An Accelerated Nonlinear Contrast Source Inversion Scheme For Sparse Electromagnetic Imaging

कल्पना कीजिए कि आप एक जासूस हैं जो यह पता लगाने की कोशिश कर रहे हैं कि एक सीलबंद, अपारदर्शी (opaque) बक्से के अंदर क्या छिपा है। आप इसे खोल नहीं सकते, लेकिन आप बाहर से इस पर एक टॉर्च (या अदृश्य विद्युत चुम्बकीय तरंगों की एक किरण) चमका सकते हैं। छिपी हुई वस्तुओं से टकराकर वापस आने वाली रोशनी को मापकर, आप उसके अंदर की तस्वीर को फिर से बनाने की उम्मीद करते हैं। यह इलेक्ट्रोमैग्नेटिक इमेजिंग (विद्युत चुम्बकीय इमेजिंग) की दुनिया है, जिसका उपयोग हवाई जहाज के पंखों में दरारें खोजने से लेकर दीवारों के पार देखने या बिना सर्जरी के मानव शरीर के अंदर देखने तक सब कुछ करने के लिए किया जाता है।

हालाँकि, इसमें एक पेंच है: छिपी हुई वस्तु और टकराकर लौटने वाली रोशनी के बीच का संबंध अविश्वसनीय रूप से जटिल और "नॉनलीनियर" (nonlinear) है। इसे एक घाटी में गूँज (echo) सुनकर किसी चट्टान के आकार का अनुमान लगाने जैसा समझें; चट्टान के आकार, आकृति और सामग्री के आधार पर गूँज जंगली और अप्रत्याशित तरीकों से बदलती है। इसके अलावा, बॉक्स ज्यादातर खाली स्थान हो सकता है जिसमें बस कुछ छोटी वस्तुएं हों। गणित और भौतिकी की दुनिया में, इसे एक "स्पार्स" (sparse) समस्या कहा जाता है। इन पहेलियों को हल करने के पारंपरिक तरीके अक्सर अटक जाते हैं, गणना करने में बहुत समय लेते हैं, या धुंधली और गलत तस्वीरें बनाते हैं क्योंकि वे छिपी हुई वस्तुओं के विशिष्ट, तीखे किनारों को खोजने के बजाय विवरणों को सुचारू (smooth) बनाने की कोशिश करते हैं।

यह शोध पत्र इस पहेली को हल करने का एक नया, तेज़ और अधिक स्पष्ट तरीका पेश करता है। लेखक, अली आई. संधू, अब्दुल्ला देस्मल और हकान बागसी, एक चतुर एल्गोरिदम प्रस्तावित करते हैं जिसे "एक्सेलेरेटेड नॉनलीनियर कॉन्ट्रास्ट सोर्स इन्वर्जन" (A-PASD-CS) कहा जाता है। गणित की समस्या को हल करने के लिए छोटे, सतर्क कदम उठाने के बजाय—जो एक कमरे को एक-एक इंच के कदमों से पार करने जैसा है—वे एक "सेल्फ-अडैप्टिव" (स्व-अनुकूलन योग्य) रणनीति का उपयोग करते हैं जो उन्हें उत्तर की ओर बड़े, आत्मविश्वासी कदम उठाने की अनुमति देती है। वे इसे "कॉन्ट्रास्ट सोर्स फॉर्मुलेशन" नामक एक गणितीय ट्रिक के साथ जोड़ते हैं, जो समस्या को सेट करने के तरीके को बदल देता है ताकि उन भारी गणनाओं से बचा जा सके जो आमतौर पर काम को धीमा कर देती हैं।

यह शोध पत्र यह दावा नहीं करता है कि उन्होंने ब्रह्मांड की हर इमेजिंग समस्या को हल कर लिया है, लेकिन उनके कंप्यूटर सिमुलेशन में, यह नया तरीका मौजूदा तकनीकों की तुलना में काफी तेज़ और अधिक सटीक साबित हुआ। कोएक्सियल रिंग्स (coaxial rings) और प्रसिद्ध "ऑस्ट्रिया" प्रोफाइल (इस क्षेत्र में एक मानक परीक्षण आकार) जैसे डिजिटल मॉडल पर परीक्षण करते समय, इस नए तंत्र ने पुराने तरीकों की तुलना में बहुत कम समय में एक स्पष्ट, तीखी छवि प्राप्त की। इसने शोर वाले डेटा (noisy data) और जटिल सामग्रियों को सफलतापूर्वक संभाला, जिससे पता चलता है कि यह वास्तविक दुनिया की बड़ी समस्याओं के लिए विद्युत चुम्बकीय इमेजिंग को व्यावहारिक बनाने के लिए एक शक्तिशाली उपकरण हो सकता है जहाँ गति और सटीकता मायने रखती है।

