கோஸ்மிக் மாற்றத்தை மேலும் நேரடியாக அளவிடும் புதிய முயற்சி
புதியதாக விவரிக்கப்பட்ட AI வழிமுறைகளின் தொகுப்பு, காலப்போக்கில் பிரபஞ்சம் எப்படி மாறுகிறது என்பதைக் கண்காணிக்க சிறந்த வழியாக முன்வைக்கப்படுகிறது. இந்தப் பணியின் செய்திக் குறிப்புகளில் GAME என அழைக்கப்படும் இந்த அணுகுமுறை, கண்காணிப்பு தரவிலிருந்து பிரபஞ்ச அமைப்புகளின் நடத்தையை அதிக துல்லியத்துடன் மீட்டெடுக்க வானியற்பியலாளர்களுக்கு உதவும்படி வடிவமைக்கப்பட்டுள்ளது; குறிப்பாக அந்த அமைப்புகள் எவ்வளவு வேகமாக மாறுகின்றன என்பதை கணிக்க வேண்டிய சூழலில், வெறும் பரந்த போக்கை பொருத்துவதைவிட இது முக்கியமானது.
இந்த வேறுபாடு முக்கியமானது. நவீன பிரபஞ்சவியல் பெரும்பாலும் நிலையான பிரபஞ்சவியல் மாதிரியை நம்புகிறது; இது பிரபஞ்சத்தின் பெரும் அளவிலான அம்சங்களை, அதில் விண்மீன் மண்டல உருவாக்கமும் விண்வெளியின் வேகமடையும் விரிவாக்கமும் அடங்கும், விளக்குவதில் மிகுந்த வெற்றி பெற்றுள்ளது. ஆனால் ஒரு வலுவான மாதிரிக்கும் சுயாதீனச் சோதனைகள் தேவை. முன்கூட்டியே நிர்ணயிக்கப்பட்ட கோட்பாட்டு கட்டமைப்புக்குள் பதில்களை திணிக்காமல், தரவிலிருந்து கோஸ்மிக் செயல்பாடுகளை மீட்டெடுக்கக்கூடிய முறைகள் ஆராய்ச்சியாளர்களுக்கு வேண்டும்.
இருக்கும் முறைகள் ஏன் சிரமப்படுகின்றன
மூலப் பொருளில் குறிப்பிடப்பட்ட ஆய்வு, இயற்கைத் தேர்வால் ஈர்க்கப்பட்ட கணக்கீட்டு நுட்பங்களான ஜெனெடிக் அல்காரிதம்களில் கவனம் செலுத்துகிறது. இவை பல்வேறு சாத்தியமான தீர்வுகளைக் கண்டறிந்து, முன்கூட்டிய அதிகப்படியான கருதுகோள்கள் இல்லாமல் கண்காணிப்புத் தரவுடன் பொருந்தும் செயல்பாடுகளை அடையாளம் காண முடிவதால்தான் பயனுள்ளவை. கோட்பாட்டில், இது பிரபஞ்சவியலுக்கு அவற்றை ஈர்க்கக்கூடியதாக ஆக்குகிறது, ஏனெனில் அறிவியலாளர்கள் தரவு மிகவும் தெளிவாகப் பேச வேண்டும் என்று விரும்புகிறார்கள்.
ஆனால் சிக்கல் என்னவென்றால், ஆராய்ச்சியாளர்களுக்கு டெரிவேட்டிவ்கள், அதாவது ஏதோ ஒன்று எவ்வளவு வேகமாக மாறுகிறது என்பதன் அளவுகள் தேவைப்படும்போது, சாதாரண ஜெனெடிக் அல்காரிதம்கள் நம்பகமற்றதாக மாறலாம். ஒரு சிறந்த-பொருத்த செயல்பாடு கிடைக்கக்கூடிய கண்காணிப்புகளுடன் நன்றாக பொருந்தலாம், ஆனால் நேரடியாகக் காணப்படாத அளவுகளுக்கான நிலைதடுமாறும் அல்லது தவறான மதிப்பீடுகளை அளிக்கலாம். பிரபஞ்சவியலில், அந்த பெறப்பட்ட அளவுகளில்தான் பெரும்பாலும் சுவாரசியமான இயற்பியல் இருக்கிறது.
