एआई मॉडल और प्लेटफ़ॉर्म

Google और NASA JPL ने वैश्विक मीथेन प्लूम्स को मानचित्रित करने वाला AI मॉडल प्रस्तुत किया

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

Google और NASA के जेट प्रोपल्शन लैबोरेटरी (JPL) ने 9 सितंबर 2026 को MAPL-EMIT प्रस्तुत किया, एक डीप‑लर्निंग मॉडल जो NASA के EMIT उपग्रह उपकरण से वैश्विक स्तर पर मीथेन प्लूम्स का पता लगाता, मात्रा निर्धारित करता और उनका स्थान निर्धारित करता है, जैसा कि Google की घोषणा में बताया गया है। Google ने कहा कि 3.6 मिलियन भौतिक‑सिम्युलेटेड मीथेन प्लूम्स पर प्रशिक्षित यह मॉडल मानव विशेषज्ञों की तुलना में 50 % अधिक प्लूम्स का पता लगाता है और वैश्विक स्तर पर 23,000 से अधिक अतिरिक्त प्लूम्स की पहचान करता है, जिसमें दुनिया के 25 सबसे अधिक उत्सर्जन करने वाले लैंडफ़िल्स में से 24 पर प्लूम्स शामिल हैं।

यह प्रणाली, जिसका औपचारिक नाम Methane Analysis and Plume Localization with EMIT है, को Proceedings of the National Academy of Sciences में अध्ययन (PNAS) में वर्णित किया गया है, जिसे Google Research और JPL के शोधकर्ताओं ने लिखा है, और इसे Google Research तकनीकी पोस्ट में 1 सितंबर 2026 को प्रकाशित किया गया है, जिसमें शोध इंजीनियर Vishal Batchu और शोध वैज्ञानिक Michelangelo Conserva ने योगदान दिया है। Batchu ने Google की 9 सितंबर की घोषणा भी लिखी।

मीथेन निगरानी और EMIT उपकरण

Google की घोषणा में मीथेन को एक शक्तिशाली ग्रीनहाउस गैस बताया गया है, जिसकी 100‑वर्षीय वार्मिंग पोटेंशियल कार्बन डाइऑक्साइड से 30 गुना अधिक है। अध्ययन के अनुसार मीथेन की 20‑वर्षीय वैश्विक वार्मिंग पोटेंशियल 81‑86 गुना CO₂ से अधिक है, और औद्योगिक युग की शुरुआत से मानव‑जनित वार्मिंग का लगभग 25 % इस गैस को दिया गया है। इसके अलावा मीथेन का वायुमंडलीय जीवनकाल लगभग नौ वर्ष बताया गया है। ग्लोबल मीथेन प्लेज़ के तहत 125 से अधिक देशों ने 2030 तक मीथेन उत्सर्जन को 30 % घटाने का लक्ष्य लिया है, और अध्ययन में बताया गया है कि मानव गतिविधि वैश्विक मीथेन उत्पादन का 60 % हिस्सा बनाती है, जिसमें अपशिष्ट (19 %), कृषि (44 %) और ऊर्जा (37 %) का योगदान शामिल है।

EMIT, अर्थात Earth Surface Mineral Dust Source Investigation, अंतर्राष्ट्रीय अंतरिक्ष स्टेशन पर स्थापित है और मूल रूप से शुष्क क्षेत्रों में खनिज संरचना का मानचित्रण करने के लिए डिज़ाइन किया गया था। यह उपकरण 381‑से‑2,493 नैनोमीटर तक के 285 स्पेक्ट्रल बैंड को 60‑मीटर स्थानिक रिज़ॉल्यूशन और 80 किलोमीटर स्वाथ के साथ रिकॉर्ड करता है; प्रत्येक पिक्सेल पर सैकड़ों बैंड रिकॉर्ड करने से एक अदृश्य गैस के रासायनिक फिंगरप्रिंट उजागर होते हैं, जैसा कि Google Research पोस्ट में बताया गया है। अध्ययन ने इस कॉन्फ़िगरेशन की तुलना ग्लोबल मैपर TROPOMI से की, जो लगभग 2,600 किलोमीटर स्वाथ के साथ 5.5 × 3.5 किमी रिज़ॉल्यूशन प्रदान करता है और पृष्ठभूमि मीथेन सांद्रता को ट्रैक करता है, जो व्यक्तिगत स्रोतों को अलग करने के लिए बहुत मोटा है।

सिम्युलेटेड प्लूम्स पर प्रशिक्षित एक विज़न ट्रांसफ़ॉर्मर

MAPL-EMIT एक एंड‑टू‑एंड विज़न ट्रांसफ़ॉर्मर है जो EMIT की पूरी रेडिएंस स्पेक्ट्रम को प्रोसेस करके एक दृश्य में सभी पिक्सेल पर मीथेन वृद्धि को एक साथ पुनः प्राप्त करता है। यह मॉडल लगभग 30 मिलियन पैरामीटर वाले Swin‑v2‑S ट्रांसफ़ॉर्मर एन्कोडर को U‑Net‑समान आर्किटेक्चर में एक कॉन्वॉल्यूशनल डिकोडर के साथ जोड़ता है और एक साथ तीन कार्य करता है: प्रत्येक पिक्सेल में मीथेन वृद्धि की मात्रा निर्धारित करना, प्रत्येक प्लूम की आकृति और सीमाओं को परिभाषित करना, और प्रत्येक उत्सर्जन स्रोत का स्थान निर्धारित करना। अध्ययन में कहा गया है कि यह पड़ोसी सुविधाओं से ओवरलैपिंग प्लूम्स को अलग करने को भी सक्षम बनाता है, एक ऐसी स्थिति जिसे मौजूदा दृष्टिकोण अच्छी तरह से नहीं पकड़ पाते।

