🔭 astrophysics

A Model Context Protocol Server for Astrophysical RAG: Unified Access to HI, Dwarf, Globular Cluster, IntZ, and ALPINE Kinematic Corpora with FAISS Semantic Search

यह शोध पत्र EPS Research Astro-RAG MCP सर्वर v2.3.0 को प्रस्तुत करता है, जो एक एकीकृत, क्रॉस-प्लेटफ़ॉर्म सिस्टम है जो FAISS-त्वरित सिमेंटिक सर्च, REST API और एक LLM-नेटिव इंटरफ़ेस के माध्यम से रेडशिफ्ट 0 से 5.68 तक फैले पांच खगोल भौतिकीय गतिज कॉर्पोरा (astrophysical kinematic corpora) तक मशीन-पठनीय पहुंच प्रदान करता है।

मूल लेखक: David C. Flynn

प्रकाशित 2026-08-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: David C. Flynn

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

ब्रह्मांड की कल्पना एक विशाल, ब्रह्मांडीय पुस्तकालय के रूप में करें जो हमारे अपने घर के आँगन से लेकर समय के अंतिम छोर तक फैला हुआ है। इस पुस्तकालय में, खगोलशास्त्री दशकों से विभिन्न प्रकार के तारों और आकाशगंगाओं के बारे में पुस्तकें एकत्र कर रहे हैं। लेकिन यहाँ एक पेंच है: ये पुस्तकें अलग-अलग भाषाओं में लिखी गई हैं, अलग-अलग कमरों में रखी गई हैं, और अलग-अलग पुस्तकालयाध्यक्षों (librarians) द्वारा व्यवस्थित की गई हैं। एक कमरे में पास की धीमी गति से घूमने वाली आकाशगंगाओं की पुस्तकें हैं, दूसरे में छोटी, अव्यवस्थित बौनी (dwarf) आकाशगंगाओं की पुस्तकें हैं, और तीसरा कमरा ब्रह्मांड के बचपन के समय की प्राचीन पुस्तकों को थामे हुए है। यदि आप तेजी से घूमने वाली किसी विशिष्ट प्रकार की आकाशगंगा को खोजना चाहते, तो आपको इन कमरों के बीच दौड़ना पड़ता, कैटलॉग का अनुवाद करना पड़ता और हर एक पुस्तक को मैन्युअल रूप से जांचना पड़ता। यह बहुत कठिन काम है, और विभिन्न अनुभागों के बीच के संबंधों को समझना आसान नहीं है।

इसे आसान बनाने के लिए, वैज्ञानिक अब "स्मार्ट सहायकों" (जिन्हें लार्ज लैंग्वेज मॉडल कहा जाता है) का उपयोग करना शुरू कर रहे हैं जो हमसे सामान्य अंग्रेजी में बात कर सकते हैं। लेकिन इन सहायकों को पुस्तकालय के डेटा से बात करने के लिए एक विशेष पुल की आवश्यकता होती है। यह पुल 'मॉडल कॉन्टेक्स्ट प्रोटोकॉल' (MCP) कहलाता है, जो एक सार्वभौमिक अनुवादक के रूप में कार्य करता है, जिससे स्मार्ट सहायक जटिल कोड को जाने बिना सटीक प्रश्न पूछ सकता है और सटीक उत्तर प्राप्त कर सकता है। बड़ा सवाल यह है: क्या हम एक ऐसा पुल बना सकते हैं जो एक साथ इन सभी अलग-अलग आकाशगंगा की पुस्तकों को जोड़ सके, ताकि एक स्मार्ट सहायक पूरे ब्रह्मांड के इतिहास में पैटर्न खोज सके?

