20 वीं शताब्दी के शुरुआती दिनों से, वैज्ञानिकों और भौतिकविदों को यह समझाने में बोझ डाला गया है कि ब्रह्मांड कैसे और क्यों तेजी से बढ़ रहा है। ब्रह्मांडीय त्वरण के लिए जिम्मेदार होने के अलावा, इस ऊर्जा को ब्रह्मांड के गैर-दृश्यमान द्रव्यमान का 68.3% शामिल माना जाता है।
डार्क मैटर की तरह, इस अदृश्य शक्ति का अस्तित्व अवलोकन योग्य घटनाओं पर आधारित है और क्योंकि यह ब्रह्मांड विज्ञान के हमारे वर्तमान मॉडल के साथ फिट होने के लिए होता है, न कि प्रत्यक्ष प्रमाण के रूप में। इसके बजाय, वैज्ञानिकों को अप्रत्यक्ष टिप्पणियों पर भरोसा करना चाहिए, यह देखते हुए कि ब्रह्मांड का विस्तार होने के साथ-साथ कितनी तेजी से ब्रह्मांडीय वस्तुएं (विशेष रूप से आईए सुपरनोवा) हमसे दूर हो जाती हैं।
यह प्रक्रिया वैज्ञानिकों के लिए बेहद थकाऊ होगी - जैसे कि डार्क एनर्जी सर्वे (डीईएस) के लिए काम करने वाले लोग - क्या यह लॉरेंस बर्कले नेशनल लेबोरेटरी और यूसी बर्कले के शोधकर्ताओं द्वारा सहयोगात्मक रूप से विकसित किए गए नए एल्गोरिदम के लिए नहीं थे।
यूसी बर्कले के स्नातक छात्र डैनी गोल्डस्टीन ने डेस छवियों में सुपरनोवा खोज की प्रक्रिया को स्वचालित करने के लिए कोड विकसित किया था, "हमारा एल्गोरिथ्म लगभग 0.01 सेकंड में एक सुपरनोवा उम्मीदवार का पता लगा सकता है, जबकि एक अनुभवी मानव स्कैनर कई सेकंड ले सकता है।" ।
वर्तमान में अपने दूसरे सीज़न में, डेस के साथ दक्षिणी आकाश की डेस रात की तस्वीरें लेता है - एक 570 मेगापिक्सेल कैमरा है जो चिली एंडीज में सेरो टोलोलो इंटरमेरेनिक ऑब्जर्वेटरी (सीटीआईओ) में विक्टर एम। ब्लैंको टेलीस्कोप पर लगाया गया है। हर रात, कैमरा 100 गीगाबाइट्स (जीबी) और 1 टेराबाइट (टीबी) इमेजिंग डेटा के बीच उत्पन्न होता है, जिसे प्रारंभिक प्रसंस्करण और संग्रह के लिए इलिनोइस में नेशनल सेंटर फॉर सुपरकंप्यूटिंग एप्लिकेशन (एनसीएसए) और डीओई के फ़र्मिलाब को भेजा जाता है।
राष्ट्रीय एनर्जी रिसर्च साइंटिफिक कंप्यूटिंग सेंटर (एनईआरएससी) में विकसित वस्तु पहचान कार्यक्रम और एनसीएसए में कार्यान्वित किया गया, फिर टाइप आईए सुपरनोवा के संभावित जासूसों की तलाश में चित्रों के माध्यम से कंघी करें। ये शक्तिशाली विस्फोट बाइनरी स्टार सिस्टम में होते हैं जहां एक सितारा एक सफेद बौना होता है, जो एक साथी तारे से सामग्री को तब तक उत्सर्जित करता है जब तक यह एक महत्वपूर्ण द्रव्यमान तक नहीं पहुंचता है और एक टाइप Ia सुपरनोवा में विस्फोट होता है।
गोल्डस्टीन कहते हैं, "ये विस्फोट उल्लेखनीय हैं क्योंकि इन्हें कॉस्मिक डिस्टेंस इंडिकेटर के रूप में 3-10 प्रतिशत सटीकता के साथ इस्तेमाल किया जा सकता है।"
दूरी महत्वपूर्ण है क्योंकि आगे एक वस्तु अंतरिक्ष में स्थित है, समय में आगे पीछे है। विभिन्न दूरी पर टाइप Ia सुपरनोवा को ट्रैक करके, शोधकर्ता ब्रह्मांड के इतिहास में ब्रह्मांडीय विस्तार को माप सकते हैं। यह उन्हें इस बात पर अड़चन डालता है कि ब्रह्मांड कितनी तेजी से विस्तार कर रहा है और शायद यह भी अंधेरे ऊर्जा की प्रकृति के बारे में अन्य सुराग प्रदान करता है।
गोल्डस्टीन कहते हैं, "वैज्ञानिक रूप से, यह वास्तव में एक रोमांचक समय है क्योंकि दुनिया भर के कई समूह ठीक प्रकार से ब्रह्मांड की गति बढ़ाने के लिए अंधेरे ऊर्जा को मापने और समझने के लिए टाइप Ia सुपरनोवा को मापने की कोशिश कर रहे हैं।" बर्कले लैब के कम्प्यूटेशनल कॉस्मोलॉजी सेंटर (C3) में शोधकर्ता।
