🔭 astrophysics

Beyond Colors: Probing Redshifts from Galaxy Morphology in Single-band Images with ViT-MDNz

यह शोध पत्र ViT-MDNz प्रस्तुत करता है, जो एक डीप लर्निंग मॉडल है जो आकृति विज्ञान (morphology) और रेडशिफ्ट के बीच सहसंबंध का लाभ उठाकर एकल-बैंड छवियों से गैलेक्सी रेडशिफ्ट और उनकी अनिश्चितताओं का सटीक अनुमान लगाने के लिए विजन ट्रांसफार्मर और मिश्रण घनत्व नेटवर्क (Mixture Density Network) का उपयोग करता है, जिससे सीमित फोटोमेट्रिक कवरेज वाले सर्वेक्षणों के लिए एक व्यावहारिक समाधान मिलता है।

मूल लेखक: Zhijian Luo, Yangyang Li, Jianzhen Chen, Qishen Cao, Duo Cao, Shaohua Zhang, Hubing Xiao, Chenggang Shu

प्रकाशित 2026-02-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhijian Luo, Yangyang Li, Jianzhen Chen, Qishen Cao, Duo Cao, Shaohua Zhang, Hubing Xiao, Chenggang Shu

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक हेलीकॉप्टर से एक विशाल, भीड़भाड़ वाले शहर को देख रहे हैं, लेकिन आप इमारतों को केवल ब्लैक एंड व्हाइट (श्वेत-श्याम) में ही देख सकते हैं। आप कारों के रंग, घरों का पेंट या दुकानों के साइनबोर्ड नहीं देख सकते। आमतौर पर, किसी इमारत की दूरी का अनुमान लगाने के लिए आप उसके रंग को देखते (क्योंकि ब्रह्मांड के विस्तार के कारण दूर की वस्तुएं अक्सर लाल दिखाई देती हैं)। लेकिन यहाँ, आपके पास कोई रंग नहीं है। आपके पास केवल इमारतों का आकार (shape) और संरचना (structure) है।

यही वह चुनौती है जिसका सामना खगोलशास्त्री तब करते हैं जब वे केवल एक "रंग" (या बैंड) की रोशनी के साथ दूर की आकाशगंगाओं को देखते हैं। आमतौर पर, उन्हें दूरी का सटीक अनुमान लगाने के लिए इंद्रधनुष के कई रंगों की आवश्यकता होती है। यदि उनके पास केवल एक रंग है, तो अनुमान अक्सर बहुत खराब होता है।

यह शोध पत्र एक नए, अत्यंत बुद्धिमान AI जासूस ViT-MDNz को पेश करता है जो रंगों के बजाय आकारों को देखकर इस समस्या को हल करता है।

यहाँ बताया गया है कि यह कैसे काम करता है, जिसे सरल भागों में विभाजित किया गया है:

1. समस्या: "रंगहीन" रहस्य

खगोल विज्ञान में, किसी आकाशगंगा की दूरी (उसका "रेडशिफ्ट") मापने के लिए वैज्ञानिकों को आमतौर पर प्रकाश के पूर्ण स्पेक्ट्रम (जैसे एक इंद्रधनुष) की आवश्यकता होती है। यह किसी फल को स्वाद से पहचानने जैसा है; यदि आप मीठे, खट्टे और कड़वे स्वादों को चख सकते हैं, तो आप ठीक से जान सकते हैं कि वह क्या है।

समस्या: कभी-कभी, टेलीस्कोप उस इंद्रधनुष के केवल एक "टुकड़े" (एक सिंगल ब्लैक एंड व्हाइट इमेज) को ही पकड़ पाते हैं। अन्य रंगों के बिना, वह "स्वाद" गायब हो जाता है, और पारंपरिक तरीके विफल हो जाते हैं।
पुराना तरीका: यदि डेटा गायब है, तो वैज्ञानिक अक्सर उन आकाशगंगाओं को बस हटा देते हैं। यह सेब की पूरी टोकरी को सिर्फ इसलिए फेंक देने जैसा है क्योंकि आप उसकी त्वचा का स्वाद नहीं ले सकते। इससे मूल्यवान डेटा बर्बाद होता है।

2. समाधान: "आकार का जासूस" (The Shape Detective)

लेखकों ने महसूस किया कि रंग के बिना भी, आकाशगंगा का आकार एक कहानी बताता है।

उपमा: एक आकाशगंगा को एक व्यक्ति की तरह समझें। जैसे-जैसे लोग उम्र बढ़ाते हैं, वे बदलते हैं। एक युवा व्यक्ति ऊर्जावान और फैला हुआ हो सकता है, जबकि एक वृद्ध व्यक्ति अधिक सघन (compact) या अलग शारीरिक मुद्रा वाला हो सकता है।
खोज: ब्रह्मांड में, आकाशगंगाएं जैसे-जैसे दूर जाती हैं, अपना आकार बदलती हैं (प्रकाश यात्रा के समय के संदर्भ में पुरानी होती जाती हैं)। दूर की आकाशगंगाएं छोटी, धुंधली और अनियमित दिखती हैं। नजदीकी आकाशगंगाएं बड़ी और अधिक संरचित (जैसे पूर्ण सर्पिल या गोल पिंड) दिखती हैं।
AI का काम: नया AI, ViT-MDNz, को शरीर की भाषा (body language) का विशेषज्ञ बनने के लिए प्रशिक्षित किया गया है। यह गायब रंगों को अनदेखा करता है और आकाशगंगा की दूरी का अनुमान लगाने के लिए पूरी तरह से उसके "पोस्चर" और "संरचना" पर ध्यान केंद्रित करता है।

3. AI कैसे काम करता है (दो-भाग वाला मस्तिष्क)

इस मॉडल के दो विशेष भाग हैं जो एक जासूसी टीम की तरह मिलकर काम करते हैं:

भाग A: "ईगल आई" (विज़न ट्रांसफॉर्मर या ViT)
कल्पना कीजिए कि एक जासूस अपराध स्थल की फोटो देख रहा है। केवल एक बिंदु को देखने के बजाय, यह जासूस पूरी फोटो को एक साथ देखता है, यह समझते हुए कि बायां हिस्सा दाएं हिस्से से कैसे संबंधित है।
- शोध पत्र में, यह विज़न ट्रांसफॉर्मर है। यह एकल ब्लैक एंड व्हाइट आकाशगंगा छवि को स्कैन करता है, उसे छोटे-छोटे पहेली के टुकड़ों में तोड़ता है, और वैश्विक आकार और संरचना को समझता है। यह सीखता है: "आह, यह आकाशगंगा बहुत छोटी और गांठदार (clumpy) है; इसका मतलब आमतौर पर यह बहुत दूर है।"
भाग B: "जुआरी" (मिक्सचर डेंसिटी नेटवर्क या MDN)
पारंपरिक AI आपको एक एकल उत्तर देता है: "यह आकाशगंगा 1 अरब प्रकाश वर्ष दूर है।" लेकिन क्या होगा यदि AI गलत है?
- यह भाग मिक्सचर डेंसिटी नेटवर्क है। एक संख्या देने के बजाय, यह एक बुद्धिमान जुआरी की तरह कार्य करता है जो कहता है: "मुझे लगता है कि यह 1 अरब है, लेकिन 70% संभावना है कि यह 0.9 और 1.1 अरब के बीच है, और 30% संभावना है कि यह वास्तव में 0.8 अरब है।"
- यह एक संभाव्यता मानचित्र (probability map) देता है। यह केवल दूरी का अनुमान नहीं लगाता; यह आपको बताता है कि वह अपने अनुमान को लेकर कितना आश्वस्त है।

4. परिणाम: सीमित डेटा के साथ एक चमत्कार

टीम ने DESI सर्वे (ब्रह्मांड का एक विशाल मानचित्र) से 300,000 आकाशगंगाओं पर इस AI का परीक्षण किया।

