বাংলাদেশের জ্যোতির্বিজ্ঞান গবেষণায় বিপ্লব: AI এখন নিজেই জাল ঘটনা শনাক্ত করছে
গবেষকরা একটি মেশিন লার্নিং সিস্টেম তৈরি করেছেন যা শুধুমাত্র সিমুলেটেড ডেটা ও অনিশ্চয়তা অনুমান ব্যবহার করে আসল ও জাল জ্যোতির্বিজ্ঞান সংকেত আলাদা করতে পারে। এটি সময়-ডোমেইন জরিপের একটি বড় বাধা দূর করেছে।
গবেষকরা একটি মেশিন লার্নিং সিস্টেম তৈরি করেছেন যা শুধুমাত্র সিমুলেটেড ডেটা ও অনিশ্চয়তা অনুমান ব্যবহার করে আসল ও জাল জ্যোতির্বিজ্ঞান সংকেত আলাদা করতে পারে। এটি সময়-ডোমেইন জরিপের একটি বড় বাধা দূর করেছে।
জ্যোতির্বিজ্ঞানীরা আকাশ জরিপে আসল ক্ষণস্থায়ী ঘটনা আর যন্ত্রগত ত্রুটির মধ্যে পার্থক্য করতে গিয়ে একটি বড় বাধার সম্মুখীন হন। এই বাধা দূর করেছে একটি নতুন মেশিন লার্নিং পদ্ধতি। গবেষকরা একটি AI মডেল তৈরি করেছেন যা কোনো মানব-লেবেলকৃত ডেটা ছাড়াই আসল ও জাল জ্যোতির্বিজ্ঞান সংকেত চিহ্নিত করতে পারে।
এই গবেষণাটি arXiv-এ প্রকাশিত হয়েছে। গবেষক দলটি জানিয়েছে, তাদের সিস্টেম শুধুমাত্র সিমুলেটেড ডেটা ও অনিশ্চয়তা অনুমানের ওপর নির্ভর করে কাজ করে। সময়-ডোমেইন জরিপে এই পদ্ধতি একটি যুগান্তকারী পরিবর্তন আনতে পারে। কারণ আগে এই কাজের জন্য বিপুল পরিমাণ মানবসম্পদ ও সময়ের প্রয়োজন হতো।
AI মডেলটি কীভাবে কাজ করে তা বোঝার জন্য প্রথমে সময়-ডোমেইন জরিপের চ্যালেঞ্জ বুঝতে হবে। আকাশের বিভিন্ন স্থানের ছবি বারবার নেওয়া হলে সেখানে হঠাৎ কোনো বস্তু দেখা দিতে পারে বা উজ্জ্বল হতে পারে। এই ঘটনাগুলোকে ক্ষণস্থায়ী ঘটনা বলা হয়। কিন্তু এই ঘটনার অনেকগুলোই আসলে যন্ত্রের ত্রুটি বা গোলমালের কারণে তৈরি হয়। এগুলোকে জাল সংকেত বলা হয়।
গতানুগতিক পদ্ধতিতে আসল ও জাল সংকেত আলাদা করতে প্রচুর পরিমাণে মানব-লেবেলকৃত ডেটা প্রয়োজন। এই ডেটা তৈরি করা খুবই ব্যয়বহুল ও সময়সাপেক্ষ। গবেষক দলটি এই সমস্যার সমাধান করেছে সিমুলেটেড ডেটা ব্যবহার করে। তারা কৃত্রিমভাবে আসল ও জাল সংকেত তৈরি করেছে এবং সেই ডেটার ওপর মডেলটিকে প্রশিক্ষণ দিয়েছে।
মডেলটির আরেকটি বিশেষত্ব হলো এটি অনিশ্চয়তা অনুমান ব্যবহার করে। অর্থাৎ এটি শুধু একটি সংকেতকে আসল বা জাল বলেই চিহ্নিত করে না বরং তার সিদ্ধান্তের ওপর কতটা আত্মবিশ্বাসী তাও জানায়। এই অতিরিক্ত তথ্য জ্যোতির্বিজ্ঞানীদের আরও নির্ভরযোগ্য সিদ্ধান্ত নিতে সাহায্য করে।
বাংলাদেশের জ্যোতির্বিজ্ঞান ও ডেটা সায়েন্স সম্প্রদায়ের জন্য এই গবেষণা গুরুত্বপূর্ণ হতে পারে। আমাদের দেশের বিশ্ববিদ্যালয়গুলোর জ্যোতির্বিজ্ঞান বিভাগ ও গবেষণা প্রতিষ্ঠানগুলো এই ধরনের মেশিন লার্নিং পদ্ধতি ব্যবহার করে নিজেদের গবেষণা আরও উন্নত করতে পারে। বিশেষ করে ফ্রিল্যান্সিং ও সফটওয়্যার ডেভেলপমেন্ট খাতে কর্মরত ডেটা সায়েন্টিস্টরা এই পদ্ধতি থেকে নতুন আইডিয়া পেতে পারেন।
এই পদ্ধতি ভবিষ্যতে আরও বড় জরিপ প্রকল্পে ব্যবহার করা যেতে পারে। যেমন লার্জ সিনোপটিক সার্ভে টেলিস্কোপ (LSST) প্রকল্পে এই মডেল ব্যবহার করা সম্ভব। গবেষকরা এখন এই মডেলটিকে আরও উন্নত করে বাস্তব জরিপ ডেটায় প্রয়োগ করার পরিকল্পনা করছেন।
আরও পড়ুন
এই সংবাদটি আন্তর্জাতিক সূত্রের তথ্য অবলম্বনে AI-সহায়তায় বাংলায় উপস্থাপন ও বাংলাদেশের প্রেক্ষাপটে সম্পাদিত। মূল তথ্যের জন্য নিচের সূত্র দেখুন।
মূল প্রতিবেদন: dev.to ML
সোর্স দেখুন ↗মন্তব্য০
লোড হচ্ছে...