On Thermodynamic Universalities and Optics of B-deformed Reissner--Nordström--AdS Black Holes

ब्रह्मांड की गहराइयों में, जहाँ गुरुत्वाकर्षण इतना तीव्र है कि प्रकाश भी बाहर नहीं निकल सकता, ब्लैक होल प्रकृति की सबसे चरम प्रयोगशालाओं के रूप में कार्य करते हैं। दशकों से, भौतिकविदों ने इन अदृश्य दिग्गजों का अध्ययन न केवल प्रकाश और अंधकार की वस्तुओं के रूप में, बल्कि ऊष्मागतिक प्रणालियों (thermodynamic systems) के रूप में किया है, ठीक वैसे ही जैसे उन्नीसवीं सदी के भाप के इंजन होते थे। ब्लैक होल के आसपास के स्थान को एक तरल पदार्थ के रूप में मानकर, जिसे संकुचित या विस्तारित किया जा सकता है, वैज्ञानिकों ने खोजा है कि ये ब्रह्मांडीय पिंड पानी के उबलने या जमने जैसे अवस्था परिवर्तन (phase transitions) से गुजरते हैं। क्वांटम यांत्रिकी के सूक्ष्म नियमों और गुरुत्वाकर्षण के विशाल पैमाने के बीच यह संबंध आधुनिक भौतिकी में एक महत्वपूर्ण सेतु बन गया है। हाल ही में, इवेंट होराइजन टेलीस्कोप, जो रेडियो डिशों का एक वैश्विक नेटवर्क है, ने ब्रह्मांड के दो सबसे प्रसिद्ध ब्लैक होल, M87* और Sgr A* द्वारा डाली गई छायाओं की पहली प्रत्यक्ष छवियां कैद की हैं। ये छवियां इस बात का परीक्षण करने का एक दुर्लभ और मूर्त तरीका प्रदान करती हैं कि अत्यधिक परिस्थितियों में गुरुत्वाकर्षण कैसे व्यवहार करता है, जिससे शोधकर्ताओं को यह जांचने में मदद मिलती है कि क्या उनके गणितीय मॉडल आकाश में कैद वास्तविकता से मेल खाते हैं।

एक नए अध्ययन में, शोधकर्ताओं आदिल बेलहाज और मरियम जेमरी ने इस जांच को एक कदम आगे बढ़ाते हुए एक विशिष्ट, सैद्धांतिक ब्लैक होल की खोज की है जिसमें स्ट्रिंग थ्योरी (string theory) से प्राप्त सूक्ष्म सुधार शामिल हैं। उन्होंने रेनर-नॉर्डस्ट्रॉम-एडएस (Reissner–Nordström–AdS) नामक ब्लैक होल के प्रकार पर ध्यान केंद्रित किया, जो आवेशित है और एक ऐसे ब्रह्मांड में स्थित है जिसमें एक विशिष्ट प्रकार का वक्रता (curvature) है। हालाँकि, वे मानक मॉडल तक ही सीमित नहीं रहे। उन्होंने नॉन-कम्यूटेटिव ज्योमेट्री (non-commutative geometry) से प्रेरित एक "विकृति" (deformation) पेश की, जो स्ट्रिंग थ्योरी की एक अवधारणा है जो यह सुझाव देती है कि सबसे सूक्ष्म स्तरों पर स्वयं स्पेस-टाइम (स्थान-समय) की संरचना धुंधली या दानेदार हो सकती है। उनके मॉडल में, यह धुंधलापन एक पैरामीटर द्वारा नियंत्रित होता है जो बी-फील्ड (B-field) नामक एक अदृश्य क्षेत्र से जुड़ा है। टीम ने यह देखने के लिए प्रयास किया कि यह स्ट्रिंगी संशोधन ब्लैक होल के व्यवहार को कैसे बदलता है, विशेष रूप से दो चीजों पर ध्यान केंद्रित करते हुए: यह एक ऊष्मागतिक तरल की तरह कैसे व्यवहार करता है और पृथ्वी से देखे जाने पर इसकी छाया कैसी दिखती है।

