The Digital Geophysical Eye: A Magnetic Signature Database and Physics-Guided AI Framework for Archaeological Magnetic Interpretation

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य को सुलझाने की कोशिश कर रहे हैं, लेकिन उंगलियों के निशान या पैरों के निशान खोजने के बजाय, आप जमीन के नीचे दबे अदृश्य भूतों की तलाश कर रहे हैं। यह पुरातत्व भूभौतिकी (archaeological geophysics) का क्षेत्र है, जहाँ वैज्ञानिक बिना एक भी गड्ढा खोदे, मिट्टी के नीचे छिपी चीजों को "देखने" के लिए विशेष उपकरणों का उपयोग करते हैं। उनका एक पसंदीदा उपकरण मैग्नेटोमीटर है, जो एक ऐसा उपकरण है जो एक सुपर-संवेदनशील कंपास की तरह काम करता है। यह पृथ्वी के चुंबकीय क्षेत्र में होने वाले उन सूक्ष्म परिवर्तनों का पता लगा सकता है जो हजारों साल पहले मनुष्यों द्वारा छोड़ी गई चीजों, जैसे पुरानी ईंटों की दीवारें, प्राचीन आग के गड्ढे, या यहाँ तक कि विशाल पत्थर के गोलों के कारण होते हैं।

हालाँकि, इन चुंबकीय मानचित्रों को पढ़ना पेचीदा है। यह एक बादल को देखने और यह अनुमान लगाने जैसा है कि वह खरगोश जैसा दिखता है या ड्रैगन जैसा। दशकों से, इन चुंबकीय "भूतों" को वास्तव में क्या है, यह समझने के लिए पूरी तरह से मानव विशेषज्ञों की अंतर्दृnt (gut feeling) और वर्षों के अनुभव पर निर्भर रहा है। यदि आप दो अलग-अलग विशेषज्ञों को एक ही मानचित्र देखने के लिए कहते हैं, तो वे दो अलग-अलग कहानियाँ बता सकते हैं। बड़ा सवाल जो वैज्ञानिक पूछ रहे हैं वह यह है: क्या हम एक कंप्यूटर को इस काम में मानव विशेषज्ञ के समान कुशल बना सकते हैं, लेकिन बिना किसी अनुमान के? लक्ष्य उस "विशेषज्ञ की अंतर्दृष्टि" को एक स्पष्ट, चरण-दर-चरण नियम पुस्तिका में बदलना है जिसे एक मशीन का पालन कर सके, जिससे यह प्रक्रिया निष्पक्ष, दोहराने योग्य और सभी के लिए साझा करना आसान हो सके।

---

डिजिटल भूभौतिकीय आँख: कंप्यूटर को अदृश्य इतिहास देखना सिखाना

इस अध्ययन में, ट्यूनीशिया और फ्रांस के शोधकर्ताओं की एक टीम एक चतुर नए विचार को पेश करती है जिसे "डिजिटल भूभौतिकीय आँख" (Digital Geophysical Eye) कहा जाता है। इसे एक ऐसे रोबोट के रूप में न सोचें जो मानव जासूसों की जगह लेता है, बल्कि एक अनुवादक के रूप में सोचें जो एक मानव विशेषज्ञ की गुप्त भाषा को एक कोड में बदल देता है जिसे कंप्यूटर समझ सके। टीम ने महसूस किया कि जबकि हमारे पास जमीन को स्कैन करने के लिए अद्भुत उपकरण हैं, अंतिम चरण—यह तय करना कि हम क्या देख रहे हैं—हमेशा से एक 'ब्लैक बॉक्स' रहा है। वे उस बॉक्स को खोलना चाहते थे, यह लिखना चाहते थे कि विशेषज्ञ वास्तव में कैसे सोचते हैं, और उस सोच की एक डिजिटल प्रतिलिपि बनाना चाहते थे।

समस्या: "अंतर्दृष्टि" का अंतर (The "Gut Feeling" Gap)

आमतौर पर, जब एक पुरातत्वविद एक चुंबकीय मानचित्र को देखता है, तो वह केवल एक टेढ़ी-मेढ़ी रेखा नहीं देखता। वह एक कहानी देखता है। वह आकार, दिशा, संकेत की शक्ति को देखता है, और पूछता है, "क्या यह एक दीवार जैसा दिखता है? या शायद एक पुराना चूल्हा?" इस प्रक्रिया को "भूभौतिकीय आँख" (Geophysical Eye) कहा जाता है। यह एक ऐसा कौशल है जो वास्तविक उत्खनन (वास्तव में साइट को खोदकर देखना कि वहाँ क्या है) के साथ चुंबकीय मानचित्रों की तुलना करके वर्षों में विकसित होता है। लेकिन क्योंकि यह कौशल विशेषज्ञों के दिमाग में रहता है, इसलिए इसे दूसरों को या कंप्यूटर को सिखाना कठिन है। यदि आप दो विशेषज्ञों से एक ही मानचित्र की व्याख्या करने के लिए कहते हैं, तो वे असहमत हो सकते हैं, विशेष रूप से जटिल स्थलों पर।

