🔭 astrophysics

A deep learning algorithm for black hole spin estimation using hot-spot secondary images

यह शोध पत्र STIHOS प्रस्तुत करता है, जो एक डीप लर्निंग एल्गोरिदम है जो प्राथमिक और द्वितीयक हॉट-स्पॉट छवियों के बीच स्थिति कोण (पोजीशन एंगल) के अंतर से ब्लैक होल के स्पिन और झुकाव का सटीक अनुमान लगाता है, जो आंशिक-कक्षा दृश्यता और अवलोकन संबंधी त्रुटियों के तहत भी मजबूत प्रदर्शन प्रदर्शित करता है।

मूल लेखक: Aristomenis I. Yfantis, Rami Al-Belmpeisi

प्रकाशित 2026-08-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Aristomenis I. Yfantis, Rami Al-Belmpeisi

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

हमारी मिल्की वे आकाशगंगा के बिल्कुल केंद्र में गुरुत्वाकर्षण का एक दैत्य स्थित है, जिसे सैजिटेरियस ए* (Sagittarius A*) के रूप में जाना जाने वाला एक सुपरमैसिव ब्लैक होल कहा जाता है। दशकों से, खगोलविदों को पता है कि वह वहां मौजूद है, लेकिन उसे स्पष्ट रूप से देखना ब्रह्मांडीय धूल के धुंधलेपन और उसके किनारे के इतने करीब होने वाली घटनाओं की तीव्र गति के विरुद्ध एक संघर्ष रहा है। हाल ही में, शक्तिशाली नए टेलीस्कोपों ने अंततः इस काले हृदय की छवियां लेना शुरू कर दिया है, जो चमकती गैस के छल्ले से घिरे एक साये को प्रकट करती हैं। अत्यधिक गर्म पदार्थ के इस घूमते हुए डिस्क के भीतर, खगोलविदों ने प्रकाश की संक्षिप्त, तीव्र चमक देखी है। ये केवल यादृच्छिक टिमटिमाहट नहीं हैं बल्कि माना जाता है कि ये "हॉट स्पॉट्स" (hot spots) हैं—प्लाज्मा के सघन, चमकीले क्षेत्र जो ब्लैक होल के चारों ओर एक लाइटहाउस की बीम की तरह अंधेरे में घूमते हैं। इन हॉट स्पॉट्स के हिलने के तरीके और ब्लैक होल के चारों ओर उनके प्रकाश के मुड़ने के तरीके को ट्रैक करके, वैज्ञानिक ब्लैक होल के स्पिन (घूर्णन) और उसकी कक्षा के झुकाव (tilt) को मापने की उम्मीद करते हैं, जो दो मौलिक गुण हैं जो इसके आसपास के स्थान और समय के आकार को परिभाषित करते हैं।

शोधकर्ता ए. आई. यफेंटिस (A. I. Yfantis) और आर. अल-बेलम्पीसी (R. Al-Belmpeisi) का एक नया अध्ययन इन रहस्यों को खोलने के लिए एक नया दृष्टिकोण अपनाता है। जटिल समीकरणों को हाथ से हल करने के बजाय, उन्होंने एक परिष्कृत कंप्यूटर प्रोग्राम बनाया है, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस है, जो एक अनुवादक के रूप में कार्य करता है ताकि हम जो देखते हैं और जो गुरुत्वाकर्षण के गहरे कुएं में घटित हो रहा है, के बीच संबंध स्थापित किया जा सके। मुख्य विचार एक विशिष्ट दृश्य प्रभाव पर निर्भर करता है: जैसे-जैसे एक हॉट स्पॉट ब्लैक होल के चारों ओर घूमता है, तीव्र गुरुत्वाकर्षण उस स्पॉट से आने वाले प्रकाश को मोड़ देता है, जिससे न केवल एक छवि, बल्कि ब्लैक होल के दूसरी ओर दिखाई देने वाली एक दूसरी, धुंधली छवि बनती है। यह दूसरी छवि एक "सेकेंडरी" (secondary) दृश्य है, जो उसी घटना का एक काल्पनिक प्रतिबिंब है। शोधकर्ताओं ने मुख्य स्पॉट और इस काल्पनिक जुड़वां के बीच के कोण पर ध्यान केंद्रित किया। उन्होंने पाया कि यह कोण बहुत विशिष्ट तरीके से बदलता है, जो इस बात पर निर्भर करता है कि ब्लैक होल कितनी तेजी से घूम रहा है और हमारी दृष्टि के सापेक्ष कक्षा का झुकाव कितना है।

