Variational Bayesian Inference for the Spectral Structure of LISA Noise

अंतरिक्ष की शांति में, पृथ्वी के शोर भरे वायुमंडल की पहुंच से बहुत दूर, ब्रह्मांड को सुनने के लिए एक नए प्रकार के टेलीस्कोप को तैयार किया जा रहा है। यह उपकरण, जिसे लेजर इंटरफेरोमीटर स्पेस एंटीना (LISA) के रूप में जाना जाता है, प्रकाश के माध्यम से तारों को नहीं देखेगा बल्कि गुरुत्वाकर्षण की लहरों को महसूस करेगा। ये लहरें, जिन्हें गुरुत्वाकर्षण तरंगें कहा जाता है, ब्लैक होल जैसी विशाल वस्तुओं के टकराने से उत्पन्न होती हैं। उन्हें सुनने के लिए, LISA को अविश्वसनीय रूप से संवेदनशील होना चाहिए, जो एक परमाणु की चौड़ाई से भी कम दूरी के परिवर्तनों का पता लगाने में सक्षम हो। हालाँकि, स्वयं यह उपकरण पूर्ण नहीं है; इसके आंतरिक भाग हस्तक्षेप की एक निरंतर गूँज उत्पन्न करते हैं, जिसे 'इंस्ट्रुमेंटल नॉइज़' (उपकरण संबंधी शोर) कहा जाता है। यदि वैज्ञानिक इस बैकग्राउंड नॉइज़ का सटीक मानचित्र और समझ नहीं बना पाते हैं, तो वे कभी भी ब्रह्मांड की मंद फुसफुसाहट को अपनी मशीन के स्टैटिक (स्थिर शोर) से अलग नहीं कर पाएंगे। चुनौती इसलिए और भी कठिन हो जाती है क्योंकि LISA के विभिन्न माप चैनलों में शोर यादृच्छिक या स्वतंत्र नहीं है; यह गहराई से जुड़ा हुआ है, जो आवृत्तियों की एक विस्तृत श्रृंखला में जटिल पैटर्न में एक साथ बदलता और घूमता रहता है।

वर्षों से, शोधकर्ता इन शोर पैटर्न का अनुमान लगाने के लिए शक्तिशाली कंप्यूटर विधियों पर निर्भर रहे हैं, लेकिन ये विधियाँ अक्सर धीमी होती हैं और इनके लिए अत्यधिक कंप्यूटिंग शक्ति की आवश्यकता होती है, जिससे उन्हें LISA द्वारा भविष्य में एकत्र किए जाने वाले डेटा की विशाल मात्रा के लिए उपयोग करना कठिन हो जाता है। सांख्यिकीविदों और भौतिकविदों की एक टीम ने अब एक नया दृष्टिकोण विकसित किया है जो इस समस्या का समाधान करता है। उन्होंने शोर के मॉडल बनाने का एक तेज़ और अधिक कुशल तरीका बनाया है, जिससे वे अपने कंप्यूटर गणनाओं को पूरा करने के लिए दिनों तक प्रतीक्षा किए बिना यह देख सकते हैं कि उपकरण वास्तव में कैसे व्यवहार करता है। उनका कार्य यह दर्शाता है कि पारंपरिक, धीमी विधियों के समान स्तर की सटीकता प्राप्त करना संभव है, लेकिन वह भी बहुत कम समय में, जो भविष्य के अंतरिक्ष मिशनों के वास्तविक समय (रियल-टाइम) विश्लेषण के द्वार खोलता है।

समस्या का मूल आधार यह है कि LISA अंतरिक्ष को कैसे मापता है। एक एकल टेलीस्कोप के बजाय, LISA तीन अंतरिक्ष यान का उपयोग करता है जो एक विशाल त्रिकोण में व्यवस्थित होते हैं, जिनमें से प्रत्येक लेजर बीम के लिए एक दर्पण के रूप में कार्य करता है। डेटा को तीन विशिष्ट चैनलों में संसाधित किया जाता है, और इन चैनलों में शोर आपस में जुड़ा हुआ है क्योंकि वे सामान्य भागों और मापों को साझा करते हैं। शोर को समझने के लिए, वैज्ञानिकों को एक "स्पेक्ट्रल डेंसिटी मैट्रिक्स" का अनुमान लगाना होता है, जो अनिवार्य रूप से एक विस्तृत मानचित्र है जो यह दिखाता है कि प्रत्येक आवृत्ति पर कितना शोर मौजूद है और एक चैनल में शोर दूसरे चैनलों के शोर से कैसे संबंधित है। इस मानचित्र को बनाने के लिए पारंपरिक विधियाँ, जैसे कि वर्तमान जमीनी डिटेक्टरों द्वारा उपयोग की जाने वाली विधियाँ, अक्सर चैनलों को अलग मानती हैं, जिससे ये महत्वपूर्ण संबंध छूट जाते हैं। अधिक उन्नत विधियाँ मौजूद हैं जो इन कनेक्शनों को पकड़ सकती हैं, लेकिन वे 'मार्कोव चेन मोंटे कार्लो' नामक तकनीक पर निर्भर करती हैं, जिसमें शोर की एक तस्वीर बनाने के लिए लाखों यादृच्छिक नमूनों (सैंपल्स) का उपयोग किया जाता है। सटीक होने के बावजूद, यह प्रक्रिया एक कैनवास पर यादृच्छिक रूप से पेंट छिड़कने और यह उम्मीद करने की तरह है कि सही रंग सही जगह पर गिरेंगे; यह काम तो करता है, लेकिन इसमें बहुत लंबा समय लगता है।