डेविड सी. फ्लिन ने ठीक वही पुल बनाया है। उन्होंने EPS Research Astro-RAG MCP Server v2.3.0 नामक एक नया डिजिटल टूल बनाया है। इस सर्वर को एक सुपर-स्मार्ट, सर्वज्ञानी पुस्तकालयाध्यक्ष के रूप में समझें जिसने 2,064 अलग-अलग "आकाशगंगा पुस्तकों" को एक एकल, आसानी से खोजने योग्य ढेर में व्यवस्थित किया है। ये पुस्तकें हमारे स्थानीय पड़ोस (जहाँ रेडशिफ्ट, या "ब्रह्मांडीय दूरी", 0 है) से लेकर प्रारंभिक ब्रह्मांड के सुदूर कोनों (रेडशिफ्ट 5.68) तक सब कुछ कवर करती हैं।

इस पुस्तकालय में पाँच विशिष्ट संग्रह हैं:

"Unified HI Rotation Curve" संग्रह: 438 आकाशगंगाएँ जो हमारे स्थानीय ब्रह्मांड में हिंडोले की तरह घूमती हैं।
"Dwarf/Irregular" संग्रह: 129 छोटी, अव्यवस्थित आकाशगंगाएँ जिनका कोई निश्चित आकार नहीं है।
"Milky Way Globular Cluster" संग्रह: हमारी अपनी आकाशगंगा के चारों ओर घूमते प्राचीन तारों के घने समूह (174)।
"IntZ" संग्रह: ब्रह्मांड के मध्य युग की 1,292 आकाशगंगाएँ (जब यह अपने वर्तमान आकार का लगभग 0.4 से 2.7 गुना था)।
"High-z ALPINE" संग्रह: ब्रह्मांड के किशोरावस्था के समय की 31 अत्यंत दूरस्थ, प्राचीन आकाशगंगाएँ (रेडशिफ्ट 4.26 से 5.68)।

इस नए सर्वर का जादू इसके खोजने के तरीके में है। पहले, यदि आप किसी आकाशगंगा को खोजना चाहते थे, तो आपको उसका सटीक आईडी नंबर या उसका विशिष्ट वैज्ञानिक नाम पता होना चाहिए था। यदि आप नाम नहीं जानते थे, तो आप फंस जाते थे। लेकिन यह सर्वर एक चतुर तकनीक का उपयोग करता है जिसे FAISS सिमेंटिक सर्च कहा जाता है। कल्पना कीजिए कि आपके पास इंडेक्स कार्डों का एक विशाल ढेर है, और कार्ड पर केवल "Galaxy A" लिखने के बजाय, आप "कम सतह चमक वाली एक छोटी, अव्यवस्थित आकाशगंगा" जैसा विवरण लिखते हैं। सर्वर आपके प्रश्न को एक गणितीय "फिंगरप्रिंट" (fingerprint) में बदल देता है और उन कार्डों को ढूंढ लेता है जिनके फिंगरप्रिंट सबसे अधिक मिलते-जुलते हैं।

इसलिए, जटिल कंप्यूटर कमांड टाइप करने के बजाय, आप सर्वर से बस पूछ सकते हैं, "मुझे कम द्रव्यमान वाली बौनी अनियमित (dwarf irregular) आकाशगंगाएँ ढूँढ कर दें," या "बाहरी हेलो में धातु-विहीन (metal-poor) ग्लोबुलर क्लस्टर दिखाएं।" सर्वर आपके शब्दों के अर्थ को समझता है, न कि केवल उनकी स्पेलिंग को। इसके बाद, यह अपने पूर्व-निर्मित "फिंगरप्रिंट्स" (जो MiniLM-L6-v2 नामक मॉडल का उपयोग करके बनाए गए हैं) का उपयोग करके अपने 2,064 ऑब्जेक्ट्स के संग्रह से तुरंत शीर्ष मिलान निकाल लेता है।

शोध पत्र दिखाता है कि यह प्रणाली अविश्वसनीय रूप से अच्छी तरह से काम करती है। जब लेखक ने इसे "dwarf irregular low mass" जैसे प्रश्नों के साथ परखा, तो सर्वर ने सही ढंग से CVnIdwA और DDO 210 जैसी विशिष्ट आकाशगंगाओं को वापस किया। "metal poor outer halo cluster" के लिए पूछे जाने पर, इसने सही स्टार क्लस्टर्स को खोज लिया। यह ब्रह्मांड के विभिन्न युगों में भी काम करता है; आप किसी पास की आकाशगंगा के समान आकाशगंगा खोजने के लिए पूछ सकते हैं, और यह दूरस्थ, प्राचीन संग्रहों में मिलान पा सकता है।