डेस रात के आसमान में बदलावों को उजागर करके टाइप Ia विस्फोटों के लिए अपनी खोज शुरू करता है, जहां डेस सुपरनोवा वर्किंग ग्रुप में शोधकर्ताओं द्वारा विकसित और कार्यान्वित की गई छवि घटाव पाइप लाइन आती है। पाइपलाइन उन छवियों को घटाती है जिनमें नई छवियों के लिए ज्ञात ब्रह्मांडीय वस्तुएं होती हैं। सीटीआई में रात को उजागर किया जाता है।
हर रात, पाइपलाइन 10,000 और सुपरनोवा उम्मीदवारों के कुछ सौ हजार के बीच का उत्पादन करती है, जिसे मान्य करने की आवश्यकता होती है।
"ऐतिहासिक रूप से, प्रशिक्षित खगोलविद घंटों कंप्यूटर पर बैठे रहते हैं, इन बिंदुओं को देखते हैं, और इस बारे में राय पेश करते हैं कि क्या उनके पास सुपरनोवा की विशेषताएं थीं, या क्या वे डेटा में सुपरनोवा के रूप में बहने वाले प्रभाव के कारण थे या नहीं। यह प्रक्रिया तब तक सीधी लगती है जब तक आपको पता नहीं चलता है कि प्रत्येक रात को वर्गीकृत होने वाले उम्मीदवारों की संख्या निषेधात्मक रूप से बड़ी है और कुछ सौ में से केवल एक ही किसी भी प्रकार का वास्तविक सुपरनोवा है, ”गोल्डस्टीन कहते हैं। “यह प्रक्रिया बेहद थकाऊ और समय गहन है। यह डेटा को तेजी से संसाधित करने और स्कैन करने के लिए सुपरनोवा कार्य समूह पर बहुत अधिक दबाव डालता है, जो कि कड़ी मेहनत है। ”
उम्मीदवारों को वीट करने के कार्य को सरल बनाने के लिए, गोल्डस्टीन ने एक कोड विकसित किया जो मशीन लर्निंग तकनीक "रैंडम फॉरेस्ट" का उपयोग करके स्वचालित रूप से और वास्तविक समय में सुपरनोवा उम्मीदवारों के डिटेक्टरों को डीईएस के लिए अनुकूलित करने के लिए उपयोग करता है। तकनीक निर्णय पेड़ों की एक टुकड़ी को स्वचालित रूप से पूछती है जो सुपरनोवा उम्मीदवारों को वर्गीकृत करते समय खगोलविदों आमतौर पर उन सवालों के प्रकार पूछते हैं।
प्रक्रिया के अंत में, एक उम्मीदवार का प्रत्येक पता लगाने के लिए निर्णय पेड़ों के अंश के आधार पर एक अंक दिया जाता है जो इसे सुपरनोवा का पता लगाने की विशेषताएं मानते थे। वर्गीकरण स्कोर जितना करीब होगा, उम्मीदवार उतना ही मजबूत होगा। गोल्डस्टीन ने ध्यान दिया कि प्रारंभिक परीक्षणों में, वर्गीकरण पाइपलाइन ने 96 प्रतिशत समग्र सटीकता हासिल की।
बर्कले लैब के C3 के रोलिन थॉमस, जो गोल्डस्टीन के सहयोगी थे, कहते हैं, "जब आप अकेले घटाव करते हैं, तो आपको बहुत सारे-झूठे-सकारात्मक 'साधन मिलते हैं, जो संभावित सुपरनोवा उम्मीदवारों के रूप में प्रदर्शित होते हैं - मनुष्यों के लिए।
उन्होंने ध्यान दिया कि वर्गीकरणकर्ता के साथ, शोधकर्ता सुपरनोवा उम्मीदवारों की कलाकृतियों को जल्दी और सही तरीके से बाहर कर सकते हैं। थॉमस का कहना है, "इसका मतलब यह है कि सुपरनोवा वर्किंग ग्रुप के 20 वैज्ञानिक हर रात हजारों उम्मीदवारों के माध्यम से लगातार रात गुजारने के बजाय, आप सिर्फ एक व्यक्ति को नियुक्त कर सकते हैं।" "यह हमारे वर्कफ़्लो को महत्वपूर्ण रूप से गति देता है और हमें वास्तविक समय में सुपरनोवा की पहचान करने की अनुमति देता है, जो प्रक्रियाओं का संचालन करने के लिए महत्वपूर्ण है।"
"सुपरकंप्यूटर पर लगभग 60 कोर का उपयोग करके हम डेटाबेस और फ़ीचर निष्कर्षण के लिए समय सहित, लगभग 20 मिनट में 200,000 डिटेक्ट को वर्गीकृत कर सकते हैं।" गोल्डस्टीन का कहना है।
गोल्डस्टीन और थॉमस ने ध्यान दिया कि इस काम में अगला कदम वर्गीकरण सटीकता में सुधार के लिए पाइप लाइन में दूसरे स्तर की मशीन सीखना है। यह अतिरिक्त परत इस बात को ध्यान में रखेगी कि वस्तु को पिछली टिप्पणियों में कैसे वर्गीकृत किया गया था क्योंकि यह इस संभावना को निर्धारित करती है कि उम्मीदवार "वास्तविक" है। शोधकर्ता और उनके सहयोगी वर्तमान में इस क्षमता को प्राप्त करने के लिए विभिन्न तरीकों पर काम कर रहे हैं।
