





Welcome to Galaxy Zoo : Rubin, our first look at early data from the Vera C. Rubin Observatory. Click the Rubin workflow in orange below to dive in.
प्रथम स्तर पर, किसी आकाशगंगा की संरचना उसमें मौजूद तारों की कक्षीय गतिशीलता (orbital dynamics) का संकेत देती है, लेकिन इसके साथ-साथ यह उन प्रक्रियाओं की छाप भी रखती है जो आकाशगंगाओं में तारा निर्माण (star formation) और नाभिकीय गतिविधि (nuclear activity) को नियंत्रित करती हैं।
दृश्य संरचना (visual morphology) से प्राप्त वर्गीकरण अन्य भौतिक गुणों के साथ मज़बूती से सहसंबद्ध होते हैं।
एक उदाहरण के रूप में, यदि किसी आकाशगंगा में कई नाभिक (multiple nuclei) और विस्तारित ज्वारीय संरचनाएँ (extended tidal features) मौजूद हों, तो यह संकेत देता है कि तारा निर्माण को प्रेरित करने वाली प्रमुख प्रक्रिया एक चल रहा विलय (ongoing merger) है।
इसी प्रकार, ऐसी संरचनाओं की अनुपस्थिति यह दर्शाती है कि आकाशगंगा का विकास धीमी (secular) प्रक्रियाओं द्वारा संचालित हो रहा है।
परंपरागत रूप से, आकाशगंगा की संरचना दो तरीकों से निर्धारित की जाती रही है:
आकाशगंगा की छवियों का दृश्य निरीक्षण (visual inspection)
(जैसे: Hubble 1926, de Vaucouleurs 1991, और हाल में Nair and Abraham 2010)
संरचनात्मक पैरामीटरों के माध्यम से, जैसे:
Concentration, Asymmetry, Clumpiness, M20, Gini coefficient आदि
(जैसे: Conselice 2003, Lotz et al. 2008)
कड़ाई से कहें तो ये पैरामीटर संरचना के प्रतिनिधि संकेतक (morphological proxies) होते हैं, जिनमें अपने-अपने पूर्वाग्रह (biases) होते हैं। इसलिए इन्हें आमतौर पर दृश्य निरीक्षण के साथ जाँच और कैलिब्रेट किया जाता है।
दृश्य विधि सामान्यतः छवियों में signal-to-noise और resolution के बदलने पर अधिक मज़बूत रहती है, जिससे यह आकाशगंगा की संरचना निर्धारित करने की एक आदर्श विधि बनती है।
हालाँकि, बहुत बड़े सर्वे-स्तरीय डेटा सेट्स के लिए, व्यक्तिगत रूप से (या छोटे शोध समूहों द्वारा) दृश्य निरीक्षण करना अत्यधिक समय लेने वाला हो सकता है। ऐसे मामलों में संरचनात्मक पैरामीटर उपयोगी सिद्ध होते हैं।
Galaxy Zoo (Lintott et al. 2008, 2011) की शुरुआत जुलाई 2007 में हुई और इसने बड़े पैमाने पर सर्वे डेटा के लिए दृश्य वर्गीकरण की एक नई पद्धति को आगे बढ़ाया।
सामान्य जनता के पाँच लाख से अधिक सदस्यों के साथ मिलकर, परियोजना के पहले चरण में Sloan Digital Sky Survey (SDSS) के पूरे स्पेक्ट्रोस्कोपिक सैंपल — लगभग 10 लाख आकाशगंगाओं — को प्रत्यक्ष दृश्य निरीक्षण के माध्यम से वर्गीकृत किया गया।
प्रत्येक आकाशगंगा के लिए औसतन 40 से अधिक वर्गीकरण प्राप्त हुए, जिससे न केवल एक दृश्य वर्गीकरण मिला बल्कि उससे जुड़ी अनिश्चितता (uncertainty) का भी अनुमान लगाया जा सका, जो केवल कुछ मानव वर्गीकरणकर्ताओं के साथ करना कठिन होता है।
यह सिद्ध किया गया कि Galaxy Zoo द्वारा किए गए वर्गीकरणों की सटीकता विशेषज्ञ खगोलविदों द्वारा किए गए वर्गीकरणों के बराबर है।
Galaxy Zoo का विज्ञान कार्यक्रम विविध विषयों में योगदान देता है, विशेष रूप से निकटवर्ती और मध्यम-रेडशिफ्ट ब्रह्मांड पर केंद्रित।
कुछ हालिया उदाहरणों में शामिल हैं:
Galaxy Zoo की स्वचालित संरचनात्मक मापों पर एक बड़ी विशेषता यह है कि इसमें अप्रत्याशित खोजों (serendipitous discoveries) की संभावना होती है, जो अक्सर स्वयंसेवकों द्वारा Galaxy Zoo Forum पर की गई चर्चाओं से सामने आती हैं।
इन खोजों में शामिल हैं:
रंग (color) और संरचना (morphology) दोनों की जानकारी वाले बड़े आकाशगंगा नमूने की उपलब्धता से यह महत्वपूर्ण निष्कर्ष निकला कि पर्यावरण के साथ सबसे मज़बूत सहसंबंध रंग का है, न कि संरचना का
(Bamford et al. 2009; Skibba et al. 2009),
जिससे कुछ रोचक उप-वर्ग सामने आए, जैसे:
Galaxy Zoo परियोजना का उद्देश्य विभिन्न वैज्ञानिक प्रश्नों के उत्तर देना, भविष्य के उपकरणों के लिए संरचनात्मक अध्ययन की नींव तैयार करना, और अत्यधिक रेडशिफ्ट वाली संरचना-आधारित आकाशगंगा सैंपल तैयार करना है, जिनका उपयोग अत्यंत विशाल दूरबीनों और ALMA जैसे उपकरणों से अनुवर्ती अध्ययन में किया जा सके।
Galaxy Zoo की शुरुआत एक विशेष सर्वे के साथ हुई थी, लेकिन अब यह किसी भी दूरबीन से प्राप्त आकाशगंगा छवियों के विश्लेषण की एक तकनीक बन चुका है।
2007 में लॉन्च होने के बाद से, Galaxy Zoo ने कई दूरबीनों से प्राप्त छवियों का उपयोग किया है, जिनमें शामिल हैं:
हमने कितने चरण चलाए हैं, इसका सही-सही हिसाब हम भी भूल चुके हैं, लेकिन Galaxy Zoo Wikipedia page के अनुसार यह संख्या कम से कम 15 है।
और हमारे पास Galaxy Zoo Results Page पर मुख्य डेटा सेट्स और चरणों का सारांश भी उपलब्ध है।