A Tracklet-Score Metric for a passive-optical Telescope Network

हमारे ऊपर का आकाश अब खाली नहीं रहा। यह मानव-निर्मित वस्तुओं के एक शांत, घूमते हुए यातायात से भरा हुआ है, जिसमें हमारे वैश्विक संचार को शक्ति देने वाले सक्रिय उपग्रहों से लेकर दशकों की अंतरिक्ष गतिविधियों द्वारा छोड़े गए मलबे के अनगिनत टुकड़ों तक शामिल हैं। इस यातायात को सुरक्षित और अनुमानित रखने के लिए, खगोलविदों और इंजीनियरों को इन वस्तुओं पर लगातार नज़र रखनी होती है, यह जानते हुए कि वे वास्तव में कहाँ हैं और कहाँ जा रहे हैं। यह कार्य उन दूरबीनों के नेटवर्क पर निर्भर करता है जो आकाश पर नज़र रखते हैं, और इन वस्तुओं के आकाश को पार करने के दौरान उनके संक्षिप्त दृश्यों को कैप्चर करते हैं। प्रत्येक दृश्य केवल एक एकल फोटो नहीं है, बल्कि अवलोकनों का एक छोटा क्रम है जिसे 'ट्रैकलेट' (tracklet) कहा जाता है। ये ट्रैकलेट वे कच्चे निर्माण खंड हैं जिनका उपयोग कक्षाओं की गणना करने और यह अनुमान लगाने के लिए किया जाता है कि क्या दो वस्तुएं आपस में टकरा सकती हैं। हालाँकि, हर दृश्य समान रूप से उपयोगी नहीं होता है। एक छोटा लेंस वाला टेलीस्कोप एक चमकीले उपग्रह को स्पष्ट रूप से देख सकता है, जबकि एक बड़ा टेलीस्कोप मलबे के एक धुंधले, डगमगाते टुकड़े को पकड़ सकता है। कुछ अवलोकन केंद्रीय डेटाबेस में तुरंत भेजे जाते हैं, जबकि अन्य घंटों बाद आते हैं। इन नेटवर्कों का प्रबंधन करने वाले वैज्ञानिकों के लिए चुनौती यह पता लगाना है कि दैनिक रूप से प्राप्त होने वाले हजारों दृश्यों में से कौन से सबसे मूल्यवान हैं ताकि अंतरिक्ष की वस्तुओं के कैटलॉग को सटीक और अद्यतित रखा जा सके।

जर्मन एयरोस्पेस सेंटर के शोधकर्ता जोहानेस हर्ज़ोग और हौके फिडलर ने इस प्रश्न का उत्तर देने का एक नया तरीका विकसित किया है। उन्होंने एक स्कोरिंग सिस्टम बनाया है जो SMARTnet टेलीस्कोप नेटवर्क द्वारा एकत्र किए गए प्रत्येक एकल ट्रैकलेट के लिए एक गुणवत्ता रेटिंग की तरह कार्य करता है। प्रत्येक अवलोकन के भीतर जटिल गणित का विश्लेषण करके उसके मूल्य का निर्णय लेने के बजाय, उनकी विधि उस परिस्थिति को देखती है जिसके तहत वह अवलोकन किया गया था। वे सरल, व्यावहारिक प्रश्न पूछते हैं: डेटा कितनी तेजी से पहुँचा? अनुक्रम में कितने फोटो लिए गए? टेलीस्कोप ने वस्तु को कितनी देर तक देखा? क्या कोई बड़ा अंतराल आया जहाँ वस्तु दृष्टि से ओझल हो गई? और अंत में, टेलीस्कोप के मुख्य दर्पण का आकार क्या है? इन प्रत्येक कारक को एक स्कोर प्रदान करके और उन्हें मिलाकर, वे एक एकल संख्या तैयार करते हैं जो ऑपरेटरों को बताती है कि एक विशिष्ट ट्रैकलेट अंतरिक्ष की निगरानी के समग्र प्रयास में कितना मूल्य लाता है।

शोधकर्ताओं ने इस नए सिस्टम का परीक्षण एक पुराने तरीके के विरुद्ध किया जो पहले से ही उपयोग में था। पुराना दृष्टिकोण एक ट्रैकलेट का निर्णय स्वयं उसके मापों की सटीकता को देखकर करने का प्रयास करता था, जो वस्तु की देखी गई स्थिति और गति की तुलना एक आदर्श संदर्भ से करता था। हालांकि यह सुनने में बहुत गहन लगता है, लेखकों ने पाया कि इसमें एक बड़ी खामी थी। क्योंकि यह डेटा से गति और स्थिति की गणना करने पर निर्भर था, इसलिए एक बहुत कम त्रुटि वाला एक 'भाग्यशाली' एकल माप एक ट्रैकलेट को वास्तव में जितना मूल्यवान है, उससे हजारों गुना अधिक मूल्यवान दिखा सकता था। इसने एक अराजक स्कोरिंग सिस्टम बना दिया जहाँ कुछ ट्रैकलेट्स को अत्यधिक, अवास्तविक स्कोर मिलते थे जबकि समान व्यावहारिक मूल्य वाले अन्य ट्रैकलेट्स को लगभग मूल्यहीन माना जाता था। यह किसी पुस्तक का मूल्यांकन केवल उसके एक पृष्ठ की मोटाई के आधार पर करने जैसा था, पूरी कहानी को अनदेखा करते हुए।