शोधकर्ताओं ने इस अध्ययन में एक अलग रणनीति प्रस्तावित की। शोर का यादृच्छिक नमूना लेने के बजाय, उन्होंने 'वेरिएशनल इन्फरेंस' नामक एक विधि का उपयोग किया, जो इस समस्या को एक अनुकूलन (ऑप्टिमाइज़ेशन) कार्य के रूप में देखती है। एक विशाल, धुंधली घाटी में सबसे निचले बिंदु को खोजने की कल्पना करें। पुरानी विधि में हर दिशा में यादृच्छिक रूप से चलना शामिल होगा, इस उम्मीद में कि शायद आप नीचे की ओर रास्ता ढूंढ लें। नई विधि, इसके विपरीत, एक ढलान की गणना करने और सीधे नीचे की ओर फिसलने के लिए एक स्मार्ट एल्गोरिदम का उपयोग करती है। विशेष रूप से, टीम ने 'स्टोकेस्टिक ग्रेडिएंट वेरिएशनल बेयस' नामक तकनीक को अपनाया। उन्होंने एक साल लंबे डेटा स्ट्रीम को छोटे, प्रबंधनीय टुकड़ों में विभाजित किया और एक 'चोलेस्की फैक्टराइजेशन' (Cholesky factorization) से जुड़ी गणितीय युक्ति का उपयोग किया ताकि जटिल शोर मानचित्र को छोटे, संभालने में आसान टुकड़ों में सरल बनाया जा सके। फिर उन्होंने इन टुकड़ों में शोर को सरल बिल्डिंग ब्लॉक्स से बनी चिकनी वक्र रेखाओं (स्मूथ कर्व्स) का उपयोग करके मॉडल किया, ठीक वैसे ही जैसे एक जटिल आकार को कुछ बुनियादी ज्यामितीय रूपों से बनाया जा सकता है। इन बिल्डिंग ब्लॉक्स को एक विशेष प्रकार का सांख्यिकीय नियम सौंपकर, विधि स्वचालित रूप से तय कर सकती थी कि आवृत्ति सीमा के विभिन्न हिस्सों में कितने विवरण की आवश्यकता है, जिससे सरल क्षेत्रों में शोर को सुचारू बनाया गया और जटिल क्षेत्रों में विवरण जोड़ा गया।

यह जाँचने के लिए कि यह तेज़ विधि कितनी अच्छी है, टीम ने पहले सिम्युलेटेड डेटा पर परीक्षण किया जो LISA उपकरण के व्यवहार की नकल करता है। उन्होंने दो प्रकार के सिम्युलेटेड शोर बनाए: एक जहाँ शोर के पैटर्न अपेक्षाकृत सरल थे और दूसरा जहाँ वे अधिक जटिल और विविध थे। उन्होंने अपने नए तेज़ तरीके की तुलना पारंपरिक, धीमी सैंपलिंग विधि से की। परिणाम आश्चर्यजनक थे। सटीकता के मामले में, तेज़ विधि ने शोर के ऐसे अनुमान दिए जो धीमी विधि के लगभग समान थे। दोनों दृष्टिकोणों द्वारा उत्पन्न शोर के मानचित्र एक जैसे दिखे, जिन्होंने आवृत्ति स्पेक्ट्रम में समान चोटियों (peaks) और घाटियों (valleys) को पकड़ा। हालाँकि, गति का अंतर बहुत बड़ा था। तेज़ विधि ने विश्लेषण को कुछ ही मिनटों में पूरा कर लिया, जबकि पारंपरिक विधि को घंटों लग गए। एक विशिष्ट परीक्षण में, तेज़ विधि धीमी विधि की तुलना में लगभग चालीस गुना अधिक तेज़ थी, फिर भी उसने शोर की उतनी ही विश्वसनीय तस्वीर प्रदान की।

