For this article:

26 Jan 2026·Source: The Hindu
3 min
Science & TechnologyNEWS

NASA का ExoMiner++ AI हजारों संभावित एक्सोप्लैनेट उम्मीदवारों की पहचान करता है

NASA का ExoMiner++ AI मॉडल TESS डेटा में लगभग 7,000 संभावित एक्सोप्लैनेट उम्मीदवारों की पहचान करता है।

NASA का ExoMiner++ AI हजारों संभावित एक्सोप्लैनेट उम्मीदवारों की पहचान करता है

Photo by NASA Hubble Space Telescope

NASA का ExoMiner++ एक डीप-लर्निंग AI मॉडल है जिसे टेलीस्कोप डेटा से एक्सोप्लैनेट की पहचान करने के लिए डिज़ाइन किया गया है। यह ExoMiner का उत्तराधिकारी है, जिसने केप्लर टेलीस्कोप डेटा का विश्लेषण किया। ExoMiner++ समय के साथ तारों की चमक का विश्लेषण करता है ताकि उनके सामने से गुजरने वाले ग्रहों का पता लगाया जा सके। कई ब्लैक-बॉक्स AI मॉडल के विपरीत, ExoMiner++ खगोलविदों को एक स्कोर प्रदान करता है जो एक ग्रह होने के संकेत की संभावना को दर्शाता है। ExoMiner को केप्लर डेटा से 370 नए एक्सोप्लैनेट को मान्य करने का श्रेय दिया जाता है। ExoMiner++ ने TESS डेटा में लगभग 7,000 संभावित एक्सोप्लैनेट उम्मीदवारों की पहचान की है और यह GitHub पर ओपन-सोर्स सॉफ़्टवेयर के रूप में उपलब्ध है।

मुख्य तथ्य

1.

ExoMiner++: Deep-learning AI model

2.

Identifies exoplanets from telescope data

3.

ExoMiner validated: 370 new exoplanets

4.

ExoMiner++ identified: ~7,000 potential exoplanets

UPSC परीक्षा के दृष्टिकोण

1.

GS Paper III: Science and Technology - Developments and their applications and effects in everyday life.

2.

GS Paper III: Awareness in the fields of IT, Space, Computers, robotics, nano-technology, bio-technology and issues relating to intellectual property rights.

3.

Potential question types: Statement-based questions on exoplanet detection methods, AI in space exploration, and future space missions.

दृश्य सामग्री

ExoMiner++ Impact: Key Statistics

Key statistics highlighting the impact of NASA's ExoMiner++ on exoplanet discovery.

एक्सोमाइनर++ द्वारा पहचाने गए संभावित एक्सोप्लैनेट उम्मीदवार
7,000

ज्ञात एक्सोप्लैनेट की संख्या में महत्वपूर्ण वृद्धि की संभावना को दर्शाता है।

एक्सोमाइनर (केप्लर डेटा) द्वारा मान्य एक्सोप्लैनेट
370

एक्सोप्लैनेट को मान्य करने में पूर्ववर्ती एआई की प्रभावशीलता को दर्शाता है।

और जानकारी

पृष्ठभूमि

एक्सोप्लैनेट की खोज का एक समृद्ध इतिहास है, जो सदियों पहले सैद्धांतिक भविष्यवाणियों से शुरू होता है। शुरुआती विज्ञान कथा ने जनता की कल्पना को हवा दी, लेकिन ठोस वैज्ञानिक प्रयास 20वीं सदी के अंत में शुरू हुए। सूर्य जैसे तारे की परिक्रमा करने वाले एक्सोप्लैनेट का पहला पुष्टिकरण 1995 में हुआ था, जिसका नाम 51 पेगासी बी था। शुरू में जमीन आधारित दूरबीनों का खोज पर दबदबा था, लेकिन हबल स्पेस टेलीस्कोप और विशेष रूप से केप्लर स्पेस टेलीस्कोप जैसे अंतरिक्ष-आधारित मिशनों ने इस क्षेत्र में क्रांति ला दी। केप्लर, जिसे 2009 में लॉन्च किया गया था, ने ट्रांजिट विधि (तारे की चमक में गिरावट को देखकर जब कोई ग्रह उसके सामने से गुजरता है) का उपयोग करके हजारों एक्सोप्लैनेट की खोज की। केप्लर द्वारा उत्पन्न डेटा की भारी मात्रा के कारण परिष्कृत डेटा विश्लेषण तकनीकों का विकास आवश्यक हो गया, जिसमें संभावित संकेतों को छानने के लिए मशीन लर्निंग के शुरुआती अनुप्रयोग शामिल थे। इसने एक्सोमाइनर और एक्सोमाइनर++ जैसे अधिक उन्नत एआई उपकरणों का मार्ग प्रशस्त किया।