इन जटिल प्रश्नों से निपटने के लिए, शोधकर्ताओं ने बड़ी मात्रा में सिम्युलेटेड डेटा को छानने के लिए मशीन लर्निंग सहित उन्नत कम्प्यूटेशनल उपकरणों का उपयोग किया। सबसे पहले, उन्होंने इन विकृत ब्लैक होल्स के ऊष्मागतिक गुणों की जांच की। मानक दृष्टिकोण में, कुछ ब्लैक होल वान डर वाल्स तरल (Van der Waals fluid) की तरह व्यवहार करते हैं, जो एक प्रकार की गैस है जो विशिष्ट दबाव और तापमान की स्थितियों के तहत तरल में संघनित हो सकती है। टीम ने गणना की कि क्या उनके स्ट्रिंगी, विकृत ब्लैक होल इसी तरह के व्यवहार को प्रदर्शित करते हैं। उन्होंने पाया कि उत्तर पूरी तरह से स्ट्रिंगी पैरामीटर के मान और ब्लैक होल के विद्युत आवेश पर निर्भर करता है। अधिकांश मानों के लिए, तरल जैसा व्यवहार गायब हो जाता है, लेकिन उन्होंने विशिष्ट क्षेत्रों की पहचान की जहाँ ब्लैक होल वास्तव में वान डर वाल्स तरल की नकल करता है। इसकी पुष्टि करने के लिए, उन्होंने एक 'फुली कनेक्टेड न्यूरल नेटवर्क' का उपयोग करके एक कंप्यूटर प्रोग्राम बनाया, जो पैटर्न पहचानने के लिए डिज़ाइन किया गया एक प्रकार का आर्टिफिशियल इंटेलिजेंस है। उन्होंने मशीन को लगभग पांच लाख सिम्युलेटेड परिदृश्य दिए, उसे यह सिखाया कि ब्लैक होल के उन विन्यासों के बीच अंतर कैसे किया जाए जो इस तरल जैसे व्यवहार को दिखाते हैं और वे जो नहीं दिखाते। परिणाम एक अत्यधिक सटीक क्लासिफायर था जो तुरंत सही ऊष्मागतिक व्यवहार की पहचान कर सकता था, जिससे यह सिद्ध हुआ कि मशीन लर्निंग इन ब्रह्मांडीय वस्तुओं के छिपे हुए नियमों को समझने के लिए एक शक्तिशाली उपकरण है।

शोधकर्ताओं ने फिर समस्या के ऑप्टिकल पक्ष की ओर ध्यान दिया: छाया। जब एक ब्लैक होल एक चमकीले बैकग्राउंड के सामने होता है, तो वह प्रकाश को रोकता है, जिससे एक अंधेरा सिल्हूट बनता है जिसे छाया कहा जाता है। छाया का आकार और आकृति ब्लैक होल के द्रव्यमान, उसके आवेश और उसके आसपास के स्थान की वक्रता पर निर्भर करती है। टीम ने सिम्युलेट किया कि उनके स्ट्रिंगी, विकृत ब्लैक होल की छाया एक दूरस्थ पर्यवेक्षक को कैसी दिखाई देगी। उन्होंने पाया कि विद्युत आवेश और स्ट्रिंगी पैरामीटर दोनों छाया के आकार को प्रभावित करते हैं, लेकिन विपरीत तरीकों से। आवेश बढ़ाने से छाया छोटी हो जाती है, जबकि स्ट्रिंगी विकृति बढ़ाने से वह बड़ी हो जाती है। दिलचस्प बात यह है कि कॉस्मोलॉजिकल कांस्टेंट (cosmological constant), जो ब्रह्मांड के विस्तार से संबंधित है, छाया को और बड़ा कर देता है। आकार में इन परिवर्तनों के बावजूद, छाया पूरी तरह से गोलाकार रही क्योंकि शोधकर्ता गैर-घूर्णन वाले (non-rotating) ब्लैक होल का अध्ययन कर रहे थे। यह गोलाकारता एक महत्वपूर्ण विवरण है, क्योंकि इसका अर्थ है कि आकार स्वयं नहीं बदलता, केवल पैमाना बदलता है।