यह सर्वर मनुष्यों और AI सहायकों दोनों के उपयोग के लिए बनाया गया है। इसमें एक वेबसाइट है जहाँ आप क्लिक और सर्च कर सकते हैं, अन्य प्रोग्रामों के बात करने के लिए एक मानक कंप्यूटर इंटरफेस है, और एक विशेष "MCP" द्वार है जो AI सहायकों (जैसे कि वे जिनसे आप चैट करते हैं) को सीधे प्रश्न पूछने की अनुमति देता है। लेखक इस बात पर जोर देते हैं कि यह केवल डेटा की सूची नहीं है; यह एक एकीकृत प्रणाली है जहाँ डेटा को साफ और व्यवस्थित किया गया है ताकि पास के ब्रह्मांड की एक आकाशगंगा और दूरस्थ ब्रह्मांड की एक आकाशगंगा की तुलना बिना किसी भ्रम के आमने-सामने की जा सके।

शोध पत्र बहुत स्पष्ट है कि यह उपकरण क्या नहीं है। यह मूल, लाइव डेटाबेस का विकल्प नहीं है जहाँ खगोलशास्त्री एकदम नया, ताज़ा डेटा प्राप्त करने जाते हैं। यह अंतरिक्ष में आकाशगंगाओं के बीच भौतिक दूरी को मापने वाला उपकरण भी नहीं है; यह केवल उनके विवरणों की समानता को मापता है। यदि आपको किसी आकाशगंगा की सटीक गति जानने की आवश्यकता है, तो आप हार्ड नंबर्स प्राप्त करने के लिए सर्वर के "फ़िल्टर" टूल का उपयोग करते हैं। यदि आप वर्णन के "अहसास" के आधार पर एक नए प्रकार की आकाशगंगा की खोज करना चाहते हैं, तो आप सिमेंटिक सर्च का उपयोग करते हैं।

लेखक ने यह सुनिश्चित किया है कि सब कुछ खुला और पुनरुत्पादित (reproducible) हो। कोड, डेटा और खोज के लिए उपयोग किए जाने वाले विशेष "फिंगरप्रिंट्स" सभी डाउनलोड करने और जाँचने के लिए उपलब्ध हैं। यह सर्वर वर्तमान में HuggingFace Spaces नामक एक सार्वजनिक प्लेटफॉर्म पर चल रहा है, जिसका अर्थ है कि कोई भी इंटरनेट कनेक्शन के माध्यम से इसे आजमा सकता है। यह खगोल विज्ञान करने के एक नए तरीके में एक पहला कदम है: एक जासूस के रूप में धूल भरे अभिलेखागारों में खोज करने के बजाय, शोधकर्ता (और उनके AI सहायक) अब ब्रह्मांड के गतिज डेटा (kinematic data) के पूरे इतिहास के साथ बातचीत कर सकते हैं, सामान्य अंग्रेजी में प्रश्न पूछ सकते हैं और संरचित, विश्वसनीय उत्तर प्राप्त कर सकते हैं।