नवीनतम घटनाक्रम

हाल के वर्षों में एक्सोप्लैनेट अनुसंधान में आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग के उपयोग में तेजी आई है। पता लगाने के अलावा, एआई का उपयोग एक्सोप्लैनेट के वायुमंडल को चिह्नित करने और यहां तक कि रहने की क्षमता की भविष्यवाणी करने के लिए किया जा रहा है। जेम्स वेब स्पेस टेलीस्कोप (JWST), जिसे 2021 में लॉन्च किया गया था, इस क्षेत्र में महत्वपूर्ण भूमिका निभा रहा है, जो एक्सोप्लैनेट के वायुमंडल पर अभूतपूर्व डेटा प्रदान कर रहा है। भविष्य के मिशन, जैसे नैन्सी ग्रेस रोमन स्पेस टेलीस्कोप (2020 के दशक के अंत में लॉन्च करने की योजना है), एक्सोप्लैनेट की खोज को और बढ़ाएंगे और उन्हें चिह्नित करने की हमारी क्षमता में सुधार करेंगे। एक्सोमाइनर++ की ओपन-सोर्स प्रकृति एक्सोप्लैनेट समुदाय में सहयोग और डेटा साझाकरण की ओर एक बढ़ती प्रवृत्ति को दर्शाती है, जिससे खोज और विश्लेषण की गति तेज हो रही है।

अक्सर पूछे जाने वाले सवाल

1. What is ExoMiner++ and why is it important for exoplanet research?

ExoMiner++ is a deep-learning AI model developed by NASA to identify exoplanets from telescope data, specifically data from the TESS mission. It's important because it automates and accelerates the process of identifying potential exoplanets, allowing astronomers to focus on the most promising candidates for further study.

2. How does ExoMiner++ work to identify exoplanets?

ExoMiner++ analyzes the brightness of stars over time, looking for dips in brightness that could indicate a planet passing in front of the star. It then provides astronomers with a score indicating the likelihood of a signal being a planet, helping them prioritize which signals to investigate further.

3. What are the key differences between ExoMiner and ExoMiner++?

ExoMiner analyzed data from the Kepler telescope, while ExoMiner++ analyzes data from the TESS mission. ExoMiner++ also provides a score indicating the likelihood of a signal being a planet, which helps astronomers in their analysis.

4. How many exoplanets has ExoMiner validated, and how many potential exoplanets has ExoMiner++ identified?

ExoMiner is credited with validating 370 new exoplanets from Kepler data. ExoMiner++ has identified around 7,000 potential exoplanet candidates in TESS data.

5. What is the significance of ExoMiner++ being available as open-source software on GitHub?

Making ExoMiner++ open-source allows other researchers and institutions to access, use, and improve the AI model. This fosters collaboration and accelerates the pace of exoplanet research worldwide.

6. How might the discovery of thousands of potential exoplanets by ExoMiner++ impact our understanding of the universe?

The identification of thousands of potential exoplanets increases the likelihood of finding habitable planets and potentially even life beyond Earth. This could revolutionize our understanding of our place in the universe and the possibilities for life elsewhere.

7. What is the role of the TESS mission in relation to ExoMiner++?

The Transiting Exoplanet Survey Satellite (TESS) is a NASA mission that provides the data that ExoMiner++ analyzes. TESS observes the brightness of stars, and ExoMiner++ uses this data to identify potential exoplanets.

8. What are the recent developments regarding AI and exoplanet research?

Recent developments include increased use of AI and machine learning not only for exoplanet detection but also for characterizing exoplanet atmospheres and predicting habitability. The James Webb Space Telescope is also playing a crucial role by providing data on exoplanet atmospheres.

9. For UPSC Prelims, what should I remember about ExoMiner and ExoMiner++?

Remember that ExoMiner validated 370 exoplanets using Kepler data, and ExoMiner++ has identified approximately 7,000 potential exoplanets using TESS data. Also, understand that these are AI models used for exoplanet detection.

परीक्षा युक्ति

Focus on the numbers and the telescopes/missions associated with each AI model.

10. Why is ExoMiner++ in the news recently?

ExoMiner++ is in the news due to its success in identifying a large number of potential exoplanet candidates from TESS data. The open-source availability of the software also contributes to its newsworthiness.

बहुविकल्पीय प्रश्न (MCQ)

1. एक्सोप्लैनेट का पता लगाने में उपयोग की जाने वाली ट्रांजिट विधि के बारे में निम्नलिखित कथनों पर विचार करें: 1. यह तारे की चमक में आवधिक कमी को देखकर काम करता है क्योंकि एक ग्रह उसके सामने से गुजरता है। 2. यह अपने मेजबान तारों से दूर परिक्रमा करने वाले बड़े ग्रहों का पता लगाने के लिए सबसे प्रभावी है। 3. जेम्स वेब स्पेस टेलीस्कोप (JWST) ट्रांजिट विधि का उपयोग करने में सक्षम नहीं है। ऊपर दिए गए कथनों में से कौन सा/से सही है/हैं?

  • A.केवल 1
  • B.केवल 2
  • C.केवल 1 और 3
  • D.1, 2 और 3
उत्तर देखें

सही उत्तर: A

कथन 1 सही है: ट्रांजिट विधि एक तारे की रोशनी में थोड़ी कमी को देखकर एक्सोप्लैनेट का पता लगाती है क्योंकि एक ग्रह तारे और पर्यवेक्षक के बीच से गुजरता है। कथन 2 गलत है: ट्रांजिट विधि अपने मेजबान तारों के *करीब* परिक्रमा करने वाले बड़े ग्रहों का पता लगाने के लिए अधिक प्रभावी है, क्योंकि ये अधिक ध्यान देने योग्य मंद प्रभाव पैदा करते हैं। कथन 3 गलत है: JWST ट्रांजिट विधि का उपयोग करने में *सक्षम है*, और इसका उपयोग ट्रांजिट एक्सोप्लैनेट के वायुमंडल का अध्ययन करने के लिए किया जा रहा है।

2. निम्नलिखित में से कौन सा कथन नासा के एक्सोमाइनर++ एआई के प्राथमिक कार्य का सबसे अच्छा वर्णन करता है?

  • A.उन्नत टेलीस्कोप तकनीक का उपयोग करके सीधे एक्सोप्लैनेट की छवि बनाना।
  • B.टेलीस्कोप डेटा का विश्लेषण करना और संभावित एक्सोप्लैनेट उम्मीदवारों की पहचान करना।
  • C.ग्रहों के सिस्टम के गठन का अनुकरण करना।
  • D.एक्सोप्लैनेट अनुसंधान के लिए नए अंतरिक्ष दूरबीनों को डिजाइन करना।
उत्तर देखें

सही उत्तर: B

एक्सोमाइनर++ को टेलीस्कोप डेटा, विशेष रूप से टीईएसएस जैसे मिशनों के डेटा का विश्लेषण करने के लिए डिज़ाइन किया गया है, ताकि एक्सोप्लैनेट के संकेत देने वाले पैटर्न की पहचान की जा सके। यह सीधे एक्सोप्लैनेट की छवि नहीं बनाता है (A), ग्रहों के निर्माण का अनुकरण नहीं करता है (C), या दूरबीनों को डिजाइन नहीं करता है (D)।

3. कथन (A): खगोल विज्ञान में बड़े डेटासेट का विश्लेषण करने और पैटर्न की पहचान करने के लिए आर्टिफिशियल इंटेलिजेंस का तेजी से उपयोग किया जा रहा है। कारण (R): डेटा विश्लेषण के पारंपरिक तरीके आधुनिक दूरबीनों द्वारा उत्पन्न डेटा की मात्रा और जटिलता को संभालने के लिए अपर्याप्त हैं। उपरोक्त कथनों के संदर्भ में, निम्नलिखित में से कौन सा सही है?

  • A.A और R दोनों सत्य हैं और R, A की सही व्याख्या है
  • B.A और R दोनों सत्य हैं लेकिन R, A की सही व्याख्या नहीं है
  • C.A सत्य है लेकिन R गलत है
  • D.A गलत है लेकिन R सत्य है
उत्तर देखें

सही उत्तर: A

कथन और कारण दोनों सत्य हैं। खगोल विज्ञान में वास्तव में AI का व्यापक रूप से उपयोग किया जा रहा है, और इसका कारण यह है कि पारंपरिक तरीके आधुनिक दूरबीनों द्वारा उत्पादित विशाल डेटासेट से जूझते हैं। इसलिए, R, A की सही व्याख्या है।

GKSolverआज की खबरें