अपनी कंप्यूटर प्रोग्राम को यह सिखाने के लिए कि इन कोणों को कैसे पढ़ा जाए, टीम ने एक लाख सिम्युलेटेड ब्रह्मांडों का एक विशाल पुस्तकालय तैयार किया। प्रत्येक सिमुलेशन में, उन्होंने एक अलग स्पिन गति और एक अलग दूरी एवं झुकाव पर घूमने वाले हॉट स्पॉट के साथ एक ब्लैक होल बनाया। उन्होंने यह गणना करने के लिए उन्नत भौतिकी सॉफ्टवेयर का उपयोग किया कि प्रत्येक परिदृश्य में प्रकाश बिल्कुल कैसे यात्रा करेगा, और प्राथमिक स्पॉट और इसकी सेकेंडरी इमेज के बीच के कोण को समय के साथ रिकॉर्ड किया। फिर उन्होंने इस डेटा को अपने डीप लर्निंग मॉडल, जिसे STIHOS नाम दिया गया है, में डाला, और इसे उन पैटर्न को पहचानने के लिए प्रशिक्षित किया जो ब्लैक होल के छिपे हुए गुणों को देखे गए कोणों से जोड़ते हैं। लक्ष्य यह देखना था कि क्या कंप्यूटर कोणों के एक सेट को देखकर तुरंत सिस्टम के स्पिन और झुकाव को बता सकता है, भले ही डेटा अधूरा या शोर (noisy) से भरा हो।

परिणाम आश्चर्यजनक रूप से सटीक थे। जब सिमुलेशन ने यह माना कि हॉट स्पॉट बिल्कुल सपाट घूम रहा है, जैसे मेज पर घूमता हुआ एक सिक्का, तो कंप्यूटर मॉडल ब्लैक होल के स्पिन को लगभग 0.04 यूनिट की सटीकता के साथ और कक्षा के झुकाव को केवल दो डिग्री के भीतर निर्धारित कर सका। यह स्तर की सटीकता तब भी बनी रही जब शोधकर्ताओं ने मॉडल का परीक्षण उस डेटा के साथ किया जिसमें केवल आधी कक्षा दिखाई दे रही थी, जो वास्तविक अवलोकनों में एक सामान्य स्थिति है जहाँ एक फ्लेयर (flare) पूर्ण चक्र पूरा करने से पहले ही फीका पड़ जाता है। मॉडल मजबूत साबित हुआ, जिसने सफलतापूर्वक ब्लैक होल के स्पिन के प्रभावों को कक्षा की ज्यामिति से अलग किया, जो एक ऐसा कार्य है जिसे पारंपरिक तरीकों से करना अत्यंत कठिन है।