इसके विपरीत, नया स्कोरिंग सिस्टम इस विचार पर आधारित है कि एक ट्रैकलेट का मूल्य सेंसर की विश्वसनीयता और उसे कैप्चर करने के लिए उपयोग की गई रणनीति से आता है। शोधकर्ताओं ने अपने स्कोर के लिए पांच प्रमुख घटक निर्धारित किए। पहला, वे गति को महत्व देते हैं। एक ट्रैकलेट जो लिए जाने के एक घंटे के भीतर डेटाबेस में पहुँच जाता है, उसे समयबद्धता के लिए उच्चतम संभव रेटिंग मिलती है, क्योंकि उपग्रहों के बीच संभावित टकरावों की भविष्यवाणी करने के लिए तत्काल डेटा अत्यंत महत्वपूर्ण है। जैसे-जैसे विलंब बढ़ता है, स्कोर गिरता है, लेकिन यह पूरी तरह से समाप्त नहीं होता, क्योंकि यह स्वीकार किया जाता है कि कक्षाओं को बाद में परिष्कृत करने के लिए पुराना डेटा भी उपयोगी है। दूसरा, वे फोटो की संख्या देखते हैं। अधिक मापों वाला एक अनुक्रम आम तौर पर अधिक मजबूत होता है, जो त्रुटियों को छानने में मदद करता है, इसलिए स्कोर बढ़ने के साथ बढ़ता है, हालांकि यह अत्यधिक लंबे अनुक्रमों को बहुत अधिक महत्व देने से बचने के लिए धीरे-धीरे बढ़ता है।

तीसरा कारक, समय और आकाश के कोण के संदर्भ में अवलोकन की लंबाई पर विचार करता है। यह सभी प्रकार की कक्षाओं के लिए निष्पक्ष होने के लिए डिज़ाइन किया गया है। कम ऊंचाई वाली कक्षाओं में तेजी से चलने वाली वस्तुएं केवल कुछ मिनटों के लिए दृश्यमान हो सकती हैं, जबकि उच्च कक्षाओं में धीमी गति से चलने वाली वस्तुएं घंटों तक देखी जा सकती हैं। सिस्टम तब अंक देता है जब अवलोकन एक महत्वपूर्ण समय या आकाश के एक महत्वपूर्ण हिस्से को कवर करता है, इसमें दोनों मापों में से बेहतर को चुना जाता है ताकि न तो तेज़ और न ही धीमी गति वाली वस्तुओं को दंडित किया जाए। चौथा कारक अंतराल (gaps) की जाँच करता है। यदि टेलीस्कोप वस्तु को लंबे समय तक देखने से चूक जाता है, शायद इसलिए क्योंकि वह किसी तारे के पीछे से गुजर गया, तो स्कोर थोड़ा गिर जाता है, लेकिन केवल तभी जब अंतराल बहुत बड़ा हो जाए। यह सुनिश्चित करता है कि ऑपरेटरों को धुंधली वस्तुओं के अवलोकन की प्राकृतिक कठिनाइयों के लिए या नई रणनीतियों के परीक्षण के लिए दंडित न किया जाए। अंतिम कारक टेलीस्कोप के प्राथमिक दर्पण का आकार है। एक बड़ा दर्पण अधिक प्रकाश एकत्र करता है, जिससे नेटवर्क उन धुंधले, छोटे पिंडों को भी देख पाता है जिन्हें छोटे टेलीस्कोप पहचान ही नहीं सकते। यह क्षमता अत्यधिक मूल्यवान है, इसलिए बड़े दर्पणों को उच्च स्कोर प्राप्त होता है।

इन पांच सामग्रियों को एक अंतिम संख्या में बदलने के लिए, शोधकर्ताओं ने प्रत्येक को अलग-अलग भार (weights) दिए। उन्होंने तय किया कि डेटा कितनी जल्दी आता है और इसमें कितने माप होते हैं, सबसे महत्वपूर्ण कारक हैं, जिससे उन्हें उच्चतम महत्व मिलता है। टेलीस्कोप का आकार और डेटा में अंतराल कम महत्वपूर्ण माने जाते हैं, जिन्हें कम भार दिया जाता है। जब उन्होंने 2023 में एकत्र किए गए लगभग तैंतालीस हजार ट्रैकलेट्स पर इस प्रणाली को लागू किया, तो परिणाम बेहद सुसंगत थे। स्कोर एक सीमित, प्रबंधनीय सीमा में रहे, जो मुख्य रूप से 1.5 और 9.4 के बीच थे। यह पुराने तरीके के बिल्कुल विपरीत है, जिसने लाखों अलग-अलग मूल्यों में उछल-कूद मचाई थी, जिससे विभिन्न टेलीस्कोपों के योगदान की निष्पक्ष तुलना करना कठिन हो गया था।

लेखक बताते हैं कि यह नया मीट्रिक टेलीस्कोप चलाने वाले लोगों के प्रदर्शन को आंकने का उपकरण नहीं है, क्योंकि विभिन्न भागीदारों के पास अलग-अलग मिशन और बाधाएं होती हैं। इसके बजाय, यह नेटवर्क की समग्र स्थिति और संरचना को समझने का एक पारदर्शी तरीका है। यह उन्हें यह देखने में मदद करता है कि किस प्रकार के अवलोकन सबसे आम हैं और नेटवर्क आकाश को कितनी अच्छी तरह कवर कर रहा है। प्रत्येक डेटा बिंदु को गणितीय रूप से पूर्ण बनाने के बजाय, सेंसर की विशेषताओं और वितरण प्रक्रिया पर ध्यान केंद्रित करके, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो सरल और अधिक विश्वसनीय दोनों है। यह नेटवर्क को प्रत्येक ट्रैकलेट को उसके वास्तविक मूल्य के स्पष्ट बोध के साथ देखने की अनुमति देता है, जिससे यह सुनिश्चित होता है कि अंतरिक्ष की वस्तुओं का कैटलॉग सटीक बना रहे और हमारे कक्षीय वातावरण की सुरक्षा बनी रहे।