Coherence differential imaging using gradient-boosted decision trees for the direct detection of exoplanets

रात के आकाश की कल्पना एक विशाल, जगमगाते हुए मंच के रूप में करें। इस मंच पर, तारे मुख्य अभिनेता हैं, जो इतनी चमक से चमक रहे हैं कि वे अपने चारों ओर चक्कर लगा रहे ग्रहों की नन्ही, मंद फुसफुसाहट को दबा देते हैं। एक एक्सोप्लैनेट (exoplanet)—एक अन्य तारे के चक्कर लगा रहा संसार—को देखने की कोशिश करना, मीलों दूर एक अंधा कर देने वाली स्पॉटलाइट के बगल में मंडराते एक जुगनू को पहचानने की कोशिश करने जैसा है। तारे का प्रकाश केवल चमकता ही नहीं है; यह बिखर जाता है, जिससे एक धुंधला, झिलमिलाता हुआ धुंध (haze) पैदा होता है जिसे "स्पेकल्स" (speckles) कहा जाता है। नग्न आंखों से, या यहाँ तक कि एक मानक कैमरे से भी, ये स्पेकल्स बिल्कुल छोटे ग्रहों जैसे दिखते हैं। वे परम ब्रह्मांडीय छद्मवेशी (impostors) हैं।

द दशकों से, खगोलशास्त्रियों ने इस शोर को फ़िल्टर करने की कोशिश की है। कुछ लोग पृथ्वी के घूमने का इंतज़ार करते हैं, इस उम्मीद में कि तारे की चमक खिसक जाएगी जबकि ग्रह अपनी जगह पर बना रहेगा। अन्य शोर को घटाने के लिए संदर्भ तारों (reference stars) का उपयोग करते हैं, लेकिन ये विधियाँ धीमी हैं और अक्सर पीछे एक अस्त-व्यस्त अवशेष छोड़ देती हैं। एक नई, अधिक चतुर तकनीक "कोहेरेंस डिफरेंशियल इमेजिंग" (Coherence Differential Imaging - CDI) का उपयोग करती है। यह तकनीक टेलीस्कोप के दर्पण को थोड़ा हिलाकर "अंतर पहचानो" (spot the difference) का खेल खेलती है। क्योंकि तारे का प्रकाश कोहेरेंट (coherent) है (जैसे एक लेजर बीम) और ग्रह का प्रकाश इनकोहेरेंट (incoherent) है (जैसे एक टॉर्च), वे इस हलचल के प्रति अलग तरह से प्रतिक्रिया करते हैं। पहले और बाद की तस्वीरों की तुलना करके, वैज्ञानिक सैद्धांतिक रूप से तारे की चमक को रद्द कर सकते हैं और ग्रह को प्रकट कर सकते हैं। हालाँकि, यह विधि आमतौर पर जटिल गणितीय मॉडलों पर निर्भर करती है, जो गलत हो सकते हैं यदि टेलीस्कोप दोषपूर्ण हो।

यहीं पर एक नया अध्ययन आता है, जो एक डिजिटल जासूस पेश करता है जिसका नाम है EPICX। एक कठोर गणितीय सूत्र पर निर्भर रहने के बजाय कि कौन सा स्पेकल कौन सा है, शोधकर्ताओं ने एक मशीन लर्निंग एल्गोरिदम को खुद अंतर पहचानना सीखने के लिए प्रशिक्षित किया है। इसे एक कंप्यूटर को यह सिखाने के रूप में सोचें कि स्पेकल बनाम ग्रह की "व्यक्तित्व" (personality) को कैसे पहचाना जाए, उसे हजारों उदाहरण दिखाकर। शोध पत्र, जिसका शीर्षक "कोहेरेंस डिफरेंशियल इमेजिंग यूज़िंग ग्रेडिएंट-बूस्टेड डिसीजन ट्रीज़ फॉर द डायरेक्ट डिटेक्शन ऑफ एक्सोप्लैनेट्स" है, एक ऐसी विधि प्रस्तुत करता है जो इन स्मार्ट डिसीजन ट्रीज़ का उपयोग करके ग्रहों को नकली ग्रहों से पहले की तुलना में बहुत तेज़ी से और अधिक सटीकता से अलग करती है।

डिजिटल जासूस और ब्रह्मांडीय छद्मवेश (Cosmic Masquerade)

