मशीनरी में स्थानांतरित होने का अब तक का सबसे ठोस उदाहरण है - एक विषय जो आज के अधिकांश [एआई अनुसंधान कवरेज] (https://aibuzzwire.news) में चलता है।

संपूर्ण यूवी मानचित्र कभी अस्तित्व में क्यों नहीं आया

पराबैंगनी प्रकाश जमीन से अदृश्य है। ओजोन परत इसे अवरुद्ध करती है, जिसका अर्थ है कि यूवी खगोल विज्ञान केवल अंतरिक्ष से ही किया जा सकता है। नासा का GALEX मिशन, जिसने 2003 से 2013 तक पराबैंगनी में आकाश का सर्वेक्षण किया, आकाश के लगभग दो-तिहाई हिस्से को कवर करने में कामयाब रहा, लेकिन चमकीले तारे बनाने वाले क्षेत्रों को छोड़ दिया, जहां प्रकाश इतना तीव्र है कि यह डिटेक्टरों को नुकसान पहुंचा सकता है या अवलोकनों को संतृप्त कर सकता है।

इससे आकाश का लगभग एक-तिहाई हिस्सा यूवी कवरेज के बिना रह गया - जिसमें कुछ सबसे वैज्ञानिक रूप से दिलचस्प पड़ोस, युवा सितारों से घने और सक्रिय तारकीय गठन शामिल हैं। एक दशक से भी अधिक समय से, यूवी डेटा के साथ काम करने वाले खगोलविदों को उन छिद्रों से निपटना पड़ा है, आंशिक दृश्यों को एक साथ जोड़ना या बस अपने विश्लेषण में लापता क्षेत्रों से बचना पड़ा है।

एआई एजेंटों ने मानचित्र को कैसे इकट्ठा किया

क्लाउड साइंस एआई एजेंटों की टीमों का समन्वय करता है जिन्होंने कई अंतरिक्ष मिशनों से डेटा डाउनलोड किया, इसे कैलिब्रेट किया और इसे एक सुसंगत मानचित्र में विलय कर दिया। जहां अवलोकन गायब थे, सिस्टम ने इनपेंटिंग का उपयोग किया - एक ऐसी तकनीक जहां एक मॉडल अंतराल को फिर से बनाने के लिए मौजूदा डेटा से सीखता है।

परिणामों को वास्तविक मापों के विरुद्ध मान्य किया गया: परीक्षणों में, प्रोजेक्ट के बारे में मेनार्ड के विवरण के अनुसार, मॉडल की भविष्यवाणियां वास्तविक मूल्यों से औसतन लगभग 10 प्रतिशत भटक गईं। वह त्रुटि दर मायने रखती है - यह वैज्ञानिक रूप से प्रयोग करने योग्य उत्पाद और एक सुंदर तस्वीर के बीच का अंतर है - और यह सुझाव देता है कि पुनर्निर्माण खोजपूर्ण कार्य का समर्थन करने के लिए पर्याप्त करीब हैं, भले ही वे प्रत्यक्ष अवलोकन का विकल्प न हों।

यूवी प्रकाश से तारों की रोशनी से जगमगाती धूल का पता चलता है, जिसमें युवा सितारों के चारों ओर बादलों जैसी संरचनाएं और तारकीय विस्फोटों द्वारा छोड़े गए छल्ले शामिल हैं। अब पूरा आसमान ढका हुआ है, शोधकर्ता उन क्षेत्रों में उन विशेषताओं का अध्ययन कर सकते हैं जो पहले अंधे स्थान थे।

एजेंट-समन्वय दृष्टिकोण उतना ही उल्लेखनीय है जितना परिणाम। सवालों के जवाब देने वाले एकल मॉडल के बजाय, सिस्टम ने परियोजना को कार्यों में विघटित कर दिया - मिशन अभिलेखागार का पता लगाना, डेटा खींचना, अंशांकन की जांच करना, अनुमानों को संरेखित करना, ओवरलैपिंग सर्वेक्षणों को मर्ज करना, अंतराल की पहचान करना - और उन्हें पाइपलाइन के माध्यम से काम करने वाले विशेष एजेंटों को सौंप दिया। मानव वैज्ञानिकों ने आवश्यकताएँ निर्धारित कीं और आउटपुट को मान्य किया; एजेंटों ने असेंबली का काम किया, अन्यथा एक स्नातक छात्र का एक दशक बर्बाद हो जाता।

