रहने योग्य दुनिया की खोज तेजी से हो रही है

रहने योग्य दुनिया की खोज तेजी से हो रही है
आधुनिक खगोल विज्ञान एआई और मशीन लर्निंग (एमएल) के बिना संघर्ष करेगा, जो अपरिहार्य उपकरण बन गए हैं। वे अकेले ही आधुनिक दूरबीनों द्वारा उत्पादित विशाल मात्रा में डेटा को संभालने और संसाधित करने की क्षमता रखते हैं। एमएल बड़े डेटासेट की खोज कर सकता है, विशिष्ट पैटर्न की तलाश कर सकता है जिसे खोजने में मनुष्यों को बहुत लंबा समय लगेगा। पृथ्वी जैसे एक्सोप्लैनेट पर बायोसिग्नेचर की खोज समकालीन खगोल विज्ञान का एक महत्वपूर्ण हिस्सा है, और एमएल इसमें एक बड़ी भूमिका निभा सकता है
क्योंकि एक्सोप्लैनेट बहुत दूर हैं, खगोलविद उन पर करीब से ध्यान देते हैं जो ट्रांसमिशन स्पेक्ट्रोस्कोपी की अनुमति देते हैं। जब तारों का प्रकाश किसी ग्रह के वायुमंडल से होकर गुजरता है, तो स्पेक्ट्रोस्कोपी प्रकाश को विभिन्न तरंग दैर्ध्य में विभाजित कर सकती है। इसके बाद खगोलशास्त्री विशिष्ट अणुओं के स्पष्ट संकेतों के लिए प्रकाश की जांच करते हैं। हालाँकि, एक्सोप्लैनेट वायुमंडल में रासायनिक जैव-हस्ताक्षर कठिन हैं क्योंकि प्राकृतिक एबोजेनिक प्रक्रियाएं कुछ समान हस्ताक्षर उत्पन्न कर सकती हैं।
हालाँकि यह विधि शक्तिशाली है, फिर भी इसमें कुछ चुनौतियाँ आती हैं। इंटरस्टेलर गतिविधि जैसे कि स्टारस्पॉट और फ्लेयर्स सिग्नल को प्रदूषित कर सकते हैं, और वायुमंडल से प्रकाश तारे से आने वाले प्रकाश की तुलना में बहुत कमजोर हो सकता है। यदि एक्सोप्लैनेट का वातावरण बादल या धुंधला है, तो इससे स्पेक्ट्रोस्कोपिक डेटा में आणविक अवशोषण रेखाओं का पता लगाना मुश्किल हो सकता है, रेले स्कैटरिंग चुनौती को बढ़ा देता है, और एक ही स्पेक्ट्रोस्कोपिक सिग्नल की कई अलग-अलग व्याख्याएं हो सकती हैं। सिग्नल में जितना अधिक “शोर” होगा, सिग्नल-टू-शोर अनुपात (एसएनआर) उतना ही खराब होगा। शोर वाला डेटा—कम एसएनआर वाला डेटा—एक स्पष्ट समस्या है।
हम अभी भी विभिन्न प्रकार के एक्सोप्लैनेट और ग्रहीय वायुमंडल की खोज कर रहे हैं, और हमारे मॉडल और विश्लेषण तकनीक सही नहीं हैं। कम एसएनआर समस्या के साथ संयुक्त होने पर, यह जोड़ी एक बड़ी बाधा उत्पन्न करती है लेकिन नए शोध के अनुसार, मशीन लर्निंग मदद कर सकती है। “कम सिग्नल-टू-बर्फ अनुपात ट्रांसमिशन स्पेक्ट्रा का उपयोग करके पृथ्वी जैसे एक्सोप्लैनेट में संभावित बायोसिग्नेचर का मशीन-सहायता वर्गीकरण” रॉयल एस्ट्रोनॉमिकल सोसाइटी के मासिक नोटिस द्वारा समीक्षा के तहत Rxive प्रीप्रिंट सर्वर पर पोस्ट किया गया एक पेपर है। कोलंबिया के मेडेलिन में यूनिवर्सिडैड डी एंटिओक्विया में कम्प्यूटेशनल भौतिकी और खगोल भौतिकी समूह से प्रमुख लेखक डेविड एस। ड्यूक-कास्टानो है