तकनीकी सारांश: EPS रिसर्च एस्ट्रो-RAG MCP सर्वर v2.3.0

समस्या विवरण
बहु-युग (multi-epoch) खगोलीय सर्वेक्षण डेटा के प्रसार ने एक महत्वपूर्ण पुनर्प्राप्ति बाधा (retrieval bottleneck) उत्पन्न कर दी है। जबकि व्यक्तिगत कॉर्पोरा (जैसे, स्थानीय HI सर्वेक्षण, उच्च-रेडशिफ्ट काइनेटिक लक्ष्य) अपने विशिष्ट समुदायों के भीतर अच्छी तरह से प्रलेखित हैं, उन्हें विभिन्न युगों, सर्वेक्षणों या ऑब्जेक्ट क्लासों के बीच बिना व्यापक कस्टम टूलिंग के प्रोग्रामेटिक रूप रूप से क्वेरी करना कठिन बना हुआ है। शोधकर्ता विषम डेटा प्रारूपों, असंगत फ़ील्ड नामकरण परंपराओं और खंडित एक्सेस इंफ्रास्ट्रक्चर का सामना कर रहे हैं। इसके अलावा, जबकि लार्ज लैंग्वेज मॉडल्स (LLMs) प्राकृतिक-भाषा डेटा एक्सेस के लिए क्षमता प्रदान करते हैं, उनकी उपयोगिता वर्तमान में एक संरचित, नियत (deterministic), और कम-विलंबता वाले पुनर्प्राप्ति बुनियादी ढांचे की कमी के कारण सीमित है जो कॉर्पस डेटा को सीधे AI सहायकों को परोस सके।

कार्यप्रणाली
लेखक EPS रिसर्च एस्ट्रो-RAG MCP सर्वर v2.3.0 प्रस्तुत करते हैं, जो मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCP) का एक क्रॉस-प्लेटफॉर्म कार्यान्वयन है जिसे पांच अलग-अलग खगोलीय काइनेटिक कॉर्पोरा तक पहुंच को एकीकृत करने के लिए डिज़ाइन किया गया है। यह सिस्टम $z=0$ से $z=5.68$ रेडशिफ्ट तक फैले 2,064 ऑब्जेक्ट्स को एकत्रित करता है, जिनमें शामिल हैं:

यूनिफाइड HI रोटेशन कर्व कॉर्पस (438 गैलेक्सीज़)।
ड्वार्फ/इरेगुलर HI कॉर्पस (129 गैलेक्सीज़)।
मिल्की वे ग्लोबुलर क्लस्टर कॉर्पस (174 क्लस्टर्स)।
IntZ काइनेटिक कॉर्पस (1,292 गैलेक्सीज़, $z \approx 0.4–2.7$ )।
हाई-z ALPINE काइनेटिक कॉर्पस (31 गैलेक्सीज़, $z = 4.26–5.68$ )।

आर्किटेक्चर और स्टैक
सर्वर Python में FastMCP और FastAPI का उपयोग करके कार्यान्वित किया गया है, जो एक ही प्रोसेस के माध्यम से तीन समवर्ती इंटरफेस को एक्सपोज़ करता है:

MCP एंडपॉइंट: एक LLM-नेटिव टूल API जो सर्वर-सेंट इवेंट्स (SSE) और स्ट्रीमेबल HTTP का उपयोग करता है, जिससे AI असिस्टेंट (जैसे, Claude, Copilot) सीधे टाइप किए गए टूल्स को इनवोक कर सकते हैं।
REST API: प्रोग्रामेटिक एक्सेस के लिए OpenAPI डॉक्यूमेंटेशन के साथ मानक HTTP एंडपॉइंट्स।
ब्राउज़र UI: पॉइंट-एंड-क्लिक क्वेरीइंग और परिणाम निर्यात के लिए एक सिंगल-पेज HTML इंटरफेस।

डेटा को स्टार्टअप के समय JSONL फाइलों से इन-प्रोसेस कैश में लोड किया जाता है। सिमेंटिक सर्च को सक्षम करने के लिए, सिस्टम FAISS (Facebook AI Similarity Search) का उपयोग करता है जिसमें प्री-बिल्ट वेक्टर इंडेक्स होते हैं। ये इंडेक्स ऑफलाइन रूप से all-MiniLM-L6-v2 मॉडल (sentence-transformers से) का उपयोग करके बनाए गए हैं, जो 384-आयामी डेंस एम्बेडिंग्स जनरेट करते हैं। महत्वपूर्ण बात यह है कि एम्बेडिंग्स कच्चे JSON रिकॉर्ड के बजाय प्रमुख मेटाडेटा फ़ील्ड्स (जैसे, मॉर्फोलॉजी, दूरी, काइनेटिक क्लास) के क्यूरेटेड समरी स्ट्रिंग्स से प्राप्त की जाती हैं, जिससे यह सुनिश्चित होता है कि वेक्टर स्पेस वैज्ञानिक रूप से सार्थक सामग्री को कैप्चर करे। सिस्टम सटीक निकटतम-पड़ोसी (nearest-neighbor) खोज के लिए faiss.IndexFlatL2 का उपयोग करता है, जो नियत परिणाम सुनिश्चित करता है।