परीक्षण: उन्होंने AI को केवल सिंगल-बैंड (ब्लैक एंड व्हाइट) छवियां दीं।
परिणाम: रंग के बिना भी, AI ने आश्चर्यजनक सटीकता के साथ दूरियों का अनुमान लगाया।
- यह प्रमुख वैज्ञानिक अध्ययनों के लिए उपयोगी होने के लिए पर्याप्त सटीक था।
- यह इतना अच्छा था कि यह उन मामलों को भी संभाल सका जहाँ डेटा गायब था या खराब था, जिससे उन आकाशगंगाओं को बचाया जा सका जिन्हें अन्यथा कचरे में फेंक दिया जाता।
बोनस: जब उन्होंने AI को रंग की जानकारी (मल्टी-बैंड) दी, तो यह और भी बेहतर हो गया, जिससे यह सिद्ध हुआ कि यह उपलब्ध होने पर आकार और रंग दोनों का उपयोग कर सकता है।

5. यह क्यों महत्वपूर्ण है

कल्पना कीजिए कि आप ब्रह्मांड का एक 3D मानचित्र बना रहे हैं। यदि आप हर उस आकाशगंगा को हटा देते हैं जिसके पास पूर्ण रंग स्पेक्ट्रम नहीं है, तो आपके मानचित्र में बड़े छेद रह जाएंगे।

प्रभाव: यह नया तरीका खगोलशास्त्रियों को उन छेदों को भरने की अनुमति देता है। इसका मतलब है कि हम प्रत्येक एकल छवि का उपयोग कर सकते हैं, भले ही वह "अपूर्ण" हो।
भवि vực: जैसे-जैसे हम बड़े टेलीस्कोप (जैसे LSST या चीनी अंतरिक्ष स्टेशन टेलीस्कोप) लॉन्च करेंगे जो अरबों तस्वीरें लेंगे, उनमें से कई तस्वीरों में केवल एक ही रंग बैंड हो सकता है। यह AI सुनिश्चित करता है कि हम वह डेटा खो न दें। यह "खराब" डेटा को "अच्छे" विज्ञान में बदल देता है।

संक्षेप में

यह शोध पत्र इस बारे में है कि कंप्यूटर को यह सिखाना कि आकाशगंगा के आकार को देखकर उसकी दूरी का अनुमान कैसे लगाया जाए, भले ही वह उसका रंग न देख सके। यह अंधेरे में किसी के सिल्हूट (silhouette) को देखकर उसकी उम्र बताने जैसा है। यह एक चतुर, सांख्यिकीय तकनीक है जो मूल्यवान डेटा को बचाती है और हमें अपने ब्रह्मांड की अधिक पूर्ण तस्वीर बनाने में मदद करती है।

यहाँ शोध पत्र "Beyond Colors: Probing Redshifts from Galaxy Morphology in Single-band Images with ViT-MDNz" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

पारंपरिक फोटोमेट्रिक रेडशिफ्ट ( $z_{phot}$ ) अनुमान मुख्य रूप से मल्टी-बैंड फोटोमेट्रिक डेटा (आमतौर पर $\ge 4$ बैंड्स) पर निर्भर करता है ताकि स्पेक्ट्रल एनर्जी डिस्ट्रीब्यूशन (SED) की विशेषताओं जैसे कि 4000Å ब्रेक या लाइमन ब्रेक को कैप्चर किया जा सके।

चुनौती: सिंगल-बैंड छवियों में कलर (रंग) की जानकारी का अभाव होता है, जिससे पारंपरिक SED-फिटिंग या मानक मशीन लर्निंग विधियों का उपयोग करके रेडशिफ्ट, गैलेक्सी प्रकार और ल्यूमिनोसिटी के बीच के डिजेनेरेसी (degeneracy) को तोड़ना असंभव हो जाता है।
वर्तमान सीमाएँ: मौजूदा शमन रणनीतियाँ (जैसे कि बेयसियन इम्प्यूटेशन) व्यवस्थित त्रुटियाँ (systematic errors) उत्पन्न करती हैं, जबकि अधूरे डेटा को हटा देने से सैंपल लॉस और सिलेक्शन बायस होता है।
लक्ष्य: यह निर्धारित करना कि क्या केवल सिंगल-बैंड छवियों में मौजूद रूपात्मक विशेषताओं (morphological features - आकार, आकार, संरचना) से, बड़े पैमाने के डेटा से सीखे गए सांख्यिकीय प्रायर्स (statistical priors) का लाभ उठाकर, सांख्यिकीय रूप से विश्वसनीय रेडशिफ्ट अनुमान प्राप्त किए जा सकते हैं।