JWST हमारा सबसे शक्तिशाली ट्रांसमिशन स्पेक्ट्रोस्कोपी उपकरण है, और यह प्रभावशाली परिणाम देता है। लेकिन एक समस्या है: समय देखना। कुछ निरीक्षण प्रयासों में लंबा समय लगता है। ओजोन जैसी चीज़ों का पता लगाने के लिए बहुत बड़ी संख्या में परिवहन की आवश्यकता हो सकती है। यदि हमारे पास असीमित मात्रा में अवलोकन समय होता, तो इससे कोई फर्क नहीं पड़ता।
एक अध्ययन से पता चला है कि TRAPPIST-1e के मामले में, सांख्यिकीय रूप से महत्वपूर्ण पहचान प्राप्त करने में 200 पारगमन तक लग सकते हैं। यदि खोज मीथेन और जल वाष्प तक सीमित हो तो परिवहन संख्या अधिक उचित हो जाती है।
“अध्ययनों से पता चला है कि उचित संख्या में परिवहन का उपयोग करके, इन वायुमंडलीय प्रजातियों की उपस्थिति, जो आम तौर पर वैश्विक जीवमंडल से जुड़ी होती हैं, को पुनः प्राप्त किया जा सकता है,” लेखक लिखते हैं। दुर्भाग्य से, मीथेन ओजोन जितना मजबूत बायोसिग्नेचर नहीं है।
इनमें से कुछ संभावित बायोमार्करों का पता लगाने के लिए आवश्यक समय को देखते हुए, शोधकर्ताओं का कहना है कि सिग्नल-टू-शोर अनुपात (एसएनआर) सर्वेक्षण करने के लिए जेडब्ल्यूएसटी का उपयोग करना बेहतर हो सकता है। “हालांकि यह सांख्यिकीय रूप से महत्वपूर्ण पुनर्प्राप्ति की अनुमति नहीं दे सकता है, यह कम से कम वर्तमान और भविष्य के अधिक शक्तिशाली दूरबीनों (उदाहरण के लिए, ईएलटी, लुवोइर, हैबएक्स, रोमन, एरियल) के साथ दिलचस्प लक्ष्यों के भविष्य के अनुवर्ती के लिए अनुमति देगा। अप के लिए योजना बनाने में सक्षम होगा अवलोकन,” लेखक उन दूरबीनों के नाम लिखता है जो भवन या योजना चरण में हैं।
शोधकर्ताओं ने इस समस्या को हल करने के लिए एक मशीन-लर्निंग टूल विकसित किया है। उनका कहना है कि यह एआई की शक्ति का लाभ उठाकर रहने योग्य दुनिया की खोज में तेजी ला सकता है। “इस काम में, हमने एक मशीन-लर्निंग सामान्य विधि विकसित और परीक्षण की है जिसका उद्देश्य कम सिग्नल-टू-शोर अनुपात वाले ट्रांसमिशन स्पेक्ट्रा को बायोसिग्नेचर युक्त होने की संभावना के अनुसार वर्गीकृत करना है,” वे लिखते हैं डेटा शोर है, एमएल उपकरण इसे संसाधित करने के लिए डिज़ाइन किए गए हैं, यह निर्धारित करते हैं कि यह कितना शोर है, और वायुमंडल को मीथेन, ओजोन, और / या पानी या अनुवर्ती टिप्पणियों के लिए पर्याप्त दिलचस्प के रूप में वर्गीकृत कर सकते हैं। .