प्रमुख योगदान और विशेषताएं

यूनिफाइड स्कीमा: सभी पांच कॉर्पोरा एक सामान्य JSON स्कीमा साझा करते हैं जिसमें नेटिव-टाइप्ड फ़ील्ड्स और सुसंगत नामकरण परंपराएं हैं, जो क्रॉस-कॉर्पस क्वेरी को सक्षम बनाती हैं।
MCP टूलसेट: सर्वर सात विशिष्ट टूल्स को एक्सपोज़ करता है:
- list corpora, list objects, get object, search metadata, filter objects, get corpus schema, और semantic search|
- ये टूल्स LLMs को जटिल कार्य करने की अनुमति देते हैं, जैसे कि न्यूमेरिक रेंज द्वारा फ़िल्टर करना (उदाहरण के लिए, "रोटेशन वेलोसिटी > 150 km/s") या सिमेंटिक डिस्कवरी (उदाहरण के लिए, "dwarf irregular low surface brightness") बिना उपयोगकर्ता को विशिष्ट फ़ील्ड नामों या क्वेरी सिंटैक्स को जाने।
FAISS-एक्सेलेरेटेड सिमेंटिक सर्च: वर्शन 2.3.0 नेचुरल-लैंग्वेज सिमिलैरिटी सर्च के साथ सभी कॉर्पोरा में पहुंच पेश करता है। यह डिस्कवरी क्वेरीज़ को सक्षम करता है जो अंडरलाइंग डेटाबेस स्कीमा के ज्ञान की आवश्यकता के बिना सिमेंटिकली रैंक किए गए ऑब्जेक्ट लिस्ट लौटाते हैं।
पुनरुत्पादकता (Reproducibility) और परिनियोजन: सर्वर सार्वजनिक रूप से HuggingFace Spaces पर तैनात है और पूरी तरह से पुनरुत्पादक है। सभी घटक (सर्वर सॉफ्टवेयर, पांच कॉर्पोरा, और FAFFS इंडेक्स) वर्जन किए गए हैं और Zenodo DOIs असाइन किए गए हैं। एक लोकल लॉन्चर Windows और Ubuntu पर परिनियोजन के लिए समर्थन करता है।

परिणाम और सत्यापन
पेपर प्रतिनिधि उपयोग के मामलों के माध्यम से सिस्टम की प्रभावकारिता प्रदर्शित करता है:

रोटेशन कर्व रिट्रीवल: सिस्टम विशिष्ट ऑब्जेक्ट्स (जैसे, NGC3198) के लिए पूर्ण काइनेटिक रिकॉर्ड (इन्क्लाइनशन, पोजीशन एंगल, Vrot प्रोफाइल्स) को कैश से सब-मिलीसेकंड विलंबता के साथ सफलतापूर्वक पुनर्प्राप्त करता है।
मेटाडेटा फ़िल्टरिंग: न्यूमेरिक रेंज फ़िल्टर्स (जैसे, 1–10 Mpc के बीच की दूरी) 100 ms से कम में निष्पादित होते हैं, जो डेटा के सटीक उपसमुच्चय (subsets) लौटाते हैं।
सिमेंटिक एक्सप्लोरेशन: सिमेंटिक सर्च टूल स्वाभाविक भाषा की क्वेरीज़ के आधार पर भौतिक रूप से सुसंगत ऑब्जेक्ट सेट्स को सफलतापूर्वक पुनर्प्राप्त करता है। उदाहरण के लिए, "dwarf irregular low mass" के लिए क्वेरी करने पर सही ढंग से CVnIdwA, DDO 210, और IC 1613 प्राप्त होते हैं। इसी तरह, "metal poor outer halo cluster" ESO-SC06, 2MS-GC02a, और ESO 93-8 को वापस करता है।
क्रॉस-एपोच कंसिस्टेंसी: सिस्टम एक एकीकृत इंटरफ़ेस का उपयोग करके स्थानीय ( $z=0$ ) और हाई-रेडशिफ्ट ( $z \approx 5$ ) काइनेटिक्स के बीच तुलना सक्षम करता है, जो पहले विजातीय डेटा प्रारूपों द्वारा बाधित था।

