ब्रह्मांड में सबसे दूर की वस्तुओं का अध्ययन करने के इच्छुक खगोलविदों के लिए गुरुत्वाकर्षण लेंस एक महत्वपूर्ण उपकरण है। इस तकनीक में दूर के प्रकाश स्रोत के बीच पदार्थ का एक विशाल समूह (आमतौर पर एक आकाशगंगा या क्लस्टर) का उपयोग करना और उस स्रोत से प्रकाश को बेहतर ढंग से देखने के लिए एक पर्यवेक्षक शामिल है। आइंस्टीन की थ्योरी ऑफ जनरल रिलेटिविटी द्वारा भविष्यवाणी की गई एक प्रभाव में, इससे खगोलविदों को ऐसी वस्तुओं को देखने की अनुमति मिलती है जो अन्यथा अस्पष्ट हो सकती हैं।
हाल ही में, यूरोपीय खगोलविदों के एक समूह ने डेटा के विशाल ढेर में गुरुत्वाकर्षण लेंस खोजने के लिए एक विधि विकसित की है। Google, फेसबुक और टेस्ला ने अपने उद्देश्यों के लिए जिन कृत्रिम बुद्धि एल्गोरिदम का उपयोग किया है, उनका उपयोग करते हुए, वे एक बड़े खगोलीय सर्वेक्षण से 56 नए गुरुत्वाकर्षण लेंसिंग उम्मीदवारों को खोजने में सक्षम थे। यह विधि खगोलीय छवियों के दृश्य निरीक्षण करने के लिए खगोलविदों की आवश्यकता को समाप्त कर सकती है।
जो अध्ययन उनके शोध का वर्णन करता है, जिसका शीर्षक है "हाल ही में सामने आए किलोल डिग्री सर्वे विद कॉन्यूजनल न्यूरल नेटवर्क्स में मजबूत गुरुत्वाकर्षण लेंस की खोज"। रॉयल एस्ट्रोनॉमिकल सोसायटी के मासिक नोटिस। कपेटिन एस्ट्रोनॉमिकल इंस्टीट्यूट के कार्लो एनरिको पेट्रिलो के नेतृत्व में, टीम में नेशनल इंस्टीट्यूट फॉर एस्ट्रोफिजिक्स (आईएनएएफ), द एर्गलैंडर-इंस्टीट्यूट फॉर एस्ट्रोनॉमी (एआईएफए) और नेपल्स विश्वविद्यालय भी शामिल हैं।
जबकि खगोलविदों के लिए उपयोगी, गुरुत्वाकर्षण लेंस को खोजने के लिए एक दर्द है। आमतौर पर, इसमें खगोलविदों को दूरबीनों और वेधशालाओं द्वारा छीनी गई हजारों छवियों के माध्यम से छंटनी होगी। जबकि अकादमिक संस्थान शौकिया खगोलविदों और नागरिक खगोलविदों पर भरोसा करने में सक्षम हैं, पहले कभी नहीं, दुनिया भर के उपकरणों द्वारा नियमित रूप से कैप्चर की जा रही लाखों छवियों के साथ रखने का कोई तरीका नहीं है।
इसे संबोधित करने के लिए, डॉ। पेट्रिलो और उनके सहयोगियों ने "कॉनफुल्यूटेशनल न्यूरल नेटवर्क्स" (CNN) के रूप में जाना जाता है, जो एक प्रकार का मशीन-लर्निंग एल्गोरिथ्म है जो विशिष्ट पैटर्न के लिए माइंस डेटा का उपयोग करता है। जबकि Google ने विश्व चैंपियन के खिलाफ गो का एक मैच जीतने के लिए इन समान तंत्रिका नेटवर्क का उपयोग किया था, फेसबुक उन्हें अपनी साइट पर पोस्ट की गई छवियों में चीजों को पहचानने के लिए उपयोग करता है, और टेस्ला आत्म-ड्राइविंग कारों को विकसित करने के लिए उनका उपयोग कर रहा है।
जैसा कि पेट्रिलो ने हाल ही में नीदरलैंड रिसर्च स्कूल फॉर एस्ट्रोनॉमी के एक प्रेस लेख में बताया:
“यह पहली बार है जब एक खगोलीय सर्वेक्षण में एक अजीबोगरीब तंत्रिका नेटवर्क का उपयोग अजीब वस्तुओं को खोजने के लिए किया गया है। मुझे लगता है कि यह आदर्श बन जाएगा क्योंकि भविष्य के खगोलीय सर्वेक्षण में भारी मात्रा में डेटा का उत्पादन होगा जिसका निरीक्षण करना आवश्यक होगा। इससे निपटने के लिए हमारे पास पर्याप्त खगोलविद नहीं हैं। ”