हालाँकि, ब्रह्मांड शायद ही कभी एक सपाट मेज जितना सरल होता है। शोधकर्ताओं ने यह भी परीक्षण किया कि क्या होता है जब हॉट स्पॉट एक तीव्र कोण पर घूमता है, जो केंद्रीय तल से दूर झुका हुआ होता है। इन अधिक जटिल परिदृश्यों में, कंप्यूटर ने पाया कि ब्लैक होल के स्पिन और कक्षा के झुकाव के बीच अंतर करना कठिन हो जाता है। अतिरिक्त जानकारी के बिना, मॉडल हमेशा यह नहीं बता पाता था कि एक विशिष्ट कोण तेज गति से घूमने वाले ब्लैक होल के कारण था या अत्यधिक झुकी हुई कक्षा के कारण; दोनों प्रभाव एक-दूसरे की नकल कर सकते हैं। इस चुनौती के बावजूद, मॉडल ने अभी भी उपयोगी अनुमान प्रदान किए, जिससे संभावनाओं को काफी कम कर दिया गया। अध्ययन बताता है कि यदि खगोलविद इन अवलोकनों को अन्य ज्ञात तथ्यों, जैसे कि आकाशगंगा के केंद्र के सामान्य झुकाव के साथ जोड़ सकें, तो वे इस भ्रम को तोड़कर उच्च विश्वास के साथ स्पिन को सटीक रूप से निर्धारित कर सकते हैं।

टीम ने भविष्य के टेलीस्कोपों को भी देखा, जिसमें इवेंट होराइजन टेलीस्कोप की अगली पीढ़ी और ब्लैक होल एक्सप्लोरर नामक एक प्रस्तावित अंतरिक्ष-आधारित मिशन शामिल है। उन्होंने सिम्युलेट किया कि भविष्य के उपकरण जो अधिक स्पष्ट और शार्प डेटा प्रदान करने की उम्मीद रखते हैं, उनके साथ मॉडल कैसा प्रदर्शन करेगा। परिणामों ने दिखाया कि भविष्य के एरेज़ (arrays) के बेहतर रिज़ॉल्यूशन के साथ, ब्लैक होल के स्पिन को मापने की अनिश्चितता 0.1 यूनिट से कम हो सकती है, जो सटीकता का एक ऐसा स्तर है जो आइंस्टीन के गुरुत्वाकर्षण सिद्धांत के कठोर परीक्षणों की अनुमति देगा। मौजूदा टेलीस्कोपों के वर्तमान, थोड़े धुंधले डेटा के साथ भी, मॉडल स्पिन को लगभग 0.3 यूनिट के भीतर सीमित कर सकता है, जो एक सार्थक प्रगति है।

यह कार्य प्रदर्शित करता है कि हॉट स्पॉट्स से निकलने वाली क्षणिक चमक केवल सुंदर विसंगतियाँ नहीं हैं, बल्कि अदृश्य ज्यामिति का मानचित्र बनाने के शक्तिशाली उपकरण भी हैं। आर्टिफिशियल इंटेलिजेंस का उपयोग करके एक हॉट स्पॉट और उसके गुरुत्वाकर्षण प्रतिबिंब के बीच के सूक्ष्म कोणों को डिकोड करके, खगोलविद अब हमारी आकाशगंगा के केंद्र में स्थित ब्लैक होल के मौलिक गुणों को निकाल सकते हैं। हालांकि यह विधि सिमुलेशन पर निर्भर करती है और वास्तविक दुनिया के डेटा के शोर को सावधानीपूर्वक संभालने की आवश्यकता होती है, यह ब्लैक होल के स्वभाव को समझने के लिए एक स्पष्ट और आशाजनक मार्ग प्रदान करती है। जैसे-जैसे हमारे टेलीस्कोप बेहतर होंगे और इन हॉट स्पॉट्स को ट्रैक करने की हमारी क्षमता में सुधार होगा, यह तकनीक जल्द ही लेंस वाली रोशनी की पहली धुंधली झलक को ब्लैक होल के स्पिन के सटीक माप में बदल सकती है, जिससे इसके आसपास के स्पेस-टाइम के वास्तविक आकार का पता चल सकेगा।

तकनीकी सारांश: हॉट-स्पॉट द्वितीयक छवियों का उपयोग करके ब्लैक होल स्पिन अनुमान के लिए एक डीप लर्निंग एल्गोरिदम