जासूस का नया सुपर-टूल

आइए समझते हैं कि यह नया जासूसी उपकरण कैसे काम करता है, कुछ रोजमर्रा के उदाहरणों का उपयोग करके।

समस्या: धुंधला दर्पण
कल्पना कीजिए कि आप एक ऐसे दर्पण में अपना प्रतिबिंब देखने की कोशिश कर रहे हैं जो घनी धुंध से ढका हुआ है। यहाँ "धुंध" शोर (noise) और समस्या की गणितीय कठिनाई है। यदि आप एक धीमी, कोमल कपड़े से दर्पण को पोंछने की कोशिश करते हैं (पुराने तरीके), तो इसमें बहुत समय लगता है, और आप शायद अपने चेहरे के विवरण भी चूक सकते हैं। यदि दर्पण भी अजीब तरह से मुड़ा हुआ है (वह "नॉनलीनियर" हिस्सा), तो उसे धीरे से पोंछने से छवि केवल फैल सकती है।

पुराना तरीका: धीमा पदयात्री
इस समस्या को हल करने के पिछले तरीके अंधेरे में घाटी के निचले हिस्से को खोजने की कोशिश करने वाले एक पदयात्री (hiker) की तरह थे। वे एक कदम उठाते, देखते कि क्या वे नीचे आए हैं, फिर एक और छोटा कदम लेते, और यही दोहराते। यदि भूभाग कठिन था (तीखे किनारों वाली स्पार्स वस्तुएं), तो पदयात्री एक छोटे गड्ढे (लोकल मिनिमम) में फंस जाता और सोचता कि वह नीचे पहुँच गया है, भले ही असली घाटी कहीं दूर हो। या, वे इतनी धीरे चलते कि सूरज ढलने से पहले कभी पहुँच ही नहीं पाते (कंप्यूटेशनल सीमाएं)।

नया तरीका: सेल्फ-एडजस्टिंग स्केटबोर्डर
लेखकों की नई योजना, A-PASD-CS, एक ऐसे स्केटबोर्डर की तरह है जो जानता है कि बिना दुर्घटना के वे कितनी तेजी से जा सकते हैं।

1. "सेल्फ-अडैप्टिव" गति: एक निश्चित कदम के आकार के बजाय, यह स्केटबोर्डर हर सेकंड ढलान की जांच करता है। यदि रास्ता चिकना और सुरक्षित है, तो वे गति बढ़ाते हैं और बड़ी छलांग लगाते हैं। यदि उन्हें कोई झटका महसूस होता है, तो वे तुरंत धीमे हो जाते हैं। यह "सेल्फ-अडैप्टिव" विशेषता यह सुनिश्चित करती है कि वे उस समय छोटे कदम न लें जब वे तेजी से आगे बढ़ सकते थे।
2. "प्रोजेक्शन" ट्रिक: कल्पना कीजिए कि स्केटबोर्डर एक संकीकर पथ (L1-norm ball) पर रहने की कोशिश कर रहा है। हर बार जब वे रास्ते से भटकते हैं, तो एक जादुई शक्ति उन्हें वापस पथ पर धकेल देती है, लेकिन केवल इतना ही कि वे ट्रैक पर बने रहें बिना अपनी गति खोए। यह सुनिश्चित करता है कि समाधान "स्पार्स" बना रहे—यानी यह केवल महत्वपूर्ण, गैर-शून्य भागों (वास्तविक वस्तुओं) को उजागर करता है और खाली स्थान को अनदेखा करता है।
3. "कॉन्ट्रास्ट सोर्स" शॉर्टकट: आमतौर पर, प्रकाश कैसे टकराता है, इसकी गणना करने के लिए आपको बहुत अधिक भारी काम करना पड़ता है, जैसे हर एक कदम के लिए एक विशाल जिगसॉ पहेली को हल करना। नया तरीका एक "कॉन्ट्रास्ट सोर्स" फॉर्मुलेशन का उपयोग करता है, जो एक पहले से हल किए गए मानचित्र (map) के पास होने जैसा है। यह पहेली के वेरिएबल्स को बदल देता है ताकि हर कदम पर भारी गणना (मैट्रिक्स इन्वर्जन) की आवश्यकता न पड़े। यह हर एक चाल को बहुत सस्ता और तेज़ बनाता है।