2. कार्यप्रणाली: ViT-MDNz

लेखक एक नवीन हाइब्रिड डीप लर्निंग आर्किटेक्चर प्रस्तावित करते हैं जिसे ViT-MDNz नाम दिया गया है, जो फीचर एक्सट्रैक्शन के लिए विजन ट्रांसफॉर्मर (ViT) और प्रोबेबिलिस्टिक रिग्रेशन के लिए एक मिक्सचर डेंसिटी नेटवर्क (MDN) को एकीकृत करता है।

A. डेटा स्रोत और प्रीप्रोसेसिंग

डेटासेट: DESI Legacy Imaging Surveys (DESI-LS) DR9 से लगभग 3,00,000 गैलेक्सियाँ, जिन्हें SDSS DR16 के स्पेक्ट्रोस्कोपिक रेडशिफ्ट के साथ क्रॉस-मैच किया गया है।
सैंपल विशेषताएँ: यह सैंपल कम रेडशिफ्ट वाली गैलेक्सियों ( $z \lesssim 1$ ) द्वारा प्रधान है, जिसमें मेन गैलेक्सी सैंपल्स (MGS) और ल्यूमिनस रेड गैलेक्सियों (LRGs) का द्वि-मोडल (bimodal) वितरण है।
प्रीप्रोसेसिंग:
- छवियों को $256 \times 256$ से $192 \times 192$ पिक्सेल में सेंटर-क्रॉप किया गया है।
- पिक्सेल वैल्यूज को $[-1, 1]$ की रेंज में नॉर्मलाइज़ किया गया है।
- डेटा को 80% ट्रेनिंग और 20% टेस्टिंग में विभाजित किया गया है।

B. आर्किटेक्चर डिज़ाइन

ViT एनकोडर (फीचर एक्सट्रैक्शन):
- इनपुट: सिंगल-बैंड गैलेक्सी इमेज ( $192 \times 192 \times 1$ )।
- तंत्र (Mechanism): इमेज को $16 \times 16$ पैचेस (576 पैचेस) में विभाजित किया गया है। मानक ViTs के विपरीत, लेखक क्लासिफिकेशन टोकन को हटा देते हैं और इसके बजाय ट्रांसफॉर्मर एनकोडर लेयर्स के बाद पैच सीक्वेंस पर ग्लोबल एवरेज पूलिंग का उपयोग करते हैं।
- कॉन्फ़िगरेशन: 8 ट्रांसफॉर्मर एनकोडर लेयर्स, 4 अटेंशन हेड्स, हिडन डायमेंशन $D=128$ ।
- लाभ: सेल्फ-अटेंशन मैकेनिज्म CNNs की तुलना में वैश्विक निर्भरताओं (global dependencies) और दीर्घ-श्रेणी के रूपात्मक सहसंबंधों (जैसे कि बल्ज और स्पाइरल आर्म्स के बीच) को अधिक प्रभावी ढंग से कैप्चर करता है।
मिक्सचर डेंसिटी नेटवर्क (MDN) (प्रोबेबिलिस्टिक आउटपुट):
- इनपुट: ViT से प्राप्त 128-डायमेंशनल ग्लोबल फीचर वेक्टर।
- आउटपुट: एक सिंगल पॉइंट एस्टीमेट के बजाय, MDN रेडशिफ्ट के पूर्ण कंडीशनल प्रोबेबिलिटी डेंसिटी फंक्शन (PDF), $p(z|x)$ की भविष्यवाणी करता है।
- मॉडल: $K=15$ कंपोनेंट्स के साथ एक गॉसियन मिक्सचर मॉडल (GMM)।
- पैरामीटर्स: नेटवर्क मिक्सचर वेट्स ( $\pi_k$ ), मीन्स ( $\mu_k$ ), और प्रत्येक कंपोनेंट के लिए वेरिएंस ( $\sigma^2_k$ ) आउटपुट करता है।
- लॉस फंक्शन: मॉडल को वास्तविक स्पेक्ट्रोस्कोपिक रेडशिफ्ट के आसपास वितरण को केंद्रित करने के लिए प्रशिक्षित करने हेतु नेगेटिव लॉग-लाइक्लीहुड (NLL) को मिनिमाइज किया जाता है।