समस्या विवरण
सुपरमैसिव ब्लैक होल सैजिटेरियस ए* (Sgr A*) बार-बार होने वाली फ्लेयरिंग गतिविधि प्रदर्शित करता है, जिसका श्रेय ब्लैक होल की परिक्रमा करने वाले स्थानीयकृत उत्सर्जन क्षेत्रों, या "हॉट स्पॉट्स" को दिया जाता है। जबकि इवेंट होराइजन टेलिस्कोप (EHT) और ग्रेविटी (GRAVITY) सहयोग ने Sgr A* के द्रव्यमान और दूरी पर उच्च-परिशुद्धता संबंधी प्रतिबंध प्रदान किए हैं, इन छवियों से मजबूत स्पेस-टाइम हस्ताक्षरों (विशेष रूप से आयामहीन स्पिन पैरामीटर $a_*$ और झुकाव $i$ ) को अलग करना चुनौतीपूर्ण बना हुआ है, क्योंकि यह प्लाज्मा-निर्भर उत्सर्जन, सीमित रिज़ॉल्यूशन और तीव्र परिवर्तनशीलता के कारण कठिन है। पिछले सैद्धांतिक कार्य (Yfantis et al. 2026, जिसे आगे Y26 कहा गया है) ने प्राथमिक और द्वितीयक छवियों के बीच स्थिति कोण अंतर ( $\Delta PA$ ) और सिस्टम के भौतिक मापदंडों के बीच एक संबंध प्रस्तावित किया था। हालांकि, Y26 ने पूर्ण कक्षीय अवधि पर $\Delta PA$ के औसत पर निर्भर किया और सख्ती से भूमध्यरेखीय (equatorial) कक्षाओं को माना, जिससे इसकी प्रयोज्यता वास्तविक, आंशिक-दृश्यता अवलोकनों और गैर-भूमध्यरेखीय प्रक्षेप पथों के लिए सीमित हो गई।

कार्यप्रणाली
लेखक STIHOS (Space-Time Inference via Hotspot Observations) पेश करते हैं, जो एक डीप लर्निंग (DL) फ्रेमवर्क है जिसे हॉट-स्पॉट अवलोकनीय (observables) से ब्लैक होल मापदंडों का अनुमान लगाने के लिए डिज़ाइन किया गया है।

डेटा जनरेशन: लेखकों ने जनरल रिलेटिविस्टिक रेडिएटिव ट्रांसफर कोड ipole का उपयोग करके लगभग 100,000 हॉट-स्पॉट मॉडलों का एक पुस्तकालय तैयार किया। इन सिमुलेशनों में प्रमुख मापदंडों को बदला गया: ब्लैक होल स्पिन ( $a_* \in [-1, 1]$ ), हॉट-स्पॉट उत्सर्जन त्रिज्या ( $r_{hs} \in [4, 12] M$ ), कक्षीय वेग गुणांक ( $\Omega_{coef}$ ), सिस्टम झुकाव ( $i \in [0, 60]^\circ$ ), और गैर-भूमध्यरेखीय कोणीय ऑफसेट ( $\theta_z \in [-45, 45]^\circ$ )।
अवलोकनीय (Observables): मॉडल समय के साथ प्राथमिक ( $n=0$ ) और द्वितीयक ( $n=1$ ) छवियों के बीच स्थिति कोण अंतर ( $\Delta PA$ ), कक्षीय अवधि ( $T$ ) और उत्सर्जन त्रिज्या ( $r_{hs}$ ) को ट्रैक करते हैं।
मॉडल आर्किटेक्चर: STIHOS एक मल्टी-लेयर पर्सेप्ट्रॉन (MLP) का उपयोग करता है जिसमें स्किप कनेक्शन, बैच नॉर्मलाइजेशन और ReLU एक्टिवेशन शामिल हैं। नेटवर्क को अवलोकनीय ( $r_{hs}$ , $T$ , और समय-श्रृंखला $\Delta PA(t)$ ) से लक्ष्य मापदंडों ( $a_*$ , $i$ , और $\theta_z$ ) तक मैप करने के लिए प्रशिक्षित किया गया है।
प्रशिक्षण रणनीति: डेटासेट को 80/10/10 के अनुपात में प्रशिक्षण, सत्यापन और परीक्षण के लिए विभाजित किया गया। अवलोकनात्मक शोर (noise) को संभालने के लिए, लेखकों ने दो रणनीतियों का उपयोग किया: (1) प्रशिक्षण के दौरान गाऊसी शोर (Gaussian noise) को इंजेक्ट करना (जो टेम्पोरल निरंतरता के लिए रेडियल बेसिस फंक्शन कर्नेल द्वारा मॉडल किया गया है), और (2) अनिश्चितता का अनुमान लगाने के लिए इन्फरेंस के दौरान मोंटे कार्लो ड्रॉपआउट का उपयोग करना।
प्रायोगिक डिज़ाइन: विभिन्न बाधाओं के तहत प्रदर्शन का मूल्यांकन करने के लिए पांच प्रायोगिक सेटअपों का परीक्षण किया गया:
- Exp I: भूमध्यरेखीय, पूर्ण-कक्षा, समय-औसत $\Delta PA$ (Y26 को दोहराता है)।
- Exp II: भूमध्यरेखीय, पूर्ण-कक्षा, समय-अनुरत (time-resolved) $\Delta PA(t)$ ।
- Exp III: भूमध्यरेखीय, आंशिक-कक्षा दृश्यता (10–100% कवरेज)।
- Exp IV: गैर-भूमध्यरेखीय, पूर्ण-कक्षा दृश्यता।
- Exp V: गैर-भूमध्यरेखीय, आंशिक-कक्षा दृश्यता।

