Towards independent event horizon imaging of the supermassive black holes in M87 and the Milky Way
यह शोध पत्र GenDIReCT नामक एक नवीन, अंशांकन-लचीले (calibration-resilient) इमेजिंग फ्रेमवर्क का उपयोग करके M87* और Sgr A* के EHT डेटा का एक स्वतंत्र विश्लेषण प्रस्तुत करता है, जो पारंपरिक स्टेशन-आधारित अंशांकन पर निर्भर हुए बिना ब्लैक होल की छवियों को पुनर्गठित करने के लिए क्लोजर इनवेरियंट्स (closure invariants) को डिफ्यूजन-आधारित जनरेटिव डीप लर्निंग के साथ संयोजित करता है।
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 आकाशगंगा के हृदय में और उससे बहुत दूर एक सुदूर आकाशगंगा में, गुरुत्वाकर्षण के दो दैत्य शासन करते हैं: सुपरमैसिव ब्लैक होल (अतिविशाल कृष्ण विवर)। ये अंतरिक्ष में खाली छेद नहीं हैं, बल्कि ऐसे क्षेत्र हैं जहाँ पदार्थ इतनी सघनता से कुचला जाता है कि प्रकाश भी वहां से बचकर नहीं निकल सकता। उन्हें देखने के लिए, खगोलशास्त्री केवल आकाश की ओर कैमरा नहीं घुमा सकते। ब्लैक होल स्वयं अदृश्य होते हैं; हम केवल उनके चारों ओर घूमती अत्यधिक गर्म गैस के चमकते हुए छल्ले को देख सकते हैं, जो अंदर गिरने से ठीक पहले का दृश्य होता है। इस धुंधले, सूक्ष्म छल्ले को पकड़ने के लिए, वैज्ञानिक 'वेरी लॉन्ग बेसलाइन इंटरफेरोमेट्री' नामक तकनीक का उपयोग करते हैं। कल्पना कीजिए कि दुनिया भर में बिखरे हुए रेडियो टेलिस्कोपों को एक साथ जोड़ दिया गया है ताकि वे एक ही, पृथ्वी के आकार के डिश (तश्तरी) की तरह कार्य करें। यह विशाल आभासी दर्पण वह तीक्ष्णता प्रदान करता है जो 'इवेंट होराइजन' (घटना क्षितिज) जैसे सूक्ष्म विवरणों को स्पष्ट करने के लिए आवश्यक है, जो ब्लैक होल के चारों ओर का वह बिंदु है जहाँ से वापसी संभव नहीं है। हालाँकि, हजारों मील दूर स्थित टेलिस्कोपों से संकेतों को जोड़ना अविश्वसनीय रूप से कठिन है। डेटा अक्सर धुंधला होता है, टेलिस्कोपों के बीच के संबंध विरल होते हैं, और उपकरण स्वयं ऐसी त्रुटियाँ पैदा करते हैं जो अंतिम चित्र को धुंधला कर सकती हैं। वर्षों तक, इस धुंधलेपन को दूर करने का एकमात्र तरीका जटिल कंप्यूटर मॉडल पर निर्भर करना था जो इस धारणा पर आधारित थे कि ब्लैक होल को कैसा दिखना चाहिए, एक ऐसी प्रक्रिया जिसमें शोधकर्ताओं द्वारा वही देखने का जोखिम था जो वे उम्मीद कर रहे थे, न कि वह जो वास्तव में वहां मौजूद था।
ऑस्ट्रेलिया के शोधकर्ताओं की एक टीम ने अब इन ब्रह्मांडीय पिंडों को देखने का एक नया तरीका विकसित किया है जो उन धारणाओं पर निर्भर नहीं है। उन्होंने एक ऐसी विधि बनाई जो प्रत्येक टेलिस्कोप के व्यक्तिगत प्रदर्शन पर भरोसा करने की आवश्यकता को समाप्त करती है, और इसके बजाय उन संकेतों के संबंधों पर ध्यान केंद्रित करती है जो उपकरणों की त्रुटियों के बावजूद सत्य बने रहते हैं। ऐसा करने के लिए, उन्होंने 'क्लोजर इनवैरिएंट्स' (closure invariants) नामक एक गणितीय अवधारणा का सहारा लिया। सरल शब्दों में, जबकि एक एकल टेलिस्कोप द्वारा प्राप्त संकेत स्थानीय मौसम या उपकरणों की खराबी से विकृत हो सकता है, तीन या अधिक टेलिस्कोपों के संकेतों का एक विशिष्ट संयोजन उन विकृतियों को स्वतः ही रद्द कर देता है। ये "क्लोजर इनवैरिएंट्स" ब्लैक होल के आकार के एक विश्वसनीय