एआई ने ब्रह्मांडीय खोज में क्रांति ला दी: जेमिनी मॉडल ने आकाश सर्वेक्षण विश्लेषण में उच्च सटीकता हासिल की

वर्ष 2025 ने खगोलीय अन्वेषण में एक महत्वपूर्ण मोड़ को चिह्नित किया है, जिसकी विशेषता आधुनिक आकाश सर्वेक्षणों से प्राप्त विशाल डेटा प्रवाह को प्रबंधित और व्याख्या करने के लिए परिष्कृत कृत्रिम बुद्धिमत्ता (एआई) का सफल एकीकरण है। यह तकनीकी तालमेल एक मौलिक बदलाव का प्रतिनिधित्व करता है, जो कच्चे अवलोकन डेटा को अभूतपूर्व सटीकता के साथ संरचित, नवीन वैज्ञानिक अंतर्दृष्टि में बदल रहा है।

इस क्षमता का एक प्रमुख प्रदर्शन 'नेचर एस्ट्रोनॉमी' में प्रकाशित एक अध्ययन में विस्तार से बताया गया था, जिसमें गूगल के जेमिनी लार्ज लैंग्वेज मॉडल (एलएलएम) की तैनाती की गई थी। शोधकर्ताओं ने पैन-स्टार्स (Pan-STARRS), मीरलिच्ट (MeerLICHT), और एटलस (ATLAS) सहित प्रमुख अवलोकन परियोजनाओं से व्यापक रात के आकाश के अभिलेखागार की जांच के लिए जेमिनी का उपयोग किया। मॉडल ने उल्लेखनीय वर्गीकरण सटीकता प्रदर्शित की: पैन-स्टार्स डेटा पर 94.1%, मीरलिच्ट अवलोकनों पर 93.4%, और एटलस डेटा पर 91.9%। यह प्रदर्शन बड़े पैमाने पर खगोल भौतिकी सर्वेक्षणों में निहित डेटा की बाढ़ को संभालने के लिए उन्नत एआई फ्रेमवर्क की अपार क्षमता को रेखांकित करता है।

इसके अतिरिक्त, समानांतर शोध ने पुष्टि की कि जेमिनी जैसे सामान्य-उद्देश्य वाले एलएलएम न्यूनतम प्रॉम्प्टिंग के साथ विशेषज्ञ सहायकों के रूप में कार्य कर सकते हैं। केवल 15 उदाहरण छवियों और पाठ निर्देशों का उपयोग करके, मॉडल ने सुपरनोवा जैसी क्षणिक खगोलीय घटनाओं को वर्गीकृत करने में लगभग 93% सटीकता प्राप्त की। यह सुलभता जटिल डेटा विश्लेषण के लोकतंत्रीकरण का सुझाव देती है, जिससे गहरे एआई प्रोग्रामिंग विशेषज्ञता के बिना भी शोधकर्ता खोज में सार्थक योगदान दे सकते हैं।

वैज्ञानिक प्रक्रिया में मशीन इंटेलिजेंस का एकीकरण अक्टूबर 2025 में चीन के हांग्जो में आयोजित एआई + खगोल विज्ञान पर अंतर्राष्ट्रीय कार्यशाला का एक केंद्रीय विषय था। चर्चाएँ इस बात पर केंद्रित थीं कि कैसे बड़े पैमाने के मॉडल वर्णक्रमीय विश्लेषण, इमेजिंग और समय-डोमेन डेटा व्याख्या में खोजों को गति दे रहे हैं। संबंधित प्रयासों में, अक्टूबर 2024 में $20 मिलियन के अनुदान के साथ स्थापित बहु-संस्थागत स्काई इंस्टीट्यूट (SkAI Institute) ने जून 2025 में अपने काम को आगे बढ़ाया। इसका उद्देश्य औद्योगिक पैमाने पर बहु-मोडल खगोल भौतिकी डेटा—छवियों, स्पेक्ट्रा और समय श्रृंखला—को संसाधित करने में सक्षम विशेष एआई मॉडल को इंजीनियर करना है, जो वेरा सी. रुबिन वेधशाला (Vera C. Rubin Observatory) जैसे सर्वेक्षणों से डेटा आने से पहले खगोल भौतिकी समझ में क्रांति का वादा करता है।

इस नए युग को अप्रैल 2025 में हाई स्कूल के छात्र माटेओ पाज़ (Matteo Paz) की उपलब्धि से और उजागर किया गया। कैल्टेक (Caltech) में डेवी किर्कपैट्रिक (Davy Kirkpatrick) के मार्गदर्शन में, पाज़ ने एक एआई एल्गोरिथम विकसित किया जिसने सफलतापूर्वक 1.5 मिलियन पहले से अज्ञात खगोलीय पिंडों को सूचीबद्ध किया। पाज़ के मॉडल ने नासा के सेवानिवृत्त NEOWISE इन्फ्रारेड टेलीस्कोप से कम अध्ययन किए गए डेटा को छाना, परिवर्तनीय वस्तुओं से कमजोर इन्फ्रारेड उतार-चढ़ाव का पता लगाया जिन्हें डेटा की अधिकता के कारण अनदेखा कर दिया गया था। यह अभूतपूर्व कार्य, जिसके परिणामस्वरूप 'द एस्ट्रोनॉमिकल जर्नल' में एक सहकर्मी-समीक्षित प्रकाशन हुआ, पुष्टि करता है कि उपलब्ध उपकरणों का नवीन अनुप्रयोग गहन खोज की क्षमता को बढ़ाता है।