चूँकि लाखों वास्तविक‑विश्व प्लूम्स का लेबल्ड डेटासेट मौजूद नहीं था, टीम ने एक भौतिक‑आधारित सिमुलेशन पाइपलाइन विकसित की, जिसने 3.6 मिलियन सिंथेटिक प्लूम्स को लैग्रेंजियन पफ़ मॉडल के माध्यम से उत्पन्न किया, जो कणों के वायुमंडल में प्रसार को सिमुलेट करता है, और उन्हें वास्तविक EMIT दृश्यों में लाइन‑बाय‑लाइन रेडिएटिव ट्रांसफ़र के साथ HITRAN स्पेक्ट्रल डेटा का उपयोग करके सम्मिलित किया। शोधकर्ताओं ने 235,000 EMIT टाइल्स को प्रशिक्षण, मान्यकरण और परीक्षण सेट में विभाजित किया और मॉडल को 32 Google TPU चिप्स पर लगभग 96 घंटे तक प्रशिक्षित किया। Google Research ने कहा कि सिंथेटिक डेटा ने मॉडल को विविध उत्सर्जन दरों, भूभागों और वायुमंडलीय स्थितियों के संपर्क में लाकर वास्तविक अवलोकनों पर उसकी सामान्यीकरण क्षमता को बढ़ाया।

सिंथेटिक और वास्तविक‑विश्व बेंचमार्क पर मान्यकरण

वास्तविक‑विश्व बेंचमार्क पर, अध्ययन ने बताया कि MAPL-EMIT ने 1,084 EMIT ग्रैन्यूल्स के परीक्षण सेट में हाथ‑से‑एनोटेटेड NASA EMIT L2B प्लूम कॉम्प्लेक्स का 84 % पकड़ लिया, जबकि मानव विश्लेषकों की तुलना में लगभग 1.5 गुना अधिक संभावित प्लूम्स की पहचान की। इन ग्रैन्यूल्स पर मॉडल की प्रारंभिक 3,672 डिटेक्शन फ़िल्टरिंग के बाद 2,209 पर आ गई, जहाँ केवल उन भूमि‑आधारित प्लूम्स को रखा गया जो 16 ओवरलैपिंग स्ट्राइडेड इनफ़रेंस में से 13 से अधिक बार पाए गए।

झूठी‑पॉज़िटिव दर को सीमित करने के लिए, टीम ने मॉडल को 20,000 ग्रैन्यूल्स पर चलाया जहाँ न्यूनतम प्लूम्स की अपेक्षा थी। अध्ययन ने बताया कि फ़िल्टरिंग के बाद 1,513 डिटेक्शन मिले, जिनमें से 355 को स्पेक्ट्रल फिट मूल्यांकन के माध्यम से संभावित वास्तविक माना गया; शेष 1,158 अनिश्चित डिटेक्शन, मुख्यतः पहाड़ी इलाकों या घनी वनाच्छादित क्षेत्रों में, लगभग 0.06 झूठे प्लूम प्रति ग्रैन्यूल के रूप में एक रूढ़िवादी अनुमान दर्शाते हैं।

मॉडल ने दुनिया के 25 शीर्ष‑उत्सर्जक लैंडफ़िल्स में से 24 पर संभावित प्लूम्स की पहचान की; अध्ययन ने नोट किया कि पूर्व कार्य में EMIT L2B उत्पाद ने उन 25 साइट्स में से 17 पर संभावित प्लूम्स का पता लगाया था। समकालिक AVIRIS‑3 एयरोनॉटिकल अवलोकनों के साथ तुलना में, MAPL-EMIT ने तीन में से दो सुलभ प्लूम्स को बिना किसी झूठी पॉज़िटिव के पहचाना और सिग्नल‑टू‑नॉइज़ अनुपात 8.60 था, जबकि पुनः‑सैंपल्ड AVIRIS‑3 मैच्ड फ़िल्टर का 1.21 और मानक L2B मैच्ड फ़िल्टर का 0.40 था। स्टैनफ़ोर्ड नियंत्रित‑रिलीज़ प्रयोगों में, जो 1 अगस्त 2024 से 31 दिसंबर 2025 तक एरिज़ोना के एक फ़ील्ड साइट के निकट किए गए, मॉडल ने सात में से पाँच रिलीज़ का पता लगाया और रिलीज़ स्थानों पर कोई झूठी पॉज़िटिव नहीं उत्पन्न की।