टीम ने प्रसिद्ध ट्रैपिस्ट-1 ई ग्रह पर आधारित 1 मिलियन सिंथेटिक वायुमंडलीय स्पेक्ट्रा तैयार किया और फिर उन पर अपने एमएल मॉडल को प्रशिक्षित किया। ट्रैपिस्ट-1ई आकार में पृथ्वी के समान है और अपने तारे के रहने योग्य क्षेत्र में एक चट्टानी ग्रह है। पेपर में कहा गया है, “ट्रैपिस्ट-1 प्रणाली ने अपने अद्वितीय गुणों के कारण हाल के वर्षों में, विशेष रूप से ग्रह विज्ञान और खगोल विज्ञान में महत्वपूर्ण वैज्ञानिक ध्यान आकर्षित किया है।”तारा ट्रैपिस्ट-1 हमारे द्वारा खोजे गए किसी भी प्रणाली के सबसे चट्टानी ग्रहों की मेजबानी करने के लिए जाना जाता है। शोधकर्ताओं के लिए, यह उनके एमएल मॉडल के प्रशिक्षण और परीक्षण के लिए एक आदर्श उम्मीदवार है क्योंकि खगोलविद उचित समय में इष्टतम एसएनआर रीडिंग प्राप्त कर सकते हैं। TRAPPIST-1e में पृथ्वी जैसा वातावरण होने की संभावना है। परिणामी मॉडल सफल रहे और सही एसएनआर स्तरों के साथ ट्रांसमिशन स्पेक्ट्रा की सही पहचान की गई।
शोधकर्ताओं ने आधुनिक पृथ्वी के यथार्थवादी सिंथेटिक वायुमंडलीय स्पेक्ट्रा पर भी अपने मॉडल का परीक्षण किया। उनकी प्रणाली ने सफलतापूर्वक सिंथेटिक वायुमंडल की पहचान की जिसमें प्रोटेरोज़ोइक पृथ्वी के समान अनुपात में मीथेन और/या ओजोन शामिल थे। प्रोटेरोज़ोइक के दौरान, ग्रेट ऑक्सीजनेशन इवेंट (जीओई) ने वातावरण में मूलभूत परिवर्तन किए।
GOE ने सब कुछ बदल दिया। इसने ओजोन परत के निर्माण की अनुमति दी, जटिल जीवन के पनपने के लिए परिस्थितियाँ बनाईं और यहाँ तक कि विशाल लोहे के भंडार का निर्माण किया जो आज हम स्वयं कर रहे हैं। यदि अन्य एक्सोप्लैनेट्स ने प्रकाश संश्लेषक जीवन विकसित किया है, तो उनका वातावरण प्रोटेरोज़ोइक पृथ्वी के समान होना चाहिए, इसलिए यह जैविक जीवन के लिए एक उपयुक्त मार्कर है। (डार्क ऑक्सीजन की हालिया खोज का एक्सोप्लैनेट वायुमंडल में बायोमार्कर के रूप में ऑक्सीजन की हमारी समझ पर गंभीर प्रभाव है।) अपने पेपर में, लेखकों ने ऑक्सीजन या ओजोन का पता लगाने को एक्सोप्लैनेट स्पेक्ट्रोस्कोपी हस्ताक्षरों के “मुकुट रत्न” के रूप में वर्णित किया है। लेकिन अजैविक स्रोत भी हैं, और क्या ऑक्सीजन या ओजोन जैविक है, यह इस बात पर निर्भर हो सकता है कि हस्ताक्षर में और क्या है। वे लिखते हैं, “जैविक और अजैविक O2 के बीच अंतर करने के लिए, कोई विशिष्ट वर्णक्रमीय उंगलियों के निशान देख सकता है।”
अपने मॉडल के प्रदर्शन का मूल्यांकन करने के लिए, उन्हें यह जानना होगा कि कौन से एक्सोप्लैनेट वायुमंडल की सही पहचान की गई है (सही है) और कौन से एक्सोप्लैनेट वायुमंडल की गलत पहचान की गई है (गलत)।
परिणामों को या तो सच्चे सकारात्मक (टीपी) या सच्चे नकारात्मक (टीएन) के रूप में वर्गीकृत करने की आवश्यकता है, जो सटीकता से संबंधित है, या गलत सकारात्मक (एफपी) या गलत नकारात्मक (एफएन), जो त्रुटियां हैं। अपने डेटा को व्यवस्थित करने के लिए उन्होंने एक वर्गीकरण प्रणाली बनाई जिसे उन्होंने कन्फ्यूजन मैट्रिक्स कहा।
“आरेख में, हम उन ग्रहों को अलग करने के लिए दिलचस्प श्रेणियां प्रस्तुत करते हैं जो अनुवर्ती अवलोकन या गहन विश्लेषण के योग्य हैं,” लेखक बताते हैं। “हमें फिर से याद रखना चाहिए कि यह इस काम का फोकस है: हमारा उद्देश्य एमएल का उपयोग करके बायोसिग्नेचर का पता लगाना नहीं है, बल्कि उन ग्रहों को लेबल करना है जो दिलचस्प हैं या नहीं।” प्रोटेरोज़ोइक अर्थ स्पेक्ट्रा में संभावित बायोसिग्नेचर में से एक मॉडल केवल एक था पारगमन के बाद पहचान में सफल अपने परीक्षण के आधार पर, वे कहते हैं कि JWST ने JWST/NIRSpec PRISM के साथ देखे गए M-बौने के आसपास रहने योग्य अधिकांश स्थलीय ग्रहों को TRAPPIST-1 e के समान या उससे कम दूरी पर सफलतापूर्वक स्थित कर लिया है। यदि वे मौजूद हैं, तो वह है।
ये परिणाम भविष्य के JWST प्रयासों को सूचित कर सकते हैं। शोधकर्ता लिखते हैं कि “यहां प्रस्तुत मशीन-सहायता वाली रणनीतियाँ बायोसिग्नेचर का पता लगाने के लिए JWST संसाधनों के उपयोग को महत्वपूर्ण रूप से अनुकूलित कर सकती हैं।” वे प्रक्रिया को सुव्यवस्थित कर सकते हैं और इस संभावना को अधिकतम कर सकते हैं कि फॉलो-अप निरीक्षण से आशाजनक उम्मीदवार मिल सकते हैं। टेलीस्कोप अपने साढ़े पांच साल के प्राथमिक मिशन में पहले से ही दो साल और सात महीने का समय लगा चुका है। (हालाँकि दूरबीनें कुल मिलाकर 20 साल तक चल सकती हैं।) कोई भी चीज़ जो अंतरिक्ष दूरबीन के बहुमूल्य अवलोकन समय को अनुकूलित कर सकती है वह एक जीत है।
कुल मिलाकर, अध्ययन एक मशीन-लर्निंग मॉडल प्रस्तुत करता है जो समय और संसाधनों को बचा सकता है। यह संभावित रूप से रहने योग्य एक्सोप्लैनेट के वायुमंडल के स्पेक्ट्रा के माध्यम से तेजी से छलांग लगाता है। यद्यपि यह यह पहचान नहीं करता है कि किनमें बायोमार्कर हैं, यह वातावरण के प्रकार के आधार पर केवल 1 से 5 पारगमन के बाद अनुवर्ती कार्रवाई के लिए सर्वोत्तम उम्मीदवारों की पहचान कर सकता है। कुछ प्रकारों के लिए अधिक परिवहन की आवश्यकता होती है, लेकिन मॉडल फिर भी समय बचाता है।
वे लिखते हैं, “किसी ग्रह की दिलचस्प पहचान करने से JWST जैसे बहुमूल्य संसाधनों का अवलोकन समय और अधिक कुशल हो जाएगा, जो आधुनिक खगोल विज्ञान में एक महत्वपूर्ण लक्ष्य है।”