اینتھروپکس کلاڈ سائنس نے پورے آسمان کا پہلا مکمل الٹرا وائلٹ نقشہ تیار کیا ہے، یہ سنگ میل جانس ہاپکنز کے فلکیاتی طبیعیات دان برائس مینارڈ نے بیان کیا ہے، جس نے اس منصوبے کی قیادت کی اور انتھروپک کی ویب سائٹ پر اس عمل کو تفصیل سے بتایا۔ دی ڈیکوڈر کی طرف سے رپورٹ کردہ یہ کوشش یہ ظاہر کرتی ہے کہ کس طرح مربوط AI ایجنٹس اس تھکا دینے والے ڈیٹا کام کو جذب کر سکتے ہیں جس پر ریسرچ ٹیمیں بصورت دیگر کبھی نہیں پہنچ پائیں گی۔

نقشہ کئی دہائیوں پرانے خلاء کو پُر کرتا ہے جو پہلے کے خلائی مشنز کے ذریعے چھوڑے گئے تھے، جو کہ کسی دوربین نے مکمل طور پر احاطہ نہیں کیا ہے، ان خطوں کی ماڈل سے تیار کردہ تعمیر نو کے ساتھ آرکائیول مشاہدات کو یکجا کیا ہے۔ یہ چیٹ بوٹس اور کوڈنگ اسسٹنٹس سے سائنسی تحقیق کی روزانہ کی مشینری میں منتقل ہونے کی اب تک کی سب سے ٹھوس مثالوں میں سے ایک ہے — ایک تھیم جو آج کی زیادہ تر AI ریسرچ کوریج سے گزرتی ہے۔

کیوں ایک مکمل UV نقشہ کبھی موجود نہیں تھا۔

بالائے بنفشی روشنی زمین سے نظر نہیں آتی۔ اوزون کی تہہ اسے روکتی ہے، جس کا مطلب ہے کہ یووی فلکیات صرف خلا سے ہی کی جا سکتی ہے۔ NASA کے GALEX مشن، جس نے 2003 سے 2013 تک الٹرا وائلٹ میں آسمان کا سروے کیا، تقریباً دو تہائی آسمان کا احاطہ کرنے میں کامیاب رہا لیکن روشن ستارے بنانے والے خطوں کو چھوڑ دیا، جہاں روشنی اتنی شدید ہے کہ یہ ڈیٹیکٹرز یا سیر شدہ مشاہدات کو نقصان پہنچا سکتی ہے۔

اس نے آسمان کا تقریباً ایک تہائی حصہ بغیر UV کوریج کے چھوڑ دیا — جس میں سائنسی لحاظ سے کچھ انتہائی دلچسپ محلے، نوجوان ستاروں کے ساتھ گھنے اور فعال ستاروں کی تشکیل بھی شامل ہے۔ ایک دہائی سے زیادہ عرصے سے، UV ڈیٹا کے ساتھ کام کرنے والے ماہرین فلکیات کو ان سوراخوں سے نمٹنا پڑا ہے، جزوی نظاروں کو ایک دوسرے کے ساتھ جوڑنا پڑا ہے یا اپنے تجزیوں میں گمشدہ علاقوں سے بچنا پڑا ہے۔

AI ایجنٹوں نے نقشہ کو کیسے اکٹھا کیا۔

کلاڈ سائنس AI ایجنٹوں کی ٹیموں کو مربوط کرتا ہے جنہوں نے متعدد خلائی مشنوں سے ڈیٹا ڈاؤن لوڈ کیا، اسے کیلیبریٹ کیا اور اسے ایک ہی مستقل نقشے میں ضم کیا۔ جہاں مشاہدات غائب تھے، نظام نے پینٹنگ کا استعمال کیا - ایک ایسی تکنیک جہاں ایک ماڈل موجودہ ڈیٹا سے سیکھتا ہے تاکہ خلا کو دوبارہ تشکیل دیا جا سکے۔

نتائج کو حقیقی پیمائش کے مقابلے میں درست کیا گیا: ٹیسٹوں میں، ماڈل کی پیشین گوئیاں اصل قدروں سے اوسطاً 10 فیصد ہٹ گئیں، مینارڈ کی پروجیکٹ کی تفصیل کے مطابق۔ اس غلطی کی شرح اہم ہے - یہ سائنسی طور پر قابل استعمال مصنوعات اور ایک خوبصورت تصویر کے درمیان فرق ہے - اور اس سے پتہ چلتا ہے کہ تعمیر نو کافی قریب ہے تاکہ تحقیقی کام میں مدد مل سکے، چاہے وہ براہ راست مشاہدے کا متبادل نہ ہوں۔

UV روشنی ستاروں کی روشنی سے روشن ہونے والی دھول کو ظاہر کرتی ہے، جس میں نوجوان ستاروں کے گرد بادلوں جیسے ڈھانچے اور تارکیی دھماکوں سے پیچھے رہ جانے والے حلقے شامل ہیں۔ اب مکمل آسمان کے ساتھ، محققین ان خصوصیات کا مطالعہ ان خطوں میں کر سکتے ہیں جو پہلے اندھے دھبے تھے۔