மூல உரை இதை நீண்டகால கண் மறைவு என விவரிக்கிறது. பாரம்பரிய முறைகள் பரந்த படத்தைப் பிடிக்கலாம், ஆனால் ஏற்றுக்கொள்ளப்பட்ட மாதிரி முழுமையாக சரியா என்பதைச் சோதிக்கத் தேவையான நுணுக்கமான அளவுகளில் தடுமாறலாம். டெரிவேட்டிவ் தகவல் நுண்மையானதாக இருந்தால், இப்போதைய கட்டமைப்பு முழுமையாக விளக்க முடியாத வகையில் பிரபஞ்சம் நடந்து கொள்கிறது என்பதற்கான அறிகுறிகளை ஆராய்ச்சியாளர்கள் தவறவிடலாம்.
புதிய முறை என்ன மேம்படுத்த முயல்கிறது
வழங்கப்பட்ட தகவலின் படி, புதிதாக முன்வைக்கப்பட்ட உத்தி அந்தப் பார்வையைத் தெளிவாக்க முயல்கிறது. இந்த வேலை பிப்ரவரியில் arXiv preprint சர்வரில் வெளியானது, அதாவது இது பொது வெளியில் உள்ளது, ஆனால் இன்னும் ஆரம்ப நிலை ஆராய்ச்சியாகவே கருதப்பட வேண்டும்; உறுதியாக நிலைநிறுத்தப்பட்ட கருத்தாக அல்ல. இருந்தாலும், கருத்து குறிப்பிடத்தக்கது: AI வழிநடத்தும் மீளமைப்பில் அங்கீகரிக்கப்படாத மாற்று-வேகங்களை கையாளும் திறனை மேம்படுத்துங்கள், அப்பொழுது பிரபஞ்ச வரலாற்றை ஆராய்வதற்கான இன்னும் நம்பகமான கருவி விஞ்ஞானிகளுக்கு கிடைக்கலாம்.
புதிய அல்காரிதம்கள் காலப்போக்கில் பிரபஞ்சம் எப்படி மாறுகிறது என்பதைக் காட்டுவதில் குறிப்பிடத்தக்க அளவு மேம்பட்டவை என்பதே கூறப்பட்ட முக்கியக் கூற்று. அதன் ஆழமான முக்கியத்துவம் ஒரு குறிப்பிட்ட சதவீத எண்ணிக்கையைவிட முறைமை சார்ந்த நன்மையில் உள்ளது. ஆராய்ச்சியாளர்கள் சத்தமுள்ள வானியல் தரவிலிருந்து தெளிவான டெரிவேட்டிவ் தகவலை மீட்டெடுக்க முடிந்தால், நிலையான பிரபஞ்சவியல் மாதிரி முழுமையா அல்லது நுண்ணிய பதற்றங்கள் புதிய இயற்பியலைச் சுட்டுகிறதா என்பதைச் சோதிக்க வலுவான கண்டறிதல் கருவி கிடைக்கும்.
இது ஒரு அல்காரிதத்தைத் தாண்டி ஏன் முக்கியம்
பிரபஞ்சவியல் நாளுக்கு நாள் அதிக தரவுள்ள அறிவியலாக மாறி வருகிறது. தொலைநோக்கிகள் மற்றும் கணக்கெடுப்புகள் பெரும் அளவிலான தகவலை உருவாக்குகின்றன, ஆனால் அந்தத் தகவலிலிருந்து இயற்பியல் அர்த்தத்தைப் பெறுவது கடினம். வெறும் தரவைப் பொருத்தும் முறைகள் போதாது; வேகமாற்ற வீதங்கள், கட்டமைப்பு வளர்ச்சி, மற்றும் பிரபஞ்சத்தின் போட்டித் தன்மை கொண்ட விளக்கங்களை வேறுபடுத்த உதவும் பிற மாறும் அளவுகளுக்கான வலுவான ஊக முறைகளும் தேவை.
அதனால்தான் AI முறைகள் வானியலில் தொடர்ந்தும் கவனத்தை ஈர்க்கின்றன. அவற்றின் மதிப்பு வெறும் தானியங்குதல் அல்ல. சரியாக வடிவமைக்கப்பட்டால், அவை ஊகக் கருவிகளாக மாறி, பாரம்பரிய பகுப்பாய்வு சமாளிக்காத அல்லது குறைவாக கையாளும் வடிவங்களை அடையாளம் காண முடியும். இந்தச் சூழலில், முன்மொழியப்பட்ட முன்னேற்றம் AI கோட்பாட்டை மாற்றுகிறது என்பதல்ல; மாறாக, அது கோட்பாட்டிற்கு கடினமானவும் சுயாதீனமானவும் ஒரு சோதனையை வழங்கக்கூடும் என்பதுதான்.
தற்போதைய பிரபஞ்சவியலில் உள்ள “விரிசல்கள்” வெளிச்சத்துக்கு வரும் சாத்தியம் மிக முக்கியமானது, ஏனெனில் இந்தத் துறை ஏற்கனவே தீராத கேள்விகளுடன் போராடி வருகிறது. வானியலாளர்கள் ஒரு சக்திவாய்ந்த செயல்படும் மாதிரியை உருவாக்கியுள்ளனர், ஆனால் அது அனைத்து கண்காணிப்புகளையும் முழுமையாக கணக்கில் எடுத்துக்கொள்கிறதா என்பது, குறிப்பாக பிரபஞ்ச விரிவாக்க வரலாற்றைப் பொறுத்தவரை, இன்னும் விவாதிக்கப்படுகிறது. மேம்பட்ட மீளமைப்பு கருவிகள் இந்தப் பதற்றங்கள் அளவீட்டு வரம்புகளிலிருந்தா, புள்ளிவிவரக் கலைப்பொருள்களிலிருந்தா, அல்லது மாதிரியில் உள்ள உண்மையான குறைபாடுகளிலிருந்தா என்பதைத் தீர்மானிக்க உதவலாம்.
எச்சரிக்கை இன்னும் தேவை
மிதமான அணுகுமுறையைப் பேணுவதற்கான காரணங்களும் உள்ளன. மூலப் பொருள் இந்த வேலையை preprint என அடையாளப்படுத்துகிறது, மேலும் preprints அடிக்கடி peer reviewக்கு முன் அல்லது அதற்குள் மாறுகின்றன. கட்டுரை செயல்திறன் கூற்றுக்குப் பின்னுள்ள முழு தொழில்நுட்ப benchmark விவரங்களை வழங்கவில்லை; எனவே மிக நியாயமான takeaway என்னவெனில், ஆராய்ச்சியாளர்கள் கோஸ்மாலஜிக்கல் பகுப்பாய்வில் டெரிவேட்டிவ் மீளமைப்பை கணிசமாக மேம்படுத்துகிறது என்று நம்பும் ஒரு முறையை முன்மொழிந்துள்ளனர்.
அதுவே கூட இந்த வளர்ச்சியை கவனிக்கத் தகுந்ததாக ஆக்குகிறது. பிரபஞ்சவியல் பெரிய தொலைநோக்கிகள் மற்றும் ஆழமான கணக்கெடுப்புகளால் மட்டுமல்ல, அந்த கருவிகள் காண்பவற்றை விளக்க சிறந்த கணிதக் கருவிகளாலும் முன்னேறுகிறது. GAME அல்லது இதற்குச் சமமான முறைகள் ஆய்வில் நிலைத்திருந்தால், பிரபஞ்சத்தின் வரலாறு மற்றும் எதிர்கால நடத்தை ஆகியவற்றை இன்னும் துல்லியமாகச் சோதிக்கப் பயன்படுத்தப்படும் பகுப்பாய்வு கருவித்தொகுப்பின் ஒரு பகுதியாக அவை மாறலாம்.
இப்போது கதையின் பொருள் AI பிரபஞ்சவியலைத் தீர்த்துவிட்டது என்பதல்ல; மாறாக, துறையின் மிக நுண்ணிய அளவீடுகளில் ஒன்றை நம்பகமாக்க ஆராய்ச்சியாளர்கள் முயற்சிக்கிறார்கள் என்பதே. சிறிய மாற்றங்களே பெரிய முடிவுகளை மாற்றக்கூடிய ஒரு துறையில், இது அர்த்தமுள்ள முன்னேற்றம்.
இந்தக் கட்டுரை Live Science-இன் செய்திப்பதிவை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.
Originally published on livescience.com