मुख्य परिणाम
एल्गोरिदम मापदंडों को पुनः प्राप्त करने में उल्लेखनीय सटीकता प्रदर्शित करता है, विशेष रूप से आदर्श स्थितियों के तहत:

भूमध्यरेखीय कक्षाएं (Exp I & II): शोर रहित परिदृश्यों में, STIHOS स्पिन को मानक विचलन $\sigma_{a_*} \approx 0.04$ और झुकाव को $\sigma_i \approx 1.9^\circ$ के साथ पुनः प्राप्त करता है। समय-अनुरत दृष्टिकोण (Exp II) पुष्टि करता है कि $\Delta PA(t)$ वक्र पूरे पैरामीटर स्पेस में स्पिन और झुकाव दोनों के समवर्ती, उच्च-परिशुद्धता अनुमान की अनुमति देते हैं।
आंशिक दृश्यता (Exp III): मॉडल उच्च अनुमान शक्ति बनाए रखता है जब केवल 50% कक्षा दृश्यमान होती है, जिसमें त्रुटियां केवल मामूली रूप से बढ़ती हैं ( $\sigma_{a_*} \approx 0.08$ , $\sigma_i \approx 4^\circ$ )। 50% कवरेज से नीचे, त्रुटियां काफी बढ़ जाती हैं।
गैर-भूमध्यरेखीय कक्षाएं (Exp IV & V): गैर-भूमध्यरेखीय पैरामीटर $\theta_z$ को पेश करने से $a_*$ , $i$ , और $\theta_z$ के बीच विसंगतियां (degeneracies) उत्पन्न होती हैं। जबकि स्पिन और झुकाव के प्रतिबंध कमजोर होते हैं ( $\sigma_{a_*}$ बढ़कर $\sim 0.22$ और $\sigma_i$ बढ़कर $\sim 2.9^\circ$ हो जाता है), मॉडल बिना पूर्व जानकारी के $\theta_z$ पर केवल "सॉफ्ट कंस्ट्रेंट्स" ( $\sigma_{\theta_z} \approx 9.55^\circ$ ) प्रदान करता है।
अवलोकनात्मक शोर: लेखकों ने वर्तमान (EHT), अगली पीढ़ी (ngEHT), और भविष्य (BHEX) के एरे से अपेक्षित त्रुटियों का अनुकरण किया।
- EHT: वर्तमान शोर स्तर स्पिन अनुमान को $\sigma_{a_*} \sim 0.3$ और झुकाव को $\sigma_i \sim 5^\circ$ (भूमध्यरेखीय मामलों के लिए) तक कम कर देता है।
- BHEX: काफी बेहतर रिज़ॉल्यूशन के साथ, BHEX को गैर-भूमध्यरेखीय ज्यामिति के साथ भी स्पिन को $\sigma_{a_*} < 0.1$ और झुकाव को $\sigma_i \le 2^\circ$ तक सीमित करने के लिए अनुमानित किया गया है।
आभासी अवलोकन: आभासी डेटा बिंदुओं पर मोंटे कार्लो इन्फरेंस पुष्टि करता है कि जबकि EHT डेटा व्यापक कॉन्फिडेंस इंटरवल देता है, BHEX डेटा सटीक मापदंडों पर अभिसरण (convergence) की अनुमति देता है, विशेष रूप से सकारात्मक स्पिन के लिए।

