సిటిజన్ శాస్త్రవేత్తలు NASA తెలిసిన బ్రౌన్ డ్వార్ఫ్ సంఖ్యను రెండింతలు చేయడంలో సహాయపడ్డారు

వాలంటీర్ ఖగోళశాస్త్ర ప్రయత్నం దాగి ఉన్న వస్తువుల భారీ గణనను అందించింది

NASA తెలిపిన ప్రకారం, దాని Backyard Worlds: Planet 9 ప్రాజెక్ట్‌లో పాల్గొన్న వాలంటీర్లు తెలిసిన బ్రౌన్ డ్వార్ఫ్ జనాభాను ప్రభావవంతంగా రెండింతలు చేశారు, గత దశాబ్దంలో 3,000కి పైగా కొత్త కనుగొనుగుళ్లను జోడించారు. Astronomical Journalలో ప్రచురితమైన ఈ ఫలితం, పెద్ద డేటాసెట్‌లు ఇంకా ఓపికతో కూడిన మానవ పరిశీలన అవసరమయ్యే రంగాల్లో citizen science పరిశోధనను ఎంత వేగంగా ముందుకు నడిపించగలదో చూపించే striking ఉదాహరణ.

బ్రౌన్ డ్వార్ఫ్‌లు నక్షత్రాలు మరియు గ్రహాల మధ్య ఉన్న అస్పష్ట మధ్యస్థానంలో ఉంటాయి. అవి సుమారు Jupiter పరిమాణంలో ఉండి, కానీ నక్షత్రాల కంటే తక్కువ ద్రవ్యరాశి కలిగి ఉంటాయి. NASA ప్రకారం, సూర్యుని సమీప పరిసరాల్లో ప్రతి మూడు లేదా నాలుగు నక్షత్రాలకు ఒక బ్రౌన్ డ్వార్ఫ్ ఉంటుంది. అయినప్పటికీ, అవి నక్షత్రాలతో పోలిస్తే మసకగా ఉండటం, మరియు జనంతో నిండిన sky surveys‌లో సులభంగా తప్పిపోవడం వల్ల వాటిని కనుగొనడం చాలా కష్టం.

అదే కష్టం Backyard Worlds ప్రాజెక్ట్‌ను విలువైనదిగా మార్చింది. పూర్తిగా ఆటోమేటెడ్ వ్యవస్థలపై మాత్రమే ఆధారపడకుండా, ఈ ప్రయత్నం విస్తారమైన, విభజిత వాలంటీర్ సముదాయాన్ని infrared images‌ను పరిశీలించి, ఎక్కువ కాలంలో కదిలే వస్తువులను గుర్తించడానికి వినియోగించింది.

2 లక్షల మందికిపైగా డేటాను శోధించడంలో సహాయపడ్డారు

పాల్గొనడం యొక్క పరిమాణం ఈ కథలో అత్యంత విశేషమైన అంశాల్లో ఒకటి. పత్రం కవర్ చేసిన 10 సంవత్సరాల కాలంలో సుమారు 2 లక్షల వాలంటీర్లు సహకరించినట్లు NASA చెబుతోంది. అధ్యయనంలోని 75 రచయితల్లో 61 మంది వాలంటీర్లు కావడం, ప్రచురిత శాస్త్రీయ పనిలో ప్రజా భాగస్వామ్యానికి అసాధారణంగా ప్రత్యక్ష ప్రతిబింబం.

ఈ ప్రాజెక్ట్ NASA యొక్క retired Wide-field Infrared Survey Explorer, లేదా WISE, అలాగే reactivated Near-Earth-Object WISE mission, NEOWISE-R నుంచి వచ్చిన చిత్రాలను ఉపయోగించింది. వాలంటీర్లు Zooniverse platform‌లో చిత్రాలను సమీక్షించి, 16 సంవత్సరాల కాలంలో తీసిన frames‌ను పోల్చి లేదా “blinking” చేసి, నేపథ్య క్షేత్రానికి సంబంధించి కదిలే వస్తువులను గుర్తించారు. కొంతమంది పాల్గొనేవారు మరింత ముందుకు వెళ్లి, శోధనను మెరుగుపరచడానికి తమ స్వంత tools మరియు data-analysis software‌ను నిర్మించారు.