लेखक जिस मुख्य समस्या का समाधान करते हैं वह "ब्रह्मांडीय छद्मवेश" है। VLT/SPHERE या आगामी रोमन स्पेस टेलीस्कोप जैसे शक्तिशाली टेलीस्कोपों द्वारा ली गई छवियों में, तारे का बचा हुआ प्रकाश (स्पेकल्स) बिल्कुल एक ग्रह जैसा दिखता है। पारंपरिक विधियाँ तारे के प्रकाश को घटाने के लिए एक पूर्व-निर्मित मानचित्र का उपयोग करती हैं कि तारे को कैसा दिखना चाहिए। लेकिन यदि टेलीस्कोप में एक छोटा सा, अज्ञात दोष भी है, तो वह मानचित्र गलत हो जाता है, और घटाव (subtraction) विफल हो जाता है।

लेखक EPICX (Exoplanet Patch-based Image Classification with XGBoost) का उपयोग करके एक अलग दृष्टिकोण प्रस्तावित करते हैं। एक आदर्श मॉडल बनाने के बजाय कि तारा कैसा दिखता है, वे इस समस्या को "वेअर वॉल्डो?" (Where's Waldo?) के खेल की तरह देखते हैं, लेकिन एक सुपर-स्मार्ट AI के साथ।

यह प्रक्रिया चरण-दर-चरण इस प्रकार काम करती है:

1. हलचल (Pair Wise Probing): टेलीस्कोप के दर्पण को विशिष्ट पैटर्न (जिन्हें "प्रोब्स" कहा जाता है) में हिलाया जाता है। यह एक टॉर्च को हिलाकर यह देखने जैसा है कि छाया कैसे चलती है। तारे का प्रकाश (स्पेकल्स) हिलता है और अपनी चमक बदलता है क्योंकि वह कोहेरेंट है। हालाँकि, ग्रह का प्रकाश इनकोहेरेंट है और अड़िग रहता है।
2. स्नैपशॉट: टेलीस्कोप छवियों की एक श्रृंखला लेता है: एक बिना हलचल के, और कई अलग-अलग हलचलों के साथ। यह एक "PWP सीन" (Pair Wise Probing scene) बनाता है।
3. शिकार (The Hunt): कंप्यूटर इन छवियों को स्कैन करता है ताकि प्रकाश के बिंदु के रूप में दिखने वाले हर छोटे बिंदु को खोजा जा सके। उसे अभी इस बात की परवाह नहीं है कि वह ग्रह है या स्पेकल; वह बस उन सभी को "संदिग्ध" के रूप में चिह्नित करता है।
4. पूछताछ (Interrogation - Machine Learning): यहीं EPICX चमकता है। एल्गोरिदम प्रत्येक संदिग्ध को देखता है और पूछता है कि हलचलों के प्रति उस बिंदु ने कैसी प्रतिक्रिया दी।
   • क्या वह टिमटिमाया? (स्पेकल्स टिमटिमाते हैं; ग्रह नहीं)।
   • दर्पण हिलने पर उसमें क्या बदलाव आया?
   • उसका पड़ोस कैसा दिखता है?
     एल्गोरिदम ग्रेडिएंट-बूस्टेड डिसीजन ट्रीज़ का उपयोग करता है, जो एक फैंसी तरीका है यह कहने का कि यह कई छोटे, सरल निर्णय लेने वालों की एक टीम बनाता है। प्रत्येक एक अनुमान लगाता है, और यदि वह गलत होता है, तो अगला उसकी गलती को सुधारने की कोशिश करता है। मिलकर, वे एक अत्यंत सटीक न्यायाधीश बनाते हैं।
5. फैसला (The Verdict): कंप्यूटर हर संदिग्ध को एक प्रायिकता स्कोर (probability score) देता है। यदि स्कोर पर्याप्त रूप से उच्च है, तो वह एक ग्रह है। यदि कम है, तो वह केवल एक स्पेकल है।

सिमुलेशन ने क्या दिखाया

शोधकर्ताओं ने इसे केवल सपना नहीं देखा; उन्होंने इसे एक आभासी ब्रह्मांड में परखा। उन्होंने तीन अलग-अलग प्रकार के टेलीस्कोपों के लिए उच्च-कंट्रास्ट चित्र बनाने के लिए Asterix नामक एक पायथन टूल का उपयोग किया: एक "परफेक्ट" टेलीस्कोप, एक FQPM कोरोनोग्राफ वाला, और Roman HLC (हाइब्रिड लयोट कोरोनोग्राफ) जो आगामी रोमन स्पेस टेलीस्कोप के लिए डिज़ाइन किया गया है।

उन्होंने 2,250 सिम्युलेटेड दृश्य बनाए। प्रत्येक दृश्य में, उन्होंने सैकड़ों नकली स्पेकल्स के बीच 0, 1, या 2 नकली ग्रह छिपा दिए। फिर उन्होंने इस डेटा को EPICX एल्गोरिदम को दिया यह देखने के लिए कि क्या यह ग्रहों को खोज सकता है।