महत्व और दावे
यह दावा है कि STIHOS स्पेस-टाइम मापदंडों को निकालने के लिए एक मजबूत, गैर-डिजेनरेट विधि प्रदान करता है, जो प्रत्यक्ष और लेंस किए गए उत्सर्जन के जटिल गणितीय पृथक्करण की आवश्यकता को समाप्त करता है।

Y26 का सत्यापन: परिणाम Y26 द्वारा प्रस्तावित सैद्धांतिक संबंध को मान्य करते हैं, यह पुष्टि करते हुए कि समय-औसत $\Delta PA$ फेस-ऑन झुकाव ( $i=0$ ) के लिए एक वैध प्रॉक्सी है और समय-अनुरत वक्र बेहतर नियंत्रण प्रदान करते हैं।
निकट-भविष्य के मिशनों के लिए व्यवहार्यता: अध्ययन बताता है कि हॉट-स्पॉट की द्वितीयक छवि का पता लगाने के लिए पूर्ण फोटॉन रिंग को हल करने की तुलना में कम कोणीय रिज़ॉल्यूशन की आवश्यकता होती है, जिससे यह वर्तमान और निकट-भविष्य के इंटरफेरोमेट्रिक एरे (EHT, ngEHT, BHEX) के लिए एक व्यवहार्य लक्ष्य बन जाता है।
विसंगति प्रबंधन (Degeneracy Management): लेखक स्पिन, झुकाव और ऑफ-भूमध्यरेखीय ऑफसेट के बीच एक महत्वपूर्ण विसंगति को रेखांकित करते हैं। वे तर्क देते हैं कि हालांकि STIHOS इन मापदंडों का अनुमान लगा सकता है, गैर-भूमध्यरेखीय कक्षाओं के लिए इस विसंगति को तोड़ने के लिए संभवतः झुकाव पर बाहरी पूर्व सूचनाओं (जैसे कि अन्य GRAVITY/EHT मापन से) या हॉट-स्पॉट विरूपण के भविष्य के मूवी-आधारित बाधाओं की आवश्यकता होगी।
पद्धतिगत योगदान: यह कार्य ब्लैक होल भौतिकी में अत्यधिक गैर-रैखिक संबंधों के अनुमान के लिए गाऊसी प्रक्रियाओं (Gaussian processes) के एक कम्प्यूटेशनल रूप से कुशल विकल्प के रूप में डीप लर्निंग की उपयोगिता को प्रदर्शित करता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि कच्चे VLBI डेटा से $\Delta PA$ का अवलोकनात्मक निष्कर्षण अभी भी एक भविष्य की चुनौती है, STOTHES उपलब्ध होते ही पहले लेंस किए गए उत्सर्जन अवलोकनों की व्याख्या करने के लिए एक मूल्यवान ढांचा स्थापित करता है।

इसी तरह के और पेपर