अंत में, टीम ने अपने सैद्धांतिक मॉडलों को वास्तविक दुनिया के डेटा के संपर्क में लाया। उन्होंने अपने सिम्युलेटेड शैडो की तुलना इवेंट होराइजन टेलीस्कोप द्वारा कैप्चर की गई M87* और Sgr A* की वास्तविक अवलोकनों से की। अपने स्ट्रिंगी मॉडल के मापदंडों को समायोजित करके, उन्होंने उन विशिष्ट मानों के संयोजन की खोज की जो टेलीस्कोप छवियों में देखी गई छाया के आकार और आकृति से मेल खाता हो। उन्होंने पाया कि स्ट्रिंगी पैरामीटर को नकारात्मक होना चाहिए और एक बहुत ही संकीर्ण सीमा के भीतर होना चाहिए ताकि वह अवलोकनों के साथ सुसंगत हो सके। यदि पैरामीटर इस सीमा के बाहर होता, तो अनुमानित छाया डेटा से मेल नहीं खाती। इस प्रक्रिया को और अधिक सुदृढ़ बनाने के लिए, उन्होंने फिर से अपने मशीन लर्निंग मॉडल का उपयोग किया। इस बार, न्यूरल नेटवर्क को मापदंडों को देखने और यह भविष्यवाणी करने के लिए प्रशिक्षित किया गया था कि क्या कोई दिया गया विन्यास टेलीस्कोप डेटा के अनुरूप छाया उत्पन्न करेगा। एआई (AI) ने 99% से अधिक सटीकता के साथ "अनुमत" (allowed) विन्यासों को "निषिद्ध" (forbidden) विन्यासों से सफलतापूर्वक अलग करना सीख लिया।

अध्ययन यह निष्कर्ष निकालता है कि हालांकि इन स्ट्रिंगी ब्लैक होल्स के लिए सैद्धांतिक स्थान विशाल है, लेकिन ब्रह्मांड बहुत अधिक चयनात्मक है। इन संभावित गणितीय विन्यासों में से केवल एक बहुत छोटा हिस्सा ही हमारे ब्रह्मांड में मौजूद है जैसा कि हम देखते हैं। यह शोध रेखांकित करता है कि स्ट्रिंगी पैरामीटर एक सख्त नियंत्रण नॉब (control knob) की तरह कार्य करता है, जो यह निर्धारित करता है कि क्या एक सैद्धांतिक ब्लैक होल हमारे देखे गए ब्रह्मांड में अस्तित्व में रह सकता है। उच्च-गति वाले संख्यात्मक सिमुलेशन को मशीन लर्निंग के साथ जोड़कर, लेखकों ने इन विदेशी सिद्धांतों को सीमित करने का एक स्पष्ट, डेटा-संचालित तरीका प्रदान किया है। उनका कार्य बताता है कि जबकि स्ट्रिंग थ्योरी का गणित कई संभावनाओं की अनुमति देता है, ब्लैक होल की भौतिक वास्तविकता—जैसा कि इवेंट होराइजन टेलीस्कोप द्वारा प्रकट किया गया है—यह कड़े प्रतिबंध लगाती है कि ये सिद्धांत कैसे प्रकट हो सकते हैं। यह दृष्टिकोण अन्य जटिल गुरुत्वाकर्षण सिद्धांतों के परीक्षण के लिए एक आशाजनक मार्ग प्रदान करता है, जिसमें ब्रह्मांड की अपनी छवियों को अंतिम निर्णायक के रूप में उपयोग किया जाता है।