परिणाम उत्साहजनक थे:

• नकली को पकड़ना: एल्गोरिदम स्पेकल्स को अनदेखा करने में अविश्वसनीय रूप से अच्छा था। सिमुलेशन में, "फॉल्स पॉजिटिव रेट" (एक स्पेकल को ग्रह समझने की दर) को बहुत कम रखा गया था। यह महत्वपूर्ण है क्योंकि वास्तविक जीवन में, खगोलशास्त्रियों को मिले हुए हर "ग्रह" की दोबारा जांच करने के लिए महंगे टेलीस्कोप समय खर्च करने पड़ते हैं। वे नकली ग्रहों पर समय बर्बाद नहीं करना चाहते।
• समझौता (The Trade-off): एल्गोरिदम ने कुछ ग्रहों को मिस भी किया। टेस्ट सेट में, इंजेक्ट किए गए ग्रहों में से लगभग 20% को मिस कर दिया गया (फॉल्स नेगेटिव)। लेखक नोट करते हैं कि यह आंशिक रूप से इसलिए है क्योंकि उन्होंने इन प्रारंभिक सिमुलेशन में वास्तविक फोटॉन के "दानेदार" शोर को शामिल नहीं किया था, और उन्होंने ग्रहों को स्पेकल्स जितनी ही चमक पर डाला था, जिससे उन्हें पहचानना बहुत कठिन हो गया था।
• "बड़ी हलचल" का आश्चर्य: सबसे दिलचस्प निष्कर्षों में से एक यह था कि उन्होंने दर्पण को कितना हिलाया। पारंपरिक विधियों के लिए गणित को सरल और रैखिक रखने के लिए सूक्ष्म, सटीक हलचल (लगभग 36 nm या λ/16) की आवश्यकता होती है। हालाँकि, EPICX उतना ही अच्छा काम करता है जब उन्होंने दर्पण को बहुत अधिक हिलाया (192 nm या λ/3)। यह सुझाव देता है कि AI "नॉन-लीनियर" अराजकता को संभाल सकता है जो पुराने, गणित-प्रधान तरीकों को भ्रमित कर सकती है। इसका मतलब भविष्य में तेज़ अवलोकन हो सकता है, क्योंकि बड़ी हलचलें सच्चाई को अधिक तेज़ी से प्रकट कर सकती हैं।
• कम तस्वीरें: उन्होंने केवल 2 प्रोब्स का उपयोग करके भी परीक्षण किया, जो कि मानक 3 के बजाय है। प्रदर्शन थोड़ा गिर गया, लेकिन लेखक सुझाव देते हैं कि यह अभी भी उपयोगी हो सकता है यदि आपको आकाश के एक छोटे से हिस्से की जांच करने की आवश्यकता हो, जिससे बहुमूल्य टेलीस्कोप समय बचता है।

निचोड़

शोध पत्र निष्कर्ष निकालता है कि EPICX एक्सोप्लैनेट की खोज के भविष्य के लिए एक शक्तिशाली नया उपकरण है। मिरर वiggles (हलचल) के प्रति प्रकाश कैसे प्रतिक्रिया करता है, इसका विश्लेषण करने के लिए मशीन लर्निंग का उपयोग करके, यह टेलीस्कोप के एक पूर्ण, त्रुटि-रहित मॉडल की आवश्यकता के बिना वास्तविक ग्रहों को स्टार-ग्लो शोर से अलग कर सकता है।

लेखक सावधानी बरतते हुए कहते हैं कि ये परिणाम सिमुलेशन पर आधारित हैं। उन्होंने अभी तक इसका परीक्षण वास्तविक टेलीस्कोप या वास्तविक तारों के प्रकाश पर नहीं किया है। अगले चरणों में सिमुलेशन में वास्तविक शोर (जैसे फोटॉन शोर) जोड़ना और एक भौतिक टेस्टबेड जिसे THD2 कहा जाता है, पर एल्गोरिदम का परीक्षण करना शामिल है। यदि यह सफल रहता है, तो यह विधि हमारे दुनिया खोजने के तरीके में क्रांति ला सकती है, जिससे Roman और SPHERE+ जैसे टेलीस्कोप पहले की तुलना में अधिक तेज़ी से और कम गलत अलार्म के साथ ग्रहों को खोज सकेंगे।

संक्षेप में, जबकि ब्रह्मांड छली (tricksters) से भरा है, यह नया डिजिटल जासूस उनके भेष को पहचानने में सीख रहा है।