बिल्लियों की तस्वीरों से सीखे AI ने ब्लैक होल की पहली तस्वीर दोबारा बनाई, वलय वैसा ही निकला

ब्लैक होल की सबसे प्रसिद्ध तस्वीर ने एक ब्लाइंड टेस्ट पास कर लिया है। ऑस्ट्रेलिया की राष्ट्रीय विज्ञान एजेंसी CSIRO की एक छोटी टीम ने एक इमेजिंग प्रोग्राम बनाया जिसने बिल्लियों, कुत्तों और कारों की तस्वीरों से सीखा कि तस्वीरें कैसी दिखती हैं, इसे ब्लैक होल की पहली तस्वीर के पीछे के कच्चे Event Horizon Telescope डेटा पर लगाया, और वही चमकता हुआ वलय (रिंग) वापस मिला।

यह इसलिए महत्वपूर्ण है क्योंकि उस वलय को एक चुनौती मिली थी। एक प्रतिद्वंद्वी पुनर्विश्लेषण ने तर्क दिया था कि पास की आकाशगंगा के केंद्र में स्थित विशाल ब्लैक होल के चारों ओर दिखाई देने वाला डोनट डेटा प्रोसेस करने के तरीके का एक कलाकृति (आर्टिफैक्ट) हो सकता है, और असली वस्तु एक लम्बा चमकीला धब्बा हो सकता है। Nature में प्रकाशित नए कार्य ने अपने द्वारा जांचे गए हर उच्च-गुणवत्ता वाले डेटासेट में वलय पाया, और इसका आकार सूर्य से अरबों गुना भारी ब्लैक होल की ओर इशारा करता है, जो स्वतंत्र अनुमानों के अनुरूप है।

“महत्वपूर्ण बात यह है कि जब हमने अपने मॉडल को M87 डेटा पर लागू किया, तो उसे इस बात का कोई अंदाज़ा नहीं था कि ब्लैक होल कैसा दिखता है,” CSIRO के खगोलशास्त्री और प्रमुख लेखक सैमुअल लाइ (Samuel Lai) ने कहा। “यह EHT छवि का पहला वास्तविक स्वतंत्र सत्यापन है, जो वैज्ञानिक प्रक्रिया में एक महत्वपूर्ण कदम है।”

ब्लैक होल की तस्वीर पर बहस क्यों हो सकती है

M87* लगभग 55 मिलियन प्रकाश-वर्ष दूर स्थित है, और इसकी छाया आकाश के इतने छोटे हिस्से में फैली हुई है कि लाइ इस कार्य की तुलना “अपने पिछवाड़े में खड़े होकर चाँद पर एक डोनट की तस्वीर लेने की कोशिश” से करते हैं। कोई एक डिश ऐसा नहीं कर सकती। Event Horizon Telescope चिली, मेक्सिको, हवाई, एरिज़ोना, स्पेन और अन्य जगहों पर स्थित रेडियो वेधशालाओं को जोड़ता है, ताकि पूरी पृथ्वी एक दूरबीन की तरह काम करे।

वह आभासी दूरबीन अधिकतर खाली जगह है। डिशों की प्रत्येक जोड़ी एक छवि के लिए आवश्यक जानकारी के केवल एक पतले ट्रैक का नमूना लेती है, और प्रत्येक स्टेशन अपने इलेक्ट्रॉनिक्स और ऊपर की अशांत हवा से त्रुटियाँ जोड़ता है। सॉफ्टवेयर को अंतराल को भरना होता है, और उस सॉफ्टवेयर में किए गए विकल्प अंतिम तस्वीर को प्रभावित कर सकते हैं।

मूल सहयोग को यह पता था और उन्होंने एक-दूसरे से ब्लाइंड चार इमेजिंग टीमों को समानांतर रूप से चलाया। चारों को एक वलय मिला, लेकिन वे बारीक विवरणों जैसे कि यह कहाँ सबसे चमकीला है, पर असहमत थे। फिर माकोतो मियोशी (Makoto Miyoshi) के नेतृत्व में एक जापानी समूह ने एक क्लासिक तकनीक के साथ सार्वजनिक डेटा को पुनःसंसाधित किया और बताया कि यदि विश्लेषण आकाश के एक बड़े हिस्से की अनुमति देता है, तो एक वलय की तुलना में एक लम्बा चमकीला धब्बा बेहतर फिट बैठता है। विवाद धारणाओं पर टिका था, और धारणाएँ वही हैं जिन्हें एक स्वतंत्र परीक्षण को हटाना होता है।

उन्होंने यह कैसे किया

CSIRO टीम ने एक साथ दोनों कमजोर बिंदुओं पर हमला किया। पहला, डेटा। मानक दृष्टिकोण दूरबीनों के जोड़ों से मापों को जोड़ता है, जो प्रत्येक स्टेशन के अंशांकन (कैलिब्रेशन) संबंधी त्रुटियों को सिग्नल के साथ ले जाते हैं। टीम ने इसके बजाय “क्लोज़र इनवेरिएंट” का उपयोग किया, जो एक बार में तीन दूरबीनों से बनाई गई मात्राएँ हैं, जिनमें वे त्रुटियाँ रद्द हो जाती हैं। “हमारी तकनीक उन त्रुटियों को खत्म करने के लिए मानक जोड़ीदार दूरबीन डेटा के बजाय त्रिक (ट्रिपलेट) को जोड़ती है,” परियोजना प्रमुख नित्यानंदन थ्यागराजन (Nithyanandan Thyagarajan) ने कहा।

दूसरा, सॉफ्टवेयर। टीम ने GenDIReCT नामक एक जनरेटिव AI सिस्टम बनाया, जो भावना में उन उपकरणों के समान है जो टेक्स्ट को चित्रों में बदलते हैं, लेकिन लिखित प्रॉम्प्ट के बजाय क्लोज़र इनवेरिएंट द्वारा निर्देशित होता है। इसने रोज़मर्रा की तस्वीरों और डिस्क और रिंग जैसी सरल आकृतियों के एक मानक पुस्तकालय से सीखा कि वास्तविक छवियाँ कैसी दिखती हैं। यह सुनिश्चित करने के लिए कि वे रिंग उत्तर को पक्षपाती नहीं बना रही थीं, शोधकर्ताओं ने इसे बिना किसी ज्यामितीय आकृति के फिर से प्रशिक्षित किया और कोई उल्लेखनीय अंतर नहीं पाया।

इससे पहले कि उसने कोई M87* डेटा देखा, प्रोग्राम को सिंथेटिक डेटा और अन्य आकाशगंगाओं के वास्तविक अवलोकनों पर परीक्षण पास करना था, जिसमें क्वासर 3C 279 की प्रकाशित छवियों को 98% समानता और रेडियो आकाशगंगा सेंटॉरस A को 91% समानता के साथ पुन: प्रस्तुत किया गया। फिर टीम ने मॉडल को फ्रीज़ कर दिया, ताकि उत्तर देखने के बाद कोई इसे छेड़छाड़ न कर सके। इसने तीन अवलोकन सीज़न के आठ रातों के सार्वजनिक डेटा पर काम किया, प्रत्येक में तीन आकाश विंडो थे, और प्रति डेटासेट लगभग 300 उम्मीदवार छवियाँ तैयार कीं। एक क्रॉस-चेक के रूप में जिसका मशीन लर्निंग से कोई लेना-देना नहीं था, टीम ने एक वलय के पारंपरिक सांख्यिकीय मॉडल के साथ उसी त्रिक डेटा को फिट किया।

वलय हमें क्या बताता है

अच्छे दूरबीन कवरेज वाले प्रत्येक डेटासेट ने आकाश विंडो के आकार की परवाह किए बिना लगभग 42 माइक्रोआर्कसेकंड का एक कॉम्पैक्ट वलय उत्पन्न किया। यह स्थिरता प्रतिद्वंद्वी विश्लेषण का सीधा जवाब है, जिसने अपना चमकीला धब्बा केवल तब पाया जब विंडो बड़ी हो गई। CSIRO टीम का तर्क है कि पहले का प्रभाव सबसे अधिक संभावना एक विरल कवरेज और निम्न-गुणवत्ता वाले डेटा वाली रात से उत्पन्न होता है। मशीन लर्निंग छवियों ने 42.2 माइक्रोआर्कसेकंड और पारंपरिक फिट ने 42.3 दिया, जो त्रुटि सीमा के भीतर मेल खाता है। पेपर नोट करता है कि इस बारीक विवरण को हल करना 1,000 किलोमीटर से अधिक दूर से मानव बाल की चौड़ाई को पहचानने जैसा है।

उस आकार से, टीम 6.5 बिलियन सूर्यों के द्रव्यमान का अनुमान लगाती है, जिसमें 0.5 बिलियन का अंतर है। यह आकाशगंगा में तारों की गति से लगभग 6.6 बिलियन सूर्यों के स्वतंत्र अनुमान पर बिल्कुल बैठता है, और गैस की गति पर आधारित लगभग 3.5 बिलियन सूर्यों के अनुमान से काफी दूर है, जिसने लगभग आधा चौड़ा वलय उत्पन्न किया होता। सैजिटेरियस A*, हमारी आकाशगंगा आकाशगंगा के केंद्र में ब्लैक होल, लगभग 4 मिलियन सूर्यों का है, इसलिए M87* एक हजार गुना से अधिक भारी है।

छवियाँ यह भी सुझाव देती हैं कि हम ब्लैक होल को लगभग सामने से देख रहे हैं, इसके जेट से लगभग 20 डिग्री, जो जेट से ही मापे गए 17 डिग्री के करीब है। वलय का सबसे चमकीला भाग सीज़न के बीच बदलता है, जिसे लेखक विधि के बजाय ब्लैक होल में गिरने वाली अशांत गैस के लिए जिम्मेदार ठहराते हैं।

यह क्या तय नहीं करता

नया विश्लेषण विधि में स्वतंत्र है, डेटा में नहीं। यह उन्हीं सार्वजनिक Event Horizon Telescope मापों का पुन: उपयोग करता है, इसलिए यह कच्ची रिकॉर्डिंग में पके हुए किसी समस्या से इनकार नहीं कर सकता; यह दर्शाता है कि वलय मूल टीमों के प्रसंस्करण विकल्पों का उत्पाद नहीं है।

कुछ विशेषताएँ अस्पष्ट बनी हुई हैं। वलय की मोटाई, इसके केंद्र की चमक और यह कितना विषम दिखता है, ये सब विधियों और रातों के बीच बदल गए, और लेखक कहते हैं कि ये शायद वास्तविक स्रोत को प्रतिबिंबित नहीं करते हैं। एक रात, जब मेक्सिको में एक महत्वपूर्ण दूरबीन गायब थी, ने सबसे अस्पष्ट परिणाम दिए।

द्रव्यमान शीर्षक आंकड़े से कम ठोस है। वलय के आकार को द्रव्यमान में बदलना कंप्यूटर सिमुलेशन से लिए गए एक अंशांकन कारक पर निर्भर करता है, और उस कारक की पूरी श्रृंखला अनुमान को 6.0 और 6.7 बिलियन सूर्यों के बीच ले जाती है। छवियाँ यह निर्धारित नहीं कर सकतीं कि ब्लैक होल कितनी तेज़ी से घूमता है, हालाँकि वे कुछ घूर्णन का पक्ष लेती हैं। और टीम चेतावनी देती है कि डेटा के लिए एक अच्छा फिट यह साबित करने के लिए आवश्यक है लेकिन पर्याप्त नहीं है कि एक छवि सही है, क्योंकि जाँच करने के लिए M87* की कोई ग्राउंड-ट्रुथ तस्वीर नहीं है।

M87* ब्लैक होल छवि के बारे में सामान्य प्रश्न

क्या पहली ब्लैक होल छवि वास्तविक है?

हाँ, इस स्वतंत्र जाँच के अनुसार। मूल विश्लेषण के बाहर की एक टीम ने, डेटा को संयोजित करने के एक अलग तरीके और एक AI का उपयोग करके जिसने कभी ब्लैक होल नहीं देखा था, समान आकार और अभिविन्यास का एक वलय प्राप्त किया। वलय की मोटाई जैसे बारीक विवरण अभी भी विधियों के बीच भिन्न होते हैं।

आप ब्लैक होल की तस्वीर कैसे लेते हैं?

आप इसके चारों ओर गर्म गैस की तस्वीर लेते हैं। उस गैस का प्रकाश ब्लैक होल के चारों ओर मुड़ता है और एक अंधेरी छाया के चारों ओर एक चमकीला वलय बनाता है। इतनी छोटी छाया देखने के लिए, Event Horizon Telescope पूरे ग्रह पर रेडियो डिशों को जोड़ता है ताकि वे पृथ्वी जितनी चौड़ी एक दूरबीन की तरह काम करें।

M87* ब्लैक होल कितना बड़ा है?

नया विश्लेषण इसके द्रव्यमान को सूर्य से लगभग 6.5 बिलियन गुना रखता है, जो हमारी आकाशगंगा के केंद्र में ब्लैक होल से एक हजार गुना से अधिक भारी है। इसका वलय आकाश पर लगभग 42 माइक्रोआर्कसेकंड तक फैला है, जो किसी भी एक दूरबीन के लिए हल करने के लिए बहुत छोटा है।

आगे क्या होगा

डेटा अप्रैल 2017 की चार रातों, अप्रैल 2018 की दो रातों (जब ग्रीनलैंड टेलीस्कोप ऐरे में शामिल हुआ) और अप्रैल 2021 की दो रातों तक फैला हुआ है। मूल M87* तस्वीर 10 अप्रैल, 2019 को अनावरण की गई थी, और मियोशी की टीम से चुनौती 2022 और 2024 में सामने आई। CSIRO शोधकर्ताओं का कहना है कि उनका फ्रोज़न मॉडल पहली बार 4 दिसंबर, 2025 को M87* डेटा पर चला, और पेपर 11 नवंबर, 2026 को ऑनलाइन प्रकाशित हुआ, जिसमें इसके पुनर्निर्माण और कोड सार्वजनिक किए गए।

लेखकों को उम्मीद है कि जेम्स वेब स्पेस टेलीस्कोप के NIRSpec उपकरण के साथ नियोजित अवलोकन M87 के कोर में गैस और तारे की गति का मानचित्रण करेंगे और द्रव्यमान को सख्त करेंगे। थ्यागराजन का कहना है कि त्रिक तकनीक उन क्षेत्रों की भी मदद कर सकती है जो कई सेंसर को एक मानचित्र में सिलाई करते हैं, चिकित्सा इमेजिंग से लेकर भूकंपों पर नज़र रखने तक। एक बड़ा पुरस्कार आगे है: अंतरिक्ष में दूरबीनें छाया के अंदर पतले फोटॉन वलय को हल कर सकती हैं और इसके साथ, अंततः माप सकती हैं कि M87* कितनी तेज़ी से घूमता है।

संदर्भ: Lai et al., “Independent interferometric observable confirms black hole shadow in M87*,” Nature, 2026. DOI: 10.1038/s41586-026-11241-9

टैग: खगोल विज्ञान, ब्लैक होल, CSIRO, Event Horizon Telescope, M87