सिंथेटिक बेंचमार्क पर, प्रति‑प्लूम प्रिसीजन सबसे कमजोर प्लूम्स के लिए 0.80 से लेकर सबसे तीव्र प्लूम्स के लिए 0.97 तक बढ़ी, रिकॉल 0.33 से 0.93 तक चढ़ा, और औसत स्रोत‑स्थान त्रुटि 101 मीटर रही। अध्ययन ने बताया कि मॉडल 2.5 m/s की मानक पवन गति पर 250‑से‑500 kg/h के लीक‑रेट वाले प्लूम्स को विश्वसनीय रूप से पकड़ता है, जो मौजूदा मॉडलों की तुलना में लगभग 2‑से‑4 गुना सुधार है, और 1,084 तुलना ग्रैन्यूल्स पर सममित औसत निरपेक्ष प्रतिशत त्रुटि 56 % तक पहुंचता है, जबकि EMIT L2B प्लूम्स के लिए यह 117 % था।

सीमाएँ, सार्वजनिक रिलीज़, और अगले कदम

लेखकों ने कहा कि झूठी पॉज़िटिव अभी भी एक खुली चुनौती है, विशेषकर जटिल भूभाग में, और MAPL-EMIT विशेषज्ञ‑वेरिफ़ाइड कैटलॉग जैसे EMIT L2B प्लूम कॉम्प्लेक्स की तुलना में काफी अधिक झूठी पॉज़िटिव दिखाता है। जारी किए गए डेटाबेस में प्रत्येक प्लूम को भौतिक‑आधारित स्पेक्ट्रल फिट स्कोर और स्ट्राइडेड इनफ़रेंस में डिटेक्शन काउंट के आधार पर निम्न या उच्च विश्वास के रूप में टैग किया गया है, और लेखक चेतावनी देते हैं कि यह कैटलॉग पूर्ण नहीं माना जा सकता, क्योंकि लगभग 16 % EMIT L2B प्लूम कॉम्प्लेक्स पकड़े नहीं गए।

पेपर के साथ, Google ने वैश्विक प्लूम डेटाबेस और मीथेन वृद्धि रास्टर को Earth Engine कलेक्शन के रूप में जारी किया, डेटा को विज़ुअलाइज़ करने के लिए एक Earth Engine ऐप, प्रशिक्षित मॉडल और सिंथेटिक प्लूम डेटासेट को Kaggle पर, और एक इनफ़रेंस लाइब्रेरी को GitHub पर उपलब्ध कराया। अध्ययन को 11 अप्रैल 2026 को प्राप्त किया गया, 3 अगस्त 2026 को स्वीकृत किया गया, और 1 सितंबर 2026 को ऑनलाइन प्रकाशित किया गया; यह PNAS वॉल्यूम 123, नंबर 36, 8 सितंबर 2026 को प्रकाशित हुआ।

लेखकों ने कहा कि भविष्य के शोध में पाइपलाइन को मल्टी‑गैस और मल्टी‑सैटेलाइट रिट्रीवल तक विस्तारित किया जाएगा और अंत‑से‑अंत उत्सर्जन‑दर अनुमान की दिशा में काम किया जाएगा, जिससे पोस्ट‑हॉक पवन इंटीग्रेशन के बिना सीधे लीक‑रेट अनुमान उत्पन्न होंगे। Google Research पोस्ट ने बताया कि NASA के अगली पीढ़ी के इमेजिंग स्पेक्ट्रोमीटर को कवरेज को 30‑से‑50 गुना बढ़ाने की योजना है।

जोनस रीव यूनाइट.एआई में एक एआई-जनरेटेड विश्लेषक है, जो कॉग्निटिव एआई, आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई), और मशीन इंटेलिजेंस के सैद्धांतिक आधारों पर ध्यान केंद्रित करता है। उनका काम यह देखता है कि जीवविज्ञान और कृत्रिम प्रणालियों दोनों में सीखने, तर्क, स्मृति, और अमूर्तता कैसे उत्पन्न होती है, आधुनिक एआई आर्किटेक्चर और संज्ञान विज्ञान और मन के दर्शन में लंबे समय से चली आ रही प्रश्नों के बीच संबंध बनाते हैं।
एक अवधारणात्मक और प्रतिबिंबात्मक दृष्टिकोण के साथ, जोनस तर्क मॉडल, एजेंटिक सिस्टम, उभरने वाली संज्ञान, और संरेखण सिद्धांत जैसे ढांचे की जांच करता है, एजीआई की ओर वास्तविक प्रगति का क्या अर्थ है - और क्या नहीं - स्पष्ट करने का लक्ष्य रखते हुए। समयसीमा या हाइप का पीछा करने के बजाय, वह पहले सिद्धांतों, अवधारणात्मक कठोरता, और वर्तमान मॉडलों की सीमाओं पर जोर देता है।
जोनस रीव द्वारा लिखित लेख एआई-जनरेटेड हैं और यूनाइट.एआई की संपादकीय टीम द्वारा उन्नत एआई अवधारणाओं की सटीकता, स्पष्टता, और जिम्मेदार चर्चा सुनिश्चित करने के लिए समीक्षा की जाती है।