इसके बाद टीम ने इस पद्धति को वास्तविक दुनिया के परीक्षण मामले पर ले गई: LISA मिशन का सिम्युलेटेड डेटा। उन्होंने दो अलग-अलग परिदृश्य उपयोग किए, एक जहाँ शोर उपकरण के पथों में पूरी तरह संतुलित था और दूसरा जहाँ शोर असमान और असममित था, जो एक वास्तविक अंतरिक्ष मिशन की अव्यवस्थित वास्तविकता की नकल करता है। दोनों ही मामलों में, तेज़ विधि ने शोर के मानचित्र को सफलतापूर्वक पुनर्गठित किया। इसने धीमी, पारंपरिक विधि के परिणामों से मेल खाया और 'वेलच एस्टीमेशन' (Welch estimation) नामक एक मानक, गैर-सांख्यिकीय विधि के साथ भी बेहतर तालमेल दिखाया, जिसका उपयोग अक्सर आधार रेखा जांच के रूप में किया जाता है। शोधकर्ताओं ने पाया कि तेज़ विधि न केवल शोर की मात्रा, बल्कि यह भी सटीक रूप से भविष्यवाणी कर सकती थी कि विभिन्न चैनलों में शोर एक साथ कैसे चलता है, जो भविष्य के गुरुत्वाकर्षण तरंग डिटेक्शन के लिए एक महत्वपूर्ण विवरण है। एकमात्र मामूली अंतर यह था कि तेज़ विधि अपने अनुमानों में थोड़ी अधिक आश्वस्त थी, जिससे अनिश्चितता की सीमाएं धीमी विधि की तुलना में संकीर्ण आईं। यह इस दृष्टिकोण की एक ज्ञात विशेषता है, लेकिन शोधकर्ताओं ने नोट किया कि त्वरित और सटीक मानचित्र प्राप्त करने के प्राथमिक लक्ष्य के लिए, यह समझौता पूरी तरह सार्थक था।

इस कार्य के निहितार्थ अंतरिक्ष-आधारित खगोल विज्ञान के भविष्य के लिए महत्वपूर्ण हैं। जैसे-जैसे LISA लॉन्च होने की तैयारी कर रहा है, यह हर साल टेराबाइट्स डेटा उत्पन्न करेगा। पारंपरिक, धीमी विधियों के साथ इस डेटा को संसाधित करना एक बाधा बन जाएगा, जिससे नए ब्रह्मांडीय आयोजनों की खोज में देरी हो सकती है। यह सिद्ध करके कि एक तेज़, स्केलेबल विधि धीमी विधियों जितनी ही सटीक परिणाम दे सकती है, शोधकर्ताओं ने एक ऐसा उपकरण प्रदान किया है जो डेटा के सैलाब को संभाल सकता है। इसका अर्थ यह है कि वैज्ञानिक लगभग वास्तविक समय में शोर का विश्लेषण करने में सक्षम होंगे, जिससे यह सुनिश्चित होगा कि उपकरण सही ढंग से काम कर रहा है और ब्रह्मांड से आने वाले किसी भी संकेत को उपकरण की खराबी न समझ लिया जाए। अध्ययन ने यह दावा नहीं किया कि इसने शोर के अनुमान की हर समस्या को हल कर दिया है; उदाहरण के लिए, इसने माना कि शोर पूरे वर्ष स्थिर रहता है, जबकि वास्तविक डेटा में अंतराल या अचानक परिवर्तन हो सकते हैं। हालाँकि, उनके द्वारा बनाया गया ढांचा भविष्य में इन अधिक कठिन स्थितियों के लिए विस्तार करने हेतु पर्याप्त लचीला है।

अंततः, यह शोध बड़े डेटा समस्याओं के प्रति वैज्ञानिकों के दृष्टिकोण में आए बदलाव का प्रतिनिधित्व करता है। यह प्रदर्शित करता है कि यादृच्छिक नमूनाकरण (रैंडम सैंपलिंग) से स्मार्ट अनुकूलन (ऑप्टिमाइज़ेशन) की ओर गणितीय रणनीति बदलकर, यह संभव है कि बहुत कम कंप्यूटिंग लागत के साथ समान वैज्ञानिक कठोरता प्राप्त की जा सके। टीम ने दिखाया कि अंतरिक्ष-आधारित डिटेक्टर के जटिल, परस्पर जुड़े शोर के लिए, गति का अर्थ सटीकता से समझौता करना नहीं है। जैसे ही दुनिया अंतरिक्ष से पहले गुरुत्वाकर्षण तरंग संकेतों का इंतजार कर रही है, यह नई विधि सुनिश्चित करती है कि सुनने वाला केंद्र (लिसनिंग पोस्ट) तैयार है, जो शोर को दूर करने और ब्रह्मांड के संगीत को स्पष्टता और गति के साथ सुनने में सक्षम है।