সুপারকম্পিউটার ব্যবহার করে মহাবিশ্বের সিমুলেশন তৈরি করা জ্যোতির্বিদ্যার প্রেক্ষাপটে অত্যন্ত ব্যয়বহুল। কোটি কোটি গ্যালাক্সির বিবর্তন গণনা করতে শক্তিশালী কম্পিউটিং ক্লাস্টারগুলোর সপ্তাহের পর সপ্তাহ সময় লাগে। স্বাভাবিকভাবেই, জ্যোতির্বিজ্ঞানীরা এই একঘেয়ে কাজটি কৃত্রিম বুদ্ধিমত্তার হাতে ছেড়ে দিয়েছেন। তবে মুদ্রার একটি উল্টো পিঠও আছে। হিসাব-নিকাশের এই অপ্টিমাইজেশন নতুন পদার্থবিজ্ঞানের পথ প্রায় রুদ্ধ করে দিচ্ছিল।
ভিনা কৃষ্ণরাজ এবং অ্যাড্রিয়ান বায়ারের নেতৃত্বে প্রিন্সটন এবং ফ্ল্যাটিরন ইনস্টিটিউটের গবেষক দল কসমোলজিতে 'ট্রান্সফার লার্নিং' (transfer learning) পদ্ধতি ব্যবহারের সিদ্ধান্ত নিয়েছেন। নীতিটি চমৎকার: শুরু থেকে ভারী সিমুলেশন চালানোর পরিবর্তে, নিউরাল নেটওয়ার্ককে প্রথমে সাধারণ মহাবিশ্বের (Λ CDM) সহজ ও সাশ্রয়ী মডেলের ওপর 'প্রশিক্ষণ' দেওয়া হয়। এরপর এআই-কে উন্নত মডেলের ওপর সামান্য প্রশিক্ষণ দেওয়া হয়, যেখানে বিকল্প মহাকর্ষের নিয়ম কাজ করে বা নিউট্রিনোর ভর বিবেচনা করা হয়।
এতে সাশ্রয় হয়েছে আকাশচুম্বী। সুপারকম্পিউটারের খরচ দশ গুণেরও বেশি কমে গেছে। এটি কি বড় কোনো সাফল্য? পুরোপুরি নয়।
বিজ্ঞানীরা বিখ্যাত ভার্চুয়াল মহাবিশ্বের বিন্যাস Quijote ব্যবহার করে একটি লুকানো পদ্ধতিগত ত্রুটি খুঁজে পেয়েছেন। মেশিন লার্নিংয়ের ভাষায় একে 'নেতিবাচক স্থানান্তর' (negative transfer) বলা হয়। যখন নিউরাল নেটওয়ার্ক মৌলিকভাবে নতুন পদার্থবিজ্ঞানের কোনো নিদর্শনের মুখোমুখি হয়, তখন সে জেদ ধরে সেগুলোকে তার ইতিমধ্যে জানা পুরোনো অভিজ্ঞতার সঙ্গে মেলানোর চেষ্টা করে।
সমস্যাটি লুকিয়ে আছে তথাকথিত 'ফিজিক্যাল ডিজেনারেসি'র মধ্যে। এটি এমন একটি পরিস্থিতি যেখানে সম্পূর্ণ আলাদা মহাজাগতিক প্রক্রিয়া টেলিস্কোপের ছবিতে অভিন্ন চিহ্ন তৈরি করে। উদাহরণস্বরূপ, বিশাল ভরের নিউট্রিনো যেভাবে গ্যালাক্সি গুচ্ছকে প্রভাবিত করে, তা দৃশ্যত পদার্থের ঘনত্বের সাধারণ তারতম্য (sigma Q 8 প্যারামিটার) থেকে প্রায় আলাদা করা অসম্ভব। মৌলিক মডেলগুলোতে প্রশিক্ষিত এআই পরিচিত প্যাটার্ন দেখে আত্মবিশ্বাসের সাথে রিপোর্ট করে: "সব ঠিক আছে, এটি একটি আদর্শ মহাবিশ্ব।" নতুন পদার্থবিজ্ঞানের সংকেত স্রেফ অ্যালগরিদমের মাধ্যমে মুছে যায়।
আমাদের জন্য এর অর্থ কী? মহাজাগতিক অসঙ্গতি অনুসন্ধানে নিউরাল নেটওয়ার্কের স্বায়ত্তশাসনের ওপর এখন পর্যন্ত পুরোপুরি নির্ভর করা যাবে না। এআই একঘেয়ে কাজ দ্রুত করার জন্য চমৎকার, কিন্তু বিচ্যুতি অনুসন্ধানের চূড়ান্ত নিয়ন্ত্রণ মানুষের হাতেই থাকা প্রয়োজন।
বর্তমানে পদ্ধতিটি কৃত্রিম মডেলে পরীক্ষা করা হচ্ছে, তবে সামনে নতুন অপটিক্যাল টেলিস্কোপ থেকে প্রাপ্ত বিশাল তথ্যভাণ্ডার যাচাই করার কাজ বাকি রয়েছে। এই ত্রুটি বুঝতে পারা পদার্থবিদদের প্রশিক্ষণের অ্যালগরিদমগুলো সংশোধন করতে সাহায্য করবে। দীর্ঘমেয়াদে এটি আরও নমনীয় সিস্টেম তৈরির দিকে নিয়ে যাবে, যা কেবল পুরোনো পাঠ্যপুস্তক নিশ্চিত করবে না, বরং এমন অসঙ্গতিগুলোও শনাক্ত করতে পারবে যা স্থান এবং সময় সম্পর্কে আমাদের ধারণা বদলে দেবে।
অ্যালগরিদমের এই "অন্ধত্ব" বা সীমাবদ্ধতা মূলত ফিজিক্যাল ডিজেনারেসি বা শারীরিক অবক্ষয়ের কারণে ঘটে—এমন একটি পরিস্থিতি যেখানে মৌলিকভাবে ভিন্ন মহাজাগতিক প্রক্রিয়াগুলো অভিন্ন পর্যবেক্ষণযোগ্য সংকেত প্রদান করে।
এখন পর্যন্ত পদ্ধতিটি শুধুমাত্র কৃত্রিম তথ্যের ওপর পরীক্ষা করা হয়েছে। সামনে রয়েছে রাতের আকাশের বাস্তব পর্যবেক্ষণের মাধ্যমে যাচাইয়ের কাজ। এই গবেষণা স্পষ্টভাবে সীমানা নির্ধারণ করে দেয়: এআই একঘেয়ে গণনা কয়েক গুণ দ্রুত করতে সক্ষম, তবে স্ট্যান্ডার্ড মডেলের বাইরের অসঙ্গতিগুলোর চূড়ান্ত অনুসন্ধানে এখনও মানুষের কঠোর নিয়ন্ত্রণ প্রয়োজন। প্রযুক্তি আমাদের দ্রুত হাইপোথিসিস পরীক্ষার দিকে নিয়ে যাচ্ছে, যদি আমরা অ্যালগরিদমগুলোকে নিজস্ব ডেটাবেস সম্পর্কে সন্দেহ পোষণ করতে শেখাতে পারি।