फिंगरप्रिंट की तरह कार्य करते हैं, जो उस शोर से मुक्त हैं जो आमतौर पर डेटा को प्रभावित करता है। टीम ने फिर इन स्वच्छ, विकृति-मुक्त फिंगरप्रिंट्स को 'GenDIReCT' नामक एक शक्तिशाली आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता) प्रणाली में डाला। इस प्रणाली को यह नहीं सिखाया गया था कि ब्लैक होल कैसा दिखता है; इसके बजाय, इसे CIFAR-10 डेटासेट से गैर-खगोलीय छवियों पर प्रशिक्षित किया गया था, जिससे इसने वास्तविक दुनिया में आकृतियों, किनारों और बनावट के जुड़ने के सामान्य नियमों को सीखा।
जब शोधकर्ताओं ने इस नए ढांचे को इवेंट होराइजन टेलिस्कोप के वास्तविक डेटा पर लागू किया, तो परिणाम आश्चर्यजनक थे। उन्होंने पहले इस प्रणाली का परीक्षण सिंथेटिक (कृत्रिम) डेटा पर किया, जहाँ वास्तविक उत्तर ज्ञात था, और पाया कि AI ने लगभग हर मामले में सही आकृतियों का पुनर्निर्माण सफलतापूर्वक किया। इसके बाद उन्होंने अपना ध्यान वास्तविक खगोलीय लक्ष्यों की ओर लगाया। क्वासर 3C 279 को देखते हुए, जो एक ब्लैक होल से बाहर निकलती पदार्थ की एक चमकीली जेट (धारा) है, नई विधि ने छवि में तीन अलग-अलग घटकों की पहचान की जो मूल टीम द्वारा पाए गए ढांचे से मेल खाते थे। इससे भी अधिक प्रभावशाली बात यह है कि कई दिनों के दौरान लिए गए डेटा का विश्लेषण करके, सिस्टम ने जेट के एक विशिष्ट हिस्से को केंद्र से दूर जाते हुए पहचाना। इसने इस गति को लगभग 5.39 दिनों में 4.6 माइक्रोआर्कसेकंड के बदलाव के रूप में मापा, जो एक ऐसी गति है जो प्रकाश की गति के लगभग दस गुना की आभासी गति के बराबर है, जिसे 'सुपरल्यूमिनल मोशन' (अति-प्रकाश गति) नामक घटना के रूप में जाना जाता है। यह खोज पिछले परिणामों के साथ पूरी तरह से मेल खाती है, जो पुष्टि करती है कि नई विधि बिना किसी विशिष्ट लक्ष्य के अनुकूलित हुए, आकाश में होने वाले तीव्र परिवर्तनों को ट्रैक कर सकती है।
टीम ने इस तकनीक को पृथ्वी के सबसे निकटवर्ती रेडियो गैलेक्सी, सेंटोरस ए (Centaurus A) पर भी लागू किया। AI ने एक स्पष्ट छवि का पुनर्निर्माण किया जिसमें जेट के आधार के साथ गैस की दो चमकीली रेखाएं दिखाई दीं, जो पिछले अध्ययनों में देखी गई दिशा और कोण से मेल खाती हैं। ये सफलताएं बताती हैं कि यह विधि वास्तविक दुनिया के अव्यवस्थित और अपूर्ण डेटा को संभालने के लिए पर्याप्त मजबूत है। शोधकर्ता अब ब्लैक होल M87 और हमारी अपनी मिल्की वे (आकाशगंगा) की प्रसिद्ध छवियों की पुन: जांच करने के लिए इसी स्वतंत्र दृष्टिकोण का उपयोग कर रहे हैं। डेटा पर स्वाभाविक रूप से निर्भर रहकर जो अंशांकन (कैलिब्रेशन) त्रुटियों से मुक्त है और एक ऐसे AI का उपयोग करके जो विशिष्ट खगोलीय सिद्धांतों के बजाय सामान्य आकृतियों से सीखता है, वे ब्रह्मांड के सबसे चरम वातावरणों पर एक नया, निष्पक्ष दृष्टिकोण प्रस्तुत करते हैं। यह कार्य केवल उस जानकारी की पुष्टि नहीं करता जो हम पहले से जानते हैं; बल्कि यह ब्लैक होल के सबसे मौलिक अवलोकनों को सत्यापित करने के लिए एक नया, स्वतंत्र मार्ग प्रदान करता है, जिससे यह सुनिश्चित होता है कि जो चित्र हम देखते हैं वे वास्तव में वही हैं जो वहां मौजूद हैं, न कि केवल वह जो हम खोजने की उम्मीद कर रहे थे।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।