3. प्रमुख योगदान

फोटोमेट्रिक रेडशिफ्ट में प्रथम ViT अनुप्रयोग: यह फोटोमेट्रिक रेडशिफ्ट अनुमान के क्षेत्र में विजन ट्रांसफॉर्मर आर्किटेक्चर को पेश करने वाला पहला अध्ययन है, जो सिंगल-बैंड छवियों से गहरे रूपात्मक फीचर्स निकालने में इसकी श्रेष्ठता को प्रदर्शित करता है।
मॉर्फोलॉजी-रेडशिफ्ट सहसंबंध: यह अध्ययन इस बात की पुष्टि करता है कि रूपात्मक विशेषताएं (कोणीय आकार, एकाग्रता, सरफेस ब्राइटनेस प्रोफाइल) रेडशिफ्ट के बारे में सांख्यिकीय रूप से महत्वपूर्ण जानकारी रखती हैं, भले ही कलर डेटा उपलब्ध न हो।
प्रोबेबिलिस्टिक फ्रेमवर्क: MDN का उपयोग करके, मॉडल न केवल एक पॉइंट एस्टीमेट प्रदान करता है बल्कि एक पूर्ण अनिश्चितता परिमाणीकरण (uncertainty quantification) (PDF) भी प्रदान करता है, जो कॉस्मोलॉजिकल सांख्यिकीय विश्लेषणों के लिए अत्यंत महत्वपूर्ण है।
लचीलापन: इस आर्किटेक्चर को सिंगल-बैंड (डेटा-सीमित) और मल्टी-बैंड (डेटा-समृद्ध) दोनों परिदृश्यों को निर्बाध रूप से संभालने के लिए डिज़ाइन किया गया है।

4. प्रयोगात्मक परिणाम

मॉडल का मूल्यांकन $z \lesssim 1$ रेडशिफ्ट के लिए DESI-LS $r$ -बैंड (और $g, z$ बैंड्स) पर किया गया था।

A. सिंगल-बैंड प्रदर्शन

सटीकता (Accuracy): $r$ -बैंड में, मॉडल ने 0.034 का नॉर्मलाइज्ड मीडियन एब्सोल्यूट डेविएशन ( $\sigma_{NMAD}$ ) और 2.6% का कैटास्ट्रोफिक आउटलियर फ्रैक्शन ( $f_{out}$ ) प्राप्त किया।
तुलना: जबकि एक मानक 5-बैंड कलर-आधारित विधि (SDSS) $\sigma_{NMAD} \approx 0.022$ प्राप्त करती है, ViT-MDNz का सिंगल-बैंड परिणाम कलर जानकारी के अभाव के बावजूद उल्लेखनीय रूप से प्रतिस्पर्धी है।
बायस (Bias): बायस नगण्य ( $\approx -0.0012$ ) है।
कैलिब्रेशन:
- PIT (प्रोबेबिलिटी इंटीग्रल ट्रांसफॉर्म): वितरण लगभग यूनिफॉर्म है, जो अच्छी तरह से कैलिब्रेटेड अनिश्चितताओं को दर्शाता है।
- CRPS (कंटीन्यूअस de रैंक प्रोबेबिलिटी स्कोर): औसत CRPS 0.0377 है, जो दर्शाता कि अनुमानित PDFs वास्तविक मानों के आसपास मजबूती से केंद्रित हैं।
- मल्टीमोडैलिटी: केवल ~0.7% सैंपल में महत्वपूर्ण मल्टीमोडल वितरण दिखा, जो यह सुझाव देता है कि रूपात्मक विशेषताएं अधिकांश गैलेक्सियों के लिए रेडशिफ्ट डिजेनेरेसी को प्रभावी ढंग से हल करती हैं।