समाधान: एक चुंबकीय "रेसिपी बुक"

इसे ठीक करने के लिए, शोधकर्ताओं ने एक चीज़ बनाई जिसे मैग्नेटिक सिग्नेचर डेटाबेस (MSD) कहा जाता है। एक विशाल कुकबुक की कल्पना करें, लेकिन केक की रेसिपी के बजाय, इसमें चुंबकीय संकेतों के लिए रेसिपी शामिल हैं। हालाँकि, उन्होंने केवल यह नहीं लिखा कि "यह एक दीवार जैसा दिखता है।" उन्होंने इसे भौतिकी (physics) में तोड़ दिया। उन्होंने पूछा: उस वस्तु के पीछे का भौतिक कारण क्या है जो यह चुंबकीय संकेत उत्पन्न करती है?

उन्होंने अपने डेटाबेस को केवल इतिहास के आधार पर नहीं, बल्कि भौतिकी के आधार पर व्यवस्थित किया। उदाहरण के लिए:

• चूना पत्थर की दीवारें (Limestone walls) एक संकेत बनाती हैं क्योंकि पत्थर थोड़ा चुंबकीय (प्रेरित चुंबकत्व - induced magnetization) होता है।
• पुराने आग के गड्ढे और भट्टियाँ (Fire pits and kilns) एक संकेत बनाते हैं क्योंकि उन्हें इतना गर्म किया गया था कि वे स्थायी रूप से चुंबकीय (थर्मोरिमेनेन्ट चुंबकत्व - thermoremanent magnetization) हो गए।

टीम ने ट्यूनीशिया और फ्रांस में अध्ययन किए गए पांच विशिष्ट प्रकार के पुरातात्विक स्थलों से वास्तविक दुनिया का डेटा एकत्र किया:

1. चूना पत्थर की दीवारें (हर्गला, ट्यूनीशिया से)।
2. शव दाह संस्कार संरचनाएं (रिचौम, फ्रांस से)।
3. पेलियोहर्थ्स (प्राचीन अग्नि कुंड) (लाज़रेट गुफा, फ्रांस से)।
4. सिरेमिक भट्टियाँ (पुयलाउरेन्स, फ्रांस से)।
5. ग्रेनाइट के गोले (कार्थेज संग्रहालय, ट्यूनीशिया से)।

प्रत्येक के लिए, उन्होंने केवल चुंबकीय मानचित्र की फोटो नहीं ली। उन्होंने लैब में वास्तविक चट्टानों और मिट्टी को मापा, और फिर भौतिकी समीकरणों का उपयोग करके सिम्युलेट किया कि वे वस्तुएं चुंबकीय मानचित्र पर कैसी दिखनी चाहिए। इसने प्रत्येक प्रकार की वस्तु के लिए एक "चुंबकीय हस्ताक्षर" (Magnetic Signature) बनाया, जो आयाम (amplitude - संकेत कितना मजबूत है), ध्रुवता (polarity - चुंबक किस दिशा में इशारा करता है), और ज्यामिति (geometry - आकार) जैसे विशिष्ट नंबरों द्वारा परिभाषित था।

जादू का खेल: डेटा बनाना (सही तरीके से)

यहीं पर यह बहुत स्मार्ट है। शोधकर्ताओं को पता था कि उनके पास कंप्यूटर को प्रशिक्षित करने के लिए पर्याप्त वास्तविक दुनिया के उदाहरण नहीं हैं। आप कंप्यूटर को 1,000 अलग-अलग कुत्तों के प्रकारों को पहचानने के लिए नहीं सिखा सकते यदि आप उसे केवल तीन कुत्तों की तस्वीरें दिखाते हैं। इसलिए, उन्होंने फॉरवर्ड मॉडलिंग (forward modelling) का उपयोग किया।

इसे एक वीडियो गेम की तरह समझें। उन्होंने अपने वास्तविक दुनिया के "रेसिपी" (दीवारों और भट्टियों की भौतिकी) को लिया और कंप्यूटर को बताया: "ठीक है, कल्पना करो कि एक दीवार 1 मीटर की गहराई पर दबी है। अब कल्पना करो कि यह 2 मीटर की गहराई पर दबी है। अब कल्पना करो कि यह 45 डिग्री घूम गई है।" उन्होंने 6,000 सिंथेटिक चुंबकीय चित्र उत्पन्न किए। ये यादृच्छिक अनुमान नहीं थे; वे वास्तविक माप के आधार पर भौतिक रूप से यथार्थवादी सिमुलेशन थे। इसने कंप्यूटर को उदाहरणों का एक विशाल पुस्तकालय दिया, जबकि स्थिति की "भौतिकी" 100% सटीक रही।

परीक्षण: क्या कंप्यूटर सीख सकता है?