आंकड़े क्या कहते हैं

लेखकों ने अपने नए स्केटबोर्डर का परीक्षण दो अन्य रेसर के खिलाफ किया:

1. SP-IN-CS: एक विधि जो "प्रीकंडीशनड इनएक्सैक्ट न्यूटन" दृष्टिकोण का उपयोग करती है। यह एक बहुत ही बुद्धिमान पदयात्री की तरह है जिसके पास एक नक्शा है लेकिन फिर भी उसे सावधानी से चलना पड़ता है।
2. MR-CS: एक "मल्टी-रेज़ोल्यूशन" विधि जो एक धुंधली तस्वीर से शुरू होती है और धीरे-धीरे ज़ूम इन करती है। यह एक धुंधली खिड़की के माध्यम से फोटो देखने और धीरे-धीरे उसे साफ करने जैसा है।

अपने सिमुलेशन में, नया A-PASD-CS तरीका भारी अंतर से रेस जीत गया।

• कोएक्सियल टेस्ट: उन्होंने एक "कोएक्सियल" आकार (एक रिंग के अंदर एक रिंग) की इमेजिंग करने की कोशिश की। नए तरीके ने 501 सेकंड में एक स्पष्ट छवि बनाई जिसका त्रुटि दर (error rate) 38% था। अन्य तरीकों ने अधिक समय लिया (क्रमशः 504 और 501 सेकंड) लेकिन उनकी त्रुटि दर बहुत अधिक थी (60% और 44%)। नए तरीके को वहां तक पहुँचने के लिए बहुत कम "कदम" (iterations) की भी आवश्यकता थी: 7,830 कदम, जबकि न्यूटन विधि के लिए 72 (जो प्रति कदम बहुत धीमी थी) और मल्टी-रेज़ोल्यूशन विधि के लिए पूरे 7,905 कदम लगे।
• ऑस्ट्रिया टेस्ट: उन्होंने "ऑस्ट्रिया" प्रोफाइल नामक एक अधिक जटिल आकार का परीक्षण किया। फिर से, नया तरीका सबसे तेज़ और सबसे सटीक था, जिसने 501 सेकंड में 39% की त्रुटि दर हासिल की, जबकि अन्य तरीके 56% से अधिक की त्रुटियों के साथ संघर्ष कर रहे थे।

यहाँ तक कि जब उन्होंने डेटा में "शोर" (noise) जोड़ा (एक बहुत ही धुंधले दिन या हिलती हुई टॉर्च का अनुकरण करते हुए), तो नया तरीका अच्छी तरह से टिका रहा, और केवल तभी सटीकता खोई जब शोर अत्यधिक (10 dB) हो गया।

निष्कर्ष

यह शोध पत्र यह दावा नहीं करता है कि उन्होंने किसी भी चीज़ को तुरंत देख लेने वाली कोई जादुई मशीन बनाई है। इसके बजाय, यह एक परिष्कृत गणितीय रणनीति पेश करता है जो विद्युत चुम्बकीय इमेजिंग की मौजूदा प्रक्रिया को काफी कुशल बनाती है। एक स्मार्ट, गति-समायोजन एल्गोरिदम को एक चतुर समीकरण सेटअप के साथ जोड़कर, लेखकों ने दिखाया है कि छिपी हुई वस्तुओं की स्पार्स, तीखी छवियां पहले की तुलना में बहुत तेज़ी से और अधिक सटीकता से बनाना संभव है।

लेखक स्वीकार करते हैं कि उनके वर्तमान तरीके में अभी भी कुछ मापदंडों (parameters) के लिए "ट्यूनिंग" की आवश्यकता है—जैसे स्केटबोर्डर के सेंसर की संवेदनशीलता को समायोजित करना। वे पहले से ही इस ट्यूनिंग को स्वचालित करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करने पर काम कर रहे हैं, जो भविष्य में इस उपकरण को उपयोग करने में और भी आसान बना सकता है। फिलहाल, सिमुलेशन बताते हैं कि यह दृष्टिकोण वास्तविक दुनिया के अनुप्रयोगों के लिए उच्च-गति, उच्च-परिशुद्धता वाली विद्युत चुम्बकीय इमेजिंग को वास्तविकता बनाने की दिशा में एक आशाजनक कदम है।