একটি প্রার্থী-ভান্ডার যা এক্সোপ্ল্যানেট বিজ্ঞানকে নতুনভাবে গড়ে দিতে পারে
জ্যোতির্বিজ্ঞানীরা একসঙ্গে রিপোর্ট হওয়া সম্ভাব্য এক্সোপ্ল্যানেটের সবচেয়ে বড় ব্যাচগুলোর একটি শনাক্ত করে থাকতে পারেন। সরবরাহিত উৎস উপকরণে বর্ণিত একটি নতুন প্রিপ্রিন্ট অনুযায়ী, গবেষকেরা NASA-র Transiting Exoplanet Survey Satellite, বা TESS, দ্বারা পর্যবেক্ষিত 83,717,159টি তারার লাইট কার্ভে একটি মেশিন-লার্নিং অ্যালগরিদম প্রয়োগ করে 11,554টি এক্সোপ্ল্যানেট প্রার্থী খুঁজে পেয়েছেন।
যদি এই প্রার্থীদের নিশ্চিত করা যায়, তবে ফলাফলটি সৌরজগতের বাইরের পরিচিত বিশ্বের সংখ্যায় অসাধারণ এক লাফের ইঙ্গিত দেবে। উৎস পাঠে বলা হয়েছে, 2025 সালের সেপ্টেম্বর পর্যন্ত 6,000-এরও বেশি এক্সোপ্ল্যানেট নিশ্চিত হয়েছিল, এবং এরপর প্রায় 300টি যোগ হয়েছে। এই মাত্রার একটি যাচাইকৃত ফলাফল মোট সংখ্যাকে 18,000-এর কাছাকাছি নিয়ে যাবে, যা বর্তমান সংখ্যাকে প্রায় তিন গুণ করবে।
ঠিক এই শিরোনাম-সংখ্যাটিই কারণ, যার জন্য ঘোষণাটি মনোযোগও দাবি করে এবং সতর্কতাও। রিপোর্ট করা প্রার্থীরা এখনও নিশ্চিত গ্রহ নয়, এবং গবেষণাটি পিয়ার রিভিউও পায়নি। তবু, প্রার্থী পর্যায়েও কাজটি দেখায় যে বিদ্যমান জ্যোতির্বৈজ্ঞানিক তথ্যের মধ্যে এখনও কতটা আবিষ্কার-সম্ভাবনা লুকিয়ে আছে।
এত অনেক বিশ্ব হয়তো কেন ধরা পড়েনি
এই অনুসন্ধানের পেছনের মৌলিক পদ্ধতিটি এক্সোপ্ল্যানেট গবেষকদের কাছে পরিচিত। TESS এমন ক্ষুদ্র উজ্জ্বলতা-হ্রাস পর্যবেক্ষণ করে যা পৃথিবী থেকে দেখার দৃষ্টিকোণ থেকে কোনো গ্রহ তার হোস্ট নক্ষত্রের সামনে দিয়ে গেলে ঘটতে পারে। এই ঘটনাগুলোকে transit বলা হয়। চ্যালেঞ্জটি হল পরিসরের। ডেটাসেট যখন কয়েক কোটি তারায় পৌঁছে যায়, তখন ক্ষীণ, নয়েজ-ভরা, অস্পষ্ট সংকেতের সংখ্যা এত বেড়ে যায় যে প্রচলিত কর্মপ্রবাহ সেগুলো দক্ষতার সঙ্গে পরীক্ষা করতে পারে না।
এখানেই নতুন অ্যালগরিদমটি তার সবচেয়ে বড় অবদান রেখেছে বলে মনে হচ্ছে। ৮ কোটিরও বেশি তারাকে স্ক্যান করে এটি এমন সূক্ষ্ম সিগন্যাল চিহ্নিত করেছে, যা নাহলে ধরা প্রায় অসম্ভব হতো। এটি মনে করিয়ে দেয় যে জ্যোতির্বিজ্ঞানে আবিষ্কার এখন আর শুধু আরও বড় টেলিস্কোপ বানানোর ওপর নির্ভর করে না। এটি নির্ভর করে টেলিস্কোপ ইতিমধ্যে যে ডেটা সংগ্রহ করে, সেখান থেকে আরও বেশি সিগন্যাল বের করার ওপরও।
2018 সালে উৎক্ষেপিত TESS এই ধরনের বৃহৎ-পরিসরের খননের জন্য বিশেষভাবে উপযোগী, কারণ এটি বিপুল পরিমাণ পুনরাবৃত্ত নাক্ষত্রিক পর্যবেক্ষণের আর্কাইভ তৈরি করেছে। প্রতিটি লাইট কার্ভ সময়ের সঙ্গে উজ্জ্বলতার পরিবর্তনের রেকর্ড। ওই কার্ভগুলোর মধ্যে লুকিয়ে থাকতে পারে কক্ষপথে ঘুরতে থাকা গ্রহের তৈরি নিয়মিত ডিপ, পাশাপাশি নক্ষত্রের কার্যকলাপ, যন্ত্রপাতি এবং অন্যান্য জ্যোতির্বৈজ্ঞানিক প্রভাব থেকে আসা নয়েজও। মেশিন লার্নিং এই জটিলতাকে বড় পরিসরে বাছাই করার একটি উপায় দেয়।