B. मल्टी-बैंड विस्तार

जब इसे मल्टी-बैंड इनपुट्स (g, r, z चैनल्स को जोड़ने) के लिए विस्तारित किया गया:

प्रदर्शन लाभ: $\sigma_{NMAD}$ सुधरकर 0.020 हो गया, और आउटलियर फ्रैक्शन घटकर 1.5% रह गया।
CRPS: घटकर 0.0244 हो गया।
निष्कर्ष: मॉडल कलर जानकारी को रूपात्मक विशेषताओं के साथ प्रभावी ढंग से फ्यूज करता है, जो इसकी बहुमुखी प्रतिभा को सिद्ध करता है।

5. महत्व और भविष्य का दृष्टिकोण

वैज्ञानिक प्रभाव: यह कार्य उस पारंपरिक धारणा को चुनौती देता है कि फोटोमेट्रिक रेडशिफ्ट के लिए मल्टी-बैंड कलर्स पर निर्भर होना अनिवार्य है। यह अधूरे बैंड कवरेज वाली गैलेक्सी सैंपल्स के लिए एक व्यवहार्य "रेस्क्यू" विधि प्रदान करता है, जिससे LSST, Euclid, और चाइनीज स्पेस स्टेशन टेलीस्कोप (CSST) जैसे भविष्य के सर्वेक्षणों के लिए रेडशिफ्ट कैटलॉग की पूर्णता बढ़ती है।
मेथोडोलॉजिकल बदलाव: यह प्रदर्शित करता है कि डीप लर्निंग कच्चे पिक्सेल से गैलेक्सी मॉर्फोलॉजी और रेडशिफ्ट के बीच जटिल, नॉन-लीनियर मैपिंग को सीधे सीख सकता है, जिससे हैंड-क्राफ्टेड फीचर्स की आवश्यकता समाप्त हो जाती है।
सीमाएँ:
- सिंगल-बैंड छवियों की मौलिक सूचना सीमा के कारण सटीकता अभी भी उच्च-गुणवत्ता वाले मल्टी-बैंड विधियों की तुलना में कम है।
- मॉडल की "ब्लैक-बॉक्स" प्रकृति भौतिक व्याख्या को कठिन बनाती है (अर्थात, यह स्पष्ट नहीं है कि कौन से विशिष्ट रूपात्मक मार्कर भविष्यवाणी को संचालित करते हैं)।
- बहुत उच्च रेडशिफ्ट ( $z > 1$ ) या विचित्र मॉर्फोलॉजी के लिए अधिक विविध डेटासेट्स के साथ और अधिक प्रशिक्षण की आवश्यकता है।
भविष्य की दिशाएँ: लेखक निर्णय लेने की प्रक्रिया को विज़ुअलाइज़ करने के लिए 'एक्सप्लेनेबल AI' (XAI) को शामिल करने, फिजिक्स-गाइडेड कंस्ट्रेंट्स का उपयोग करने और वास्तविक समय के अनुप्रयोग के लिए लाइटवेट आर्किटेक्चर विकसित करने का सुझाव देते हैं।

संक्षेप में, ViT-MDNz एस्ट्रोसांख्यिकी (astrostatistics) में एक महत्वपूर्ण कदम है, जो यह सिद्ध करता है कि केवल रूपात्मक विशेषताएं ही सांख्यिकीय रूप से मजबूत रेडशिफ्ट अनुमान प्रदान कर सकती हैं, जिससे डेटा-सीमित खगोलीय सर्वेक्षणों से वैज्ञानिक प्रतिफल (scientific return) को अधिकतम किया जा सकता है।