महत्व और दावे
लेखक का दावा है कि यह कार्य पहला MCP-अनुपालन एस्ट्रोफिजिकल डेटा सर्वर है जो सिमेंटिक सर्च क्षमताओं के साथ $z=0$ से $z=5.68$ की पूर्ण रेडशिफ्ट रेंज में यूनिफाइड काइनेटिक एक्सेस प्रदान करता है। इस प्लेटफॉर्म को astroquery (जो लाइव डेटाबेस क्वेरी को लक्षित करता है) और वर्चुअल ऑब्जर्वेटरी (जो ADQL/TAP का उपयोग करता है) जैसे मौजूदा इंफ्रास्ट्रक्चर के पूरक टूल के रूप में रखा गया है। जहाँ astroquery ताज़ा, लक्षित कैटलॉग क्वेरीज़ के लिए उपयुक्त है, वहीं एस्ट्रो-RAG MCP सर्वर प्री-असेंबल्ड, स्कीमा-यूनिफाइड कॉर्पोरा के स्ट्रक्चर्ड रिट्रीवल और सिमेंटिक एक्सप्लोरेशन के लिए अनुकूलित है।

पेपर इस बात पर जोर देता है कि यह आर्किटेक्चर विशिष्ट डेटाबेस स्कीमा से अपरिचित शोधकर्ताओं के लिए कॉर्पस एक्सप्लोरेशन की बाधा को कम करता है, जिससे AI असिस्टेंट को मानव हस्तक्षेप के बिना जटिल क्वेरीज़ (जैसे, फ़िल्टर्स और मेटाडेटा सर्च को जोड़ना) कंपोज़ करने में सक्षम बनाया जा सकता है। यह सिस्टम MIT लाइसेंस के तहत जारी किया गया है, जो ओपन एक्सेस और पुनरुत्पादकता सुनिश्चित करता है।

सीमाएं
लेखक नोट करते हैं कि L2 दूरी पर आधारित FAISS इंडेक्स नेचुरल लैंग्वेज डिस्क्रिप्शन में सिमेंटिक समानता को कैप्चर करते हैं लेकिन पैरामीटर स्पेस में भौतिक दूरी को एनकोड नहीं करते हैं; दो गैलेक्सीज़ एम्बेडिंग स्पेस में सिमेंटिक रूप से समान हो सकती हैं लेकिन इन्क्लाइनशन जैसे भौतिक गुणों में काफी भिन्न हो सकती हैं। फलस्वरूप, न्यूमेरिक सिमिलैरिटी क्वेरीज़ को filter objects टूल द्वारा बेहतर ढंग से सेवा दी जाती है, जबकि सिमेंटिक सर्च का उपयोग डिस्कवरी और टोही (reconnaissance) के लिए सबसे अच्छा किया जाता है। इसके अतिरिक्त, IntZ कॉर्पस में वर्तमान में गायब पहचानकर्ताओं (identifiers) वाले रिकॉर्ड हैं जो न्यूमेरिक इंडेक्स ID लौटाते हैं, जो एक ज्ञात समस्या है जिसे भविष्य के संस्करणों में सुधारने का लक्ष्य है।

तकनीकी सारांश: EPS रिसर्च एस्ट्रो-RAG MCP सर्वर v2.3.0

इसी तरह के और पेपर