ఈ hybrid model, ప్రజా శ్రమ, శాస్త్రీయ పర్యవేక్షణ, మరియు archival space data‌ను కలిపి, ఒక క్లిష్టమైన catalog సమస్యను దీర్ఘకాలిక discovery engine‌గా మార్చింది. ఇది front-line astronomyకి ప్రాప్తిని కూడా విస్తరించింది. పత్రంలోని ఇద్దరు రచయితలు వాలంటీర్లుగా ప్రారంభించి తర్వాత astronomy careers‌లోకి వెళ్లారు; ఇది citizen science projects research infrastructure‌గానూ talent pipeline‌గానూ పని చేయగలవని సూచిస్తుంది.

బ్రౌన్ డ్వార్ఫ్‌లు ఎందుకు ముఖ్యము

నమూనా పరిమాణాన్ని రెండింతలు చేయడం అంటే కేవలం అరుదైన వస్తువుల జాబితాను నింపడం మాత్రమే కాదు. బ్రౌన్ డ్వార్ఫ్‌లు ముఖ్యమైనవి, ఎందుకంటే నక్షత్రాలు, గ్రహాలు ఎలా ఏర్పడతాయో, గ్యాలక్సీలో mass ఎలా విభజించబడుతుందో, మరియు సూర్యుని సమీప పరిసరాల్లో ఏ రకమైన తక్కువ-ఉష్ణోగ్రత వస్తువులు ఉన్నాయో తెలుసుకోవడానికి అవి ఖగోళ శాస్త్రవేత్తలకు సహాయపడతాయి.

NASA తెలిపిన ప్రకారం, విస్తరించిన జాబితా extreme T subdwarfs అనే కొత్త తరగతిని, అలాగే ultra-cool brown dwarfs మరియు aurorae ఉన్నట్లు కనిపించే ఒక వస్తువును కూడా వెలుగులోకి తెచ్చింది. ఈ కనుగొనుగుళ్లు, పెరిగిన census కేవలం అదే రకం వస్తువుల మరింత సేకరణ మాత్రమే కాదని సూచిస్తున్నాయి. ఇది గ్యాలక్సీ జనాభా యొక్క మసక అంచున ఉన్న వైవిధ్యాన్ని మరింతగా చూపిస్తోంది.

బ్రౌన్ డ్వార్ఫ్‌ల యొక్క సమృద్ధమైన జాబితా సూర్యుని చుట్టూ ఉన్న తక్షణ cosmic neighborhood‌ను మ్యాప్ చేయడానికీ సహాయపడుతుంది. ఈ వస్తువులు సంఖ్యలో ఎక్కువగా, కానీ మసకగా ఉండటంతో, సాధారణ sky surveys‌లో స్పష్టంగా కనిపించకుండానే స్థానిక జనాభాలో గణనీయమైన భాగంగా ఉండవచ్చు. మెరుగైన లెక్కలు సమీపంలోని mass distribution models‌ను మెరుగుపరుస్తాయి, మరియు తక్కువ ద్రవ్యరాశి గల వస్తువుల ఏర్పాటును అధ్యయనం చేసే సమయంలో ఖగోళశాస్త్రవేత్తలు ఉపయోగించే assumptions‌ను కూడా పదునుపెడతాయి.

AI యుగంలో కూడా మానవ pattern recognition‌కు పాత్ర ఉంది

శాస్త్రీయ కంప్యూటింగ్‌లో ఎక్కువ భాగం ఆటోమేటెడ్ విశ్లేషణ ఆధిపత్యం చెలాయిస్తున్న ఈ సమయంలో, Backyard Worlds ఫలితం కొన్ని పనుల్లో structured public participation ఇంకా పూర్తిగా machine-led approaches‌ను మించగలదని లేదా పూరించగలదని గుర్తుచేస్తుంది. బ్రౌన్ డ్వార్ఫ్ వేట అనేది అనేక చిత్రాల్లో సూక్ష్మ కదలిక, మసక సంకేతాలను గమనించడం మీద ఆధారపడి ఉంటుంది. ఆ రకమైన visual comparison distributed human review‌కు బాగా సరిపోతుంది.

ఈ ప్రాజెక్ట్ విజయంతో automation‌కు వ్యతిరేకంగా వాదించడం కాదు. బదులుగా, machines రంగాన్ని సంకుచితం చేసి, algorithms మిస్ చేయగలదాన్ని, ముఖ్యంగా edge cases మరియు అసాధారణ వస్తువుల్లో, మనుషులు పట్టుకునే layered discovery model వైపు ఇది సూచిస్తుంది. వాలంటీర్లు తమ స్వంత search tools‌ను అభివృద్ధి చేసుకున్న వాస్తవం, citizen participants ఎంత త్వరగా passive helpers నుండి active method developers‌గా మారగలరో కూడా చూపిస్తుంది.

పెద్ద catalog, కానీ శోధన ఇంకా ముగియలేదు

ఈ discovery count అంత ప్రాముఖ్యంగా ఉండటానికి ఒక కారణం, ప్రాజెక్ట్ ఇంకా పూర్తికాలేదనే విషయం. NASA ప్రకారం, WISE మరియు NEOWISE-R చూసిన 2 బిలియన్‌కు పైగా sources‌ను బృందం ఇప్పటికీ sift చేస్తోంది. అంటే ప్రస్తుత paper, ఆకాశంలోని మసక, చల్లని జనాభాను మ్యాప్ చేసే మరింత పెద్ద ప్రయత్నంలో ఒక దశ మాత్రమే కావచ్చు.

ప్రాజెక్ట్ యొక్క public-facing స్వభావం దానికి అసాధారణ స్థిరత్వాన్ని కూడా ఇస్తుంది. Backyard Worlds ప్రచురణతో ముగియదు; సమయం, శ్రద్ధ ఇవ్వడానికి సిద్ధంగా ఉన్న ఎవరికైనా ఇది తెరిచి ఉంటుంది. NASA కోసం, ఇది research program మరియు outreach model రెండింటిగా పనిచేస్తూ, archived mission data‌ను జీవించే శాస్త్రీయ పనిగా మారుస్తుంది.

విస్తృత పాఠం ఏమిటంటే, ఖగోళశాస్త్రంలో తదుపరి కనుగొనుగుళ్లు కొత్త launches మరియు పెద్ద telescopes నుంచే రావు. అవి ఇప్పటికే సేకరించిన విస్తారమైన డేటాను మెరుగ్గా వినియోగించడం ద్వారా, అలాగే ఆ డేటా చుట్టూ ప్రజలను సమీకరించే కొత్త మార్గాల ద్వారా కూడా వస్తాయి. ఈ సందర్భంలో, ఫలితం తెలిసిన బ్రౌన్ డ్వార్ఫ్ జనాభాలో పెద్ద విస్తరణ, అలాగే గ్యాలక్సీ యొక్క అత్యంత పట్టించుకోని వస్తు తరగతుల్లో ఒకదానిపై మరింత స్పష్టమైన దృశ్యం.

ప్రొఫెషనల్ ఖగోళశాస్త్రవేత్తల కోసం, కొత్త catalog ultra-cool atmospheres, అరుదైన subclasses, మరియు స్థానిక galactic structure అధ్యయనానికి మరింత లోతైన పునాదిని అందిస్తుంది. దీన్ని నిర్మించడంలో సహాయపడిన వాలంటీర్లకు, ఆధునిక space science‌లో అర్థవంతమైన discovery సంప్రదాయ సంస్థలలో ఉన్నవారికే పరిమితం కాదనే దానికి ఇది రుజువు. కొన్నిసార్లు అది public image browser, సహనం, మరియు infrared light‌లో కదిలే ఒక చిన్న చుక్కతో ప్రారంభమవుతుంది.

ఈ వ్యాసం science.nasa.gov నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.