6,000 सिम्युलेटेड छवियों के तैयार होने के बाद, टीम ने एक कन्वोल्यूशनल न्यूरल नेटवर्क (CNN) को प्रशिक्षित किया। यदि आपने कभी बिल्लियों की तस्वीरों को पहचानने वाली AI सुनी है, तो यह उसी तरह की तकनीक है, लेकिन बिल्लियों के बजाय, यह चुंबकीय मानचित्रों में "प्राचीन दीवारों" और "पुराने चूल्हों" को पहचानना सीख रही है।

परिणाम काफी उत्साहजनक थे:

• कंप्यूटर ने एक टेस्ट सेट पर, जिसे उसने पहले कभी नहीं देखा था, 90.7% बार सही उत्तर दिया।
• यह चूना पत्थर की दीवारों (100% सटीकता) और ग्रेनाइट के गोलों (99.7% सटीकता) को पहचानने में माहिर था। ये आसान हैं क्योंकि उनके बहुत विशिष्ट, अद्वितीय आकार और चुंबकीय गुण होते हैं।
• हालाँकि, कंप्यूटर आग से संबंधित संरचनाओं (भट्टियों, अग्नि कुंडों और दाह संस्कार गड्ढों) के बीच भ्रमित हो गया। इसने टेस्ट मामलों में लगभग 14 से 23 बार गलतियाँ कीं।

यह क्यों भ्रमित हुआ? क्योंकि वे तीनों चीजें भौतिक रूप से बहुत समान हैं! उन तीनों को गर्म किया गया था, इसलिए उन सभी में एक ही प्रकार का चुंबकीय "फिंगरप्रिंट" (थर्मोरिमेनेन्ट चुंबकत्व) है। कंप्यूटर ने कोई रैंडम गलती नहीं की; इसने ऐसी गलती की जो एक मानव विशेषज्ञ को भी कठिन लगती। यह वास्तव में साबित करता है कि सिस्टम सही ढंग से काम कर रहा है—यह केवल चित्रों को याद नहीं कर रहा है, बल्कि यह भौतिकी को सीख रहा है।

कंप्यूटर ने क्या "देखा"

शोधकर्ताओं ने केवल कंप्यूटर की बात पर भरोसा नहीं किया। उन्होंने AI के "दिमाग" के अंदर झाँका कि वह किन विशेषताओं पर ध्यान दे रहा है। उन्होंने पाया कि AI उन्हीं चीजों को देख रहा था जिन्हें एक मानव विशेषज्ञ देखता है: दीवार के तीखे किनारे, भट्टी का गोलाकार आकार, और चुंबकीय संकेत के कम होने का तरीका। AI केवल अनुमान नहीं लगा रहा था; यह छवि को उन्हीं भौतिक सुरागों में तोड़ रहा था जिनका उपयोग एक मानव करता है।

मुख्य निष्कर्ष

यह शोध पत्र यह दावा नहीं करता है कि इसने एक पूर्ण, तैयार-उपयोग वाला रोबोट पुरातत्वविद बनाया है। इसके बजाय, यह सिद्ध करता है कि "डिजिटल भूभौतिकीय आँख" की अवधारणा काम करती है। उन्होंने सफलतापूर्वक एक विशेषज्ञ की अस्पष्ट, "अंतर्दृष्टि" को एक संरचित, भौतिकी-आधारित डेटाबेस में बदल दिया जिससे कंप्यूटर सीख सकता है।

मुख्य बात यह है कि वास्तविक उत्खनन डेटा, लैब माप, और भौतिकी सिमुलेशन को मिलाकर, उन्होंने एक ऐसी प्रणाली बनाई जो चुंबकीय संकेतों के पीछे के कारण को समझती है, न कि केवल क्या को। हालांकि कंप्यूटर अभी भी उन चीजों के साथ थोड़ा संघर्ष करता है जो भौतिक रूप से समान दिखते हैं (जैसे विभिन्न प्रकार के प्राचीन चूल्हे), इसकी गलतियाँ तार्किक और भौतिक रूप से सुसंगत हैं।

लेखक इसे केवल पहला कदम मानते हैं। वे एक विशाल, अंतर्राष्ट्रीय चुंबकीय हस्ताक्षरों का पुस्तकालय बनाने की आशा करते हैं, जिसमें समय के साथ अधिक प्रकार के स्थलों और अधिक वास्तविक दुनिया के डेटा को जोड़ा जाएगा। भविष्य में, यह "डिजिटल आँख" दुनिया भर के पुरातत्वविदों को उनके मानचित्रों की व्याख्या तेजी से और अधिक सटीकता से करने में मदद कर सकती है, जिससे चुंबकीय मानचित्र पर रहस्यमय टेढ़ी-मेढ़ी रेखाओं को हमारे अतीत की स्पष्ट कहानियों में बदला जा सके।