Velocity surface disorder of large deviation rates for high-dimensional random walk in strongly mixing environment

एक यात्री की कल्पना करें जो एक ऐसे परिदृश्य के माध्यम से यात्रा कर रहा है जो स्थिर नहीं है, बल्कि हर कदम के साथ बदलता और परिवर्तित होता है। भौतिकी और गणित की दुनिया में, यह 'रैंडम एनवायरनमेंट में रैंडम वॉक' (random walk in a random environment) का सार है। एक साधारण ग्रिड पर चलते पथ के बजाय, यात्री एक ऐसे भूभाग का सामना करता है जहाँ किसी भी दिशा में जाने की संभावना स्थानीय परिस्थितियों द्वारा निर्धारित होती है, जो स्थान दर स्थान बदलती रहती हैं। कभी-कभी ये परिस्थितियाँ एक-दूसरे से पूरी तरह स्वतंत्र होती हैं, जैसे दूर के शहरों में मौसम; अन्य समय में, वे आपस में जुड़ी होती हैं, जैसे एक कमरे का तापमान जहाँ एक कोने की गर्मी अगले कोने को प्रभावित करती है। वैज्ञानिक लंबे समय से इस बात से मंत्रमुग्ध रहे हैं कि ऐसा यात्री विशाल दूरियों तक कैसे व्यवहार करता है। वे जानते हैं कि यदि यात्री पर्याप्त दूर तक जाता है, तो उसकी औसत गति एक अनुमानित पैटर्न में स्थिर हो जाती है, जिसे एक स्थिर बहाव (steady drift) के रूप में जाना जाता है, जिसे 'लॉ ऑफ लार्ज नंबर्स' (law of large numbers) कहते हैं। हालाँकि, गहरा प्रश्न उन दुर्लभ क्षणों के बारे में है जब यात्री औसत से काफी विचलित हो जाता है। यह कितनी संभावित है कि यात्री अपने मार्ग से बहुत दूर निकल जाए? और क्या उत्तर बदल जाता है यदि हम एक एकल, विशिष्ट यात्रा को देखते हैं या सभी संभावित परिदृश्यों के माध्यम से होने वाली सभी संभावित यात्राओं के औसत को देखते हैं?

दशकों से, गणितज्ञ इन विचलन (deviations) का अध्ययन करते रहे हैं, जिन्हें 'लार्ज डेविएशन' (large deviations) कहा जाता है, ताकि यादृच्छिकता (randomness) के मौलिक नियमों को समझा जा सके। वे इन दुर्लभ घटनाओं की संभावना को मापने के दो तरीकों के बीच अंतर करते हैं। एक तरीका, जिसे 'क्वेन्च्ड व्यू' (quenched view) कहा जाता है, एक एकल, निश्चित परिदृश्य को देखता है और पूछता है कि एक यात्री उस विशिष्ट, अपरिवर्तित दुनिया के भीतर कैसे व्यवहार करता है। दूसरा, 'एनील्ड व्यू' (annealed view), सभी संभावित परिदृश्यों का औसत लेता है, यह पूछता है कि क्या होगा यदि हम स्वयं भूभाग को ही बदल दें। हालाँकि ये दोनों दृष्टिकोण औसत गति पर सहमत होते हैं, लेकिन वे दुर्लभ, चरम विचलनों की संभावना पर अक्सर असहमत होते हैं। परिदृश्य का आकार और उसमें मौजूद विकार (disorder) की डिग्री यह निर्धारित करती है कि ये दो दृष्टिकोण आपस में मिलते हैं या अलग होते हैं। विशिष्ट और औसत के बीच यह तनाव तरल पदार्थों के प्रवाह से लेकर डीएनए के प्रतिकृति (replication) जैसे जटिल प्रणालियों को समझने के लिए केंद्रीय है।

हाल ही में एक अध्ययन में, शोधकर्ताओं ने मानचित्रित किया है कि ये दो दृष्टिकोण कब सहमत होते हैं और कब अलग होते हैं, विशेष रूप से उन वातावरणों में जहाँ स्थानीय स्थितियाँ कम दूरी पर एक-दूसरे से जुड़ी हुई हैं। टीम ने एक उच्च-आयामी सेटिंग (high-dimensional setting) पर ध्यान केंद्रित किया, जहाँ यात्री चार या अधिक दिशाओं में चलता है, और विकार के एक विशिष्ट प्रकार का परीक्षण किया जहाँ वातावरण में यादृच्छिकता एक सीमित सीमा तक ही सीमित है। इस परिदृश्य में, एक स्थान पर होने वाला भूभाग का परिवर्तन केवल एक निश्चित दूरी के भीतर के स्थानों को प्रभावित करता है; उसके परे, परिदृश्य स्वतंत्र है। शोधकर्ताओं ने पाया कि जब यह विकार पर्याप्त रूप से कम होता है—अर्थात, जब भूभाग में भिन्नताएं बहुत सूक्ष्म और छोटी होती हैं—तो 'क्वेन्च्ड' और 'एनील्ड' दृश्य परिणामों की एक विस्तृत श्रृंखला के लिए समान हो जाते हैं। विशेष रूप से, संभव गतियों की सीमा के किसी भी कॉम्पैक्ट क्षेत्र (compact region) के लिए, तीखे कोनों को छोड़कर, यात्री के उस गति की ओर विचलित होने की संभावना बिल्कुल वही है, चाहे हम एक एकल निश्चित परिदृश्य को देखें या सभी परिदृश्यों के औसत को।

यह खोज महत्वपूर्ण है क्योंकि यह एक सटीक सीमा स्थापित करती है। विकार के एक निश्चित स्तर से नीचे, दुर्लभ घटनाओं की भविष्यवाणी करने के लिए विशिष्ट परिदृश्य की जटिलता मायने नहीं रखती; औसत व्यवहार, विशिष्ट के लिए एक आदर्श प्रतिनिधि बन जाता है। शोधकर्ताओं ने दिखाया कि यह सहमति तब भी बनी रहती है जब वातावरण पूरी