ایجنٹ کوآرڈینیشن نقطہ نظر نتیجہ کے طور پر قابل ذکر ہے. سوالوں کے جواب دینے والے واحد ماڈل کے بجائے، سسٹم نے پروجیکٹ کو ملازمتوں میں تبدیل کر دیا — مشن آرکائیوز کا پتہ لگانا، ڈیٹا کو کھینچنا، انشانکن کی جانچ کرنا، تخمینوں کو سیدھ کرنا، اوورلیپنگ سروے کو ضم کرنا، خلا کی نشاندہی کرنا — اور انہیں خصوصی ایجنٹوں کو تفویض کیا جو پائپ لائن کے ذریعے کام کرتے تھے۔ انسانی سائنسدانوں نے تقاضے طے کیے اور آؤٹ پٹ کی توثیق کی۔ ایجنٹوں نے اسمبلی کا وہ کام کیا جو بصورت دیگر ایک گریجویٹ طالب علم کی دہائی کھا جاتا۔

ایک ٹیچنگ ٹول اور ایک ٹیمپلیٹ

مینارڈ نے کہا کہ اس نقشے کا مقصد تدریسی مواد کے طور پر کام کرنا ہے، جس سے طلباء اور محققین کو پہلی بار الٹرا وایلیٹ آسمان کا مکمل نظارہ ملے گا۔ لیکن اس سے بڑا اثر خود ورک فلو ہوسکتا ہے۔

اسے شبہ ہے کہ بہت سے سائنس دان اسی طرح کے منصوبوں کو روک رہے ہیں - بڑی، غیر مسحور کن ڈیٹا انٹیگریشن کی کوششیں جو AI اب ممکن بنا سکتی ہے۔ ماضی کے خلائی مشنوں کے آرکائیوز ایسے ڈیٹا سے بھرے ہوئے ہیں جن کا کبھی مکمل طور پر استحصال نہیں کیا گیا، اس لیے نہیں کہ اس میں قدر کی کمی ہے بلکہ اس لیے کہ اس کی صفائی، کیلیبریٹنگ اور انضمام میں تحقیقی ٹیم کو برسوں کا وقت لگے گا۔ کلاؤڈ سائنس جیسے ایجنٹ پر مبنی نظام معاشیات کو تبدیل کرتے ہیں: کوآرڈینیشن اور ڈیٹا ہینڈلنگ جو ایک بار کیریئر کا استعمال کر لیتی ہے کسی پروجیکٹ میں ہو سکتی ہے۔

خلاء کے منبع میں بھی ایک خاموش ستم ظریفی ہے۔ GALEX نے ستارہ بنانے والے روشن ترین خطوں کو قطعی طور پر چھوڑ دیا کیونکہ وہ سب سے قیمتی اہداف میں شامل ہیں - نئے ستاروں کی تشکیل کے انجن جن کا مطالعہ ماہرین فلکیات زیادہ تر الٹرا وایلیٹ روشنی میں کرنا چاہتے ہیں۔ آلے کے تحفظ کے ارد گرد ڈیزائن کیا گیا ایک مشن اپنے سب سے دلچسپ محلوں کو بغیر نقشے کے چھوڑ کر ختم ہوا، اور صرف اب، AI کی مدد سے تعمیر نو کے ساتھ، وہ نابینا جگہ بھری جا رہی ہے۔

انتباہات

پینٹ شدہ علاقے پیشین گوئیاں ہیں، پیمائش نہیں۔ اس نقشے کا تقریباً ایک تہائی حصہ موجود ہے کیونکہ ایک ماڈل نے یہ اندازہ لگایا کہ UV آسمان کیسا ہونا چاہیے ارد گرد کے ڈیٹا اور ڈھکے ہوئے علاقوں سے سیکھے گئے نمونوں کی بنیاد پر۔ 10 فیصد اوسط انحراف ایک مجموعی اعداد و شمار ہے؛ مخصوص ڈھانچے — ایک تارکیی باقیات کے گرد ایک دھندلا حلقہ، دھول کے بادل کا کنارہ — نقشے کے مجموعی اعداد و شمار کے مطابق کم قابل اعتماد ہو سکتا ہے۔

یہ برطرفی نہیں ہے۔ فلکیات میں تعمیر نو کے ہر منصوبے کو ایک ہی تجارت کا سامنا کرنا پڑتا ہے، اور انتھروپک پروجیکٹ شفاف ہے جس کے بارے میں اندازہ لگایا گیا تھا۔ لیکن نقشے کا حوالہ دینے والے محققین کو دوبارہ تعمیر شدہ علاقوں سے مشاہدہ کرنے میں فرق کرنا ہوگا، خاص طور پر بیہوش یا غیر معمولی ذرائع کے لیے۔

یہ پروجیکٹ انتھروپک کے اس ہفتے کے اعلان کردہ اوپن سورس سافٹ ویئر کے لیے اسکائی میپ سے لے کر خطرے کی سکیننگ تک اپنے ماڈلز کو سائنسی ورک فلو کے اندر رکھنے کے لیے وسیع تر دباؤ کا بھی اشارہ کرتا ہے۔ فلکیات کی کمیونٹی کے لیے، فوری طور پر ٹیک وے آسان ہے: ایک ڈیٹاسیٹ جو اب موجود نہیں ہے، اور اسے بنانے والے ٹولنگ کو اگلے دوسرے مشنز کی طرف اشارہ کیا جا سکتا ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →