आर्टिफिशियल इंटेलिजेंस (AI) डिजिटल असिस्टेंट और डीपफेक तकनीक के दायरे से बाहर भी धूम मचा रहा है। खगोलविद अब ब्रह्मांड के मूलभूत मापदंडों को समझने में अभूतपूर्व सटीकता हासिल करने के लिए AI का उपयोग कर रहे हैं। न्यूयॉर्क शहर में फ्लैटिरॉन इंस्टीट्यूट के सेंटर फॉर कम्प्यूटेशनल एस्ट्रोफिजिक्स (CCA) के शोधकर्ताओं ने ब्रह्मांड की विशेषता वाले पाँच ब्रह्मांड संबंधी मापदंडों की गणना करने के लिए AI का लाभ उठाया है, जिससे इसकी संरचना और विकास के बारे में हमारा ज्ञान बढ़ा है।

ब्रह्मांड की सेटिंग्स का अनावरण

विचाराधीन पाँच ब्रह्माण्ड संबंधी पैरामीटर महत्वपूर्ण हैं क्योंकि वे अनिवार्य रूप से ब्रह्मांड की ‘सेटिंग्स’ को परिभाषित करते हैं, यह निर्धारित करते हैं कि यह सबसे बड़े पैमाने पर कैसे संचालित होता है। सीसीए के एक खगोलशास्त्री और अध्ययन के सह-लेखक लियाम पार्कर ने बताया कि ये पैरामीटर ब्रह्मांड के संचालन निर्देशों की तरह हैं। इन मापदंडों को असाधारण सटीकता के साथ निर्धारित करने के लिए, अनुसंधान टीम ने 100,000 से ज़्यादा आकाशगंगाओं से डेटा का विश्लेषण करने के लिए AI का इस्तेमाल किया, जिन्हें स्लोअन डिजिटल स्काई सर्वे (SDSS) के हिस्से के रूप में देखा गया था। यह सर्वेक्षण ब्रह्मांड विज्ञान में महत्वपूर्ण है क्योंकि यह अंतरिक्ष में आकाशगंगाओं के वितरण की जांच करके ब्रह्मांड का नक्शा बनाने में मदद करता है।

डेटा दक्षता को अधिकतम करना

एआई के उपयोग से टीम को एसडीएसएस डेटा से विस्तृत जानकारी निकालने में मदद मिली, एक ऐसा कार्य जो पहले सूचना की मात्रा और पारंपरिक विश्लेषण विधियों की सीमाओं के कारण बाधित था। सह-लेखक शर्ली हो, सीसीए में एक अन्य खगोलशास्त्री, ने ऐसे सर्वेक्षणों से जुड़ी भारी लागतों पर प्रकाश डाला, जो अरबों डॉलर तक हो सकती हैं। एआई के साथ, टीम इन सर्वेक्षणों से जो कुछ भी पता चल सकता है उसकी सीमाओं को आगे बढ़ाने में सक्षम रही है, जिससे जटिल डेटा से मूल्यवान ज्ञान निकालने का अधिक लागत प्रभावी तरीका उपलब्ध हुआ है।

परिशुद्धता के लिए AI का प्रशिक्षण

इस प्रक्रिया में 2,000 सिम्युलेटेड ब्रह्मांडों पर AI मॉडल को प्रशिक्षित करना शामिल था, जिनमें से प्रत्येक में अलग-अलग ब्रह्मांड संबंधी सेटिंग्स थीं। इस प्रशिक्षण सेट में वायुमंडलीय विकृति और अपूर्ण दूरबीन इमेजिंग जैसी वास्तविक दुनिया की चुनौतियाँ शामिल थीं, ताकि AI की सटीकता सुनिश्चित की जा सके। एक बार प्रशिक्षित होने के बाद, AI को SDSS बैरियन ऑसिलेशन स्पेक्ट्रोस्कोपिक सर्वे से वास्तविक डेटा पर लागू किया गया। परिणाम प्रभावशाली थे: AI ने पारंपरिक तरीकों की तुलना में ब्रह्मांड की ‘क्लंपनेस’ को मापने में अनिश्चितता को आधे से भी अधिक कम कर दिया। यह उपलब्धि चार गुना अधिक डेटा के साथ पारंपरिक विश्लेषण करने के समान है, जो डेटा दक्षता को महत्वपूर्ण रूप से बढ़ाती है।

ब्रह्मांडीय रहस्यों पर प्रभाव

ब्रह्मांड विज्ञान में एआई की उन्नति केवल मौजूदा तरीकों को परिष्कृत करने के बारे में नहीं है, बल्कि प्रमुख ब्रह्मांडीय प्रश्नों को संबोधित करने के बारे में भी है। ऐसा ही एक रहस्य है हबल तनाव, जो ब्रह्मांड के विस्तार दर के माप, हबल स्थिरांक के विभिन्न अनुमानों के बीच विसंगतियों को संदर्भित करता है। एआई द्वारा प्रदान की गई बेहतर सटीकता इस तनाव को हल करने और ब्रह्मांड की हमारी समझ को आगे बढ़ाने में महत्वपूर्ण हो सकती है।

जैसे-जैसे यूरोपियन यूक्लिड सर्वेक्षण जैसे नए सर्वेक्षण ऑनलाइन आते हैं, CCA टीम द्वारा विकसित AI-संचालित तकनीकें इन नए डेटासेट से अधिकतम मूल्य निकालने में सहायक होंगी। ब्रह्मांडीय डेटा की विशाल मात्रा का कुशलतापूर्वक विश्लेषण और व्याख्या करने की क्षमता ब्रह्मांड के मूलभूत मापदंडों को समझने की हमारी खोज में एक महत्वपूर्ण छलांग का प्रतिनिधित्व करती है।