एक शिक्षण उपकरण और एक टेम्पलेट

मेनार्ड ने कहा कि मानचित्र का उद्देश्य शिक्षण सामग्री के रूप में काम करना है, जिससे छात्रों और शोधकर्ताओं को पहली बार पराबैंगनी आकाश का पूरा दृश्य मिल सके। लेकिन बड़ा निहितार्थ वर्कफ़्लो ही हो सकता है।

उन्हें संदेह है कि कई वैज्ञानिक इसी तरह की परियोजनाओं को बंद कर रहे हैं - बड़े, अस्वाभाविक डेटा-एकीकरण प्रयास जिन्हें एआई अब संभव बना सकता है। पिछले अंतरिक्ष अभियानों के अभिलेख ऐसे डेटा से भरे हुए हैं जिनका कभी भी पूरी तरह से दोहन नहीं किया गया था, इसलिए नहीं कि इसमें मूल्य की कमी है, बल्कि इसलिए कि इसे साफ करने, कैलिब्रेट करने और विलय करने में एक शोध टीम को वर्षों का कठिन काम करना होगा। क्लाउड साइंस जैसी एजेंट-आधारित प्रणालियाँ उस अर्थशास्त्र को बदल देती हैं: समन्वय और डेटा प्रबंधन जो एक बार करियर का उपभोग करता है वह एक परियोजना में हो सकता है।

अंतराल के स्रोत में भी एक शांत विडंबना है। GALEX ने सबसे चमकीले तारे बनाने वाले क्षेत्रों को छोड़ दिया क्योंकि वे सबसे मूल्यवान लक्ष्यों में से हैं - नए तारे के निर्माण के इंजन जिनका खगोलविद पराबैंगनी प्रकाश में अध्ययन करना चाहते हैं। उपकरण सुरक्षा के इर्द-गिर्द डिज़ाइन किया गया एक मिशन अपने सबसे दिलचस्प पड़ोस को बिना मैप किए छोड़ गया, और केवल अब, एआई-सहायता पुनर्निर्माण के साथ, उस अंधे स्थान को भरा जा रहा है।

चेतावनियाँ

चित्रित क्षेत्र पूर्वानुमान हैं, माप नहीं। इस मानचित्र का लगभग एक तिहाई हिस्सा मौजूद है क्योंकि एक मॉडल ने अनुमान लगाया है कि कवर किए गए क्षेत्रों से सीखे गए आसपास के डेटा और पैटर्न के आधार पर यूवी आकाश कैसा दिखना चाहिए। 10 प्रतिशत औसत विचलन एक समग्र आंकड़ा है; विशिष्ट संरचनाएँ - तारकीय अवशेष के चारों ओर एक धुंधली अंगूठी, धूल के बादल का किनारा - मानचित्र के समग्र आँकड़ों की तुलना में कम विश्वसनीय हो सकता है।

वह बर्खास्तगी नहीं है. खगोल विज्ञान में प्रत्येक पुनर्निर्माण परियोजना को समान व्यापार-बंद का सामना करना पड़ता है, और एंथ्रोपिक परियोजना इस बारे में पारदर्शी है कि किन क्षेत्रों का अनुमान लगाया गया था। लेकिन मानचित्र का हवाला देते हुए शोधकर्ताओं को पुनर्निर्मित क्षेत्रों से देखे गए अवलोकनों को अलग करने की आवश्यकता होगी, विशेष रूप से धुंधले या असामान्य स्रोतों के लिए।

यह परियोजना इस सप्ताह घोषित ओपन-सोर्स सॉफ़्टवेयर के लिए स्काई मैप से लेकर भेद्यता स्कैनिंग तक, वैज्ञानिक वर्कफ़्लो के अंदर अपने मॉडलों को स्थापित करने के लिए एंथ्रोपिक के व्यापक प्रयास का भी संकेत देती है। खगोल विज्ञान समुदाय के लिए, तत्काल उपाय सरल है: एक डेटासेट जो अब अस्तित्व में नहीं था, और इसे बनाने वाले टूलींग को अगले अन्य मिशनों पर इंगित किया जा सकता है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →