AI এবং বিশ্বের কঠিন সমস্যাগুলো · জ্যোতির্বিজ্ঞান ও মহাকাশ · arXiv · 2026-10-22

জ্যোতির্পদার্থীয় টার্বুলেন্সে ML I: eXtreme Gradient Boosting ব্যবহার করে চুম্বকিত আণবিক মেঘে প্রাক-নাক্ষত্রিক কোরের পূর্বাভাস

মূল শিরোনাম: ML in Astrophysical Turbulence I: Predicting Prestellar Cores in Magnetized Molecular Clouds using eXtreme Gradient Boosting

বিশাল আণবিক মেঘে—যেখানে সুপারসনিক টার্বুলেন্স ও চৌম্বক ক্ষেত্র কোন কোন গ্যাসখণ্ড নাক্ষত্র-গঠনকারী কোরে সংকুচিত হবে তা পূর্বানুমান করা কঠিন করে তোলে—লেখকেরা একটি XGBoost ফ্রেমওয়ার্ক উপস্থাপন করেছেন, যা প্রাক-নাক্ষত্রিক গ্যাসের 3D গতিপথ ও মহাকর্ষীয় সংকোচনের পরিণতি পূর্বাভাস করে এবং যা স্ব-মহাকর্ষীয় টার্বুলেন্ট MHD সিমুলেশন থেকে নেওয়া প্রায় 2.1 মিলিয়ন ট্রেসার কণার ওপর প্রশিক্ষিত। মডেলটি 0.25 মুক্ত-পতন সময়ের (প্রায় 0.31 Myr) মধ্যে R² > 0.99 নির্ভুলতায় 3D স্থানিক বিবর্তন পূর্বাভাস করে এবং AUC 0.975 দিয়ে কোরের সংবেদনশীলতার ক্রম নির্ধারণ করে; পাশাপাশি SHAP বিশ্লেষণ দেখায় যে স্থানীয় ঘনত্ব, গতিশক্তি ও চৌম্বক ক্ষেত্রের মান প্রধান ভূমিকা রাখে, আর মডেলটি log₁₀ρ ≈ 0.8-এ একটি তীক্ষ্ণ অরৈখিক সংকোচন প্রান্তিকতা পুনরায় প্রতিপাদন করে, যার ঊর্ধ্বে চৌম্বক ক্ষেত্র সংকোচন-পূর্বাভাসকে বিবর্ধিত করে। গবেষণাটি আরও দেখায় যে পয়েন্ট-ওয়াইজ ML মডেলগুলো কাইনেম্যাটিক অ্যাডভেকশনে শক্তিশালী হলেও, ভৌতভাবে সংকোচন বন্ধ করে এমন স্থানীয় ডিফারেনশিয়াল অপারেটর মূল্যায়নের জন্য প্রয়োজনীয় স্থানিক প্রসঙ্গ গাণিতিকভাবে তাদের থাকে না।

মূল লেখা পড়ুন ↗

সব আইটেম →