टीम ने फिर इन तंत्रिका नेटवर्क को किलो-डिग्री सर्वे (KiDS) से प्राप्त डेटा पर लागू किया। यह परियोजना दक्षिणी रात के आसमान में 1500 वर्ग डिग्री का नक्शा बनाने के लिए चिली में ईएसओ के परानल वेधशाला में वीएलटी सर्वे टेलीस्कोप (वीएसटी) पर निर्भर है। इस डेटा सेट में वीएसटी के ओमेगाकैम द्वारा एकत्र किए गए 21,789 रंगीन चित्र शामिल हैं, जो एक बहुउद्देशीय उपकरण है जिसे ईएसओ के साथ मिलकर यूरोपीय वैज्ञानिक संघ द्वारा विकसित किया गया है।
इन छवियों में सभी चमकदार लाल आकाशगंगाओं (LRGs) के उदाहरण हैं, जिनमें से तीन को गुरुत्वाकर्षण लेंस के रूप में जाना जाता है। प्रारंभ में, तंत्रिका नेटवर्क को इस नमूने के भीतर 761 गुरुत्वाकर्षण लेंस वाले उम्मीदवार मिले। इन उम्मीदवारों के नेत्रहीन निरीक्षण के बाद, टीम 56 लेंस तक सूची को संकीर्ण करने में सक्षम थी। भविष्य में अभी भी अंतरिक्ष दूरबीनों द्वारा इनकी पुष्टि किए जाने की आवश्यकता है, लेकिन परिणाम काफी सकारात्मक थे।
जैसा कि वे अपने अध्ययन में संकेत देते हैं, ऐसे तंत्रिका नेटवर्क, जब बड़े डेटा सेटों पर लागू किया जाता है, सैकड़ों या हजारों नए लेंस प्रकट कर सकते हैं:
“हमारे परिणामों के आधार पर एक रूढ़िवादी अनुमान दर्शाता है कि हमारी प्रस्तावित पद्धति के साथ यह संभव हो सकता है जब पूरा होने पर KiDS में 100 बड़े पैमाने पर LRG-galaxy लेंस ~ ~ 0.4 हो। सबसे आशावादी परिदृश्य में यह संख्या काफी हद तक बढ़ सकती है (अधिकतम 2400 लेंस), जब रंग-परिमाण चयन को चौड़ा करने और सीएनएन को छोटी छवि-जुदाई लेंस प्रणालियों को पहचानने के लिए प्रशिक्षण दिया जाता है। "
इसके अलावा, तंत्रिका नेटवर्क ने डेटा सेट में ज्ञात लेंसों में से दो को फिर से खोज लिया, लेकिन तीसरा चूक गया। हालांकि, यह इस तथ्य के कारण था कि यह लेंस विशेष रूप से छोटा था और तंत्रिका नेटवर्क को इस आकार के लेंस का पता लगाने के लिए प्रशिक्षित नहीं किया गया था। भविष्य में, शोधकर्ताओं ने अपने तंत्रिका नेटवर्क को छोटे लेंसों को नोटिस करने और गलत सकारात्मकता को खारिज करने के लिए प्रशिक्षण देकर इसके लिए सही होने की उम्मीद की है।
लेकिन निश्चित रूप से, यहां अंतिम लक्ष्य पूरी तरह से दृश्य निरीक्षण की आवश्यकता को दूर करना है। ऐसा करने में, खगोलविदों को ग्रंट कार्य करने से मुक्त किया जाएगा, और खोज की प्रक्रिया के लिए अधिक समय समर्पित कर सकता है। उसी तरह, गुरुत्वाकर्षण तरंगों और एक्सोप्लैनेट के संकेतों के लिए खगोलीय डेटा के माध्यम से खोज करने के लिए मशीन लर्निंग एल्गोरिदम का उपयोग किया जा सकता है।
बहुत कुछ अन्य उद्योग उपभोक्ता या अन्य प्रकार के "बड़े डेटा" के टेराबाइट्स से समझ बनाने की कोशिश कर रहे हैं, फील्ड एस्ट्रोफिजिक्स और कॉस्मोलॉजी कच्चे डेटा के ब्रह्मांड में पैटर्न खोजने के लिए कृत्रिम बुद्धिमत्ता पर भरोसा करने के लिए आ सकते हैं। और अदायगी की खोज की एक त्वरित प्रक्रिया से कम कुछ भी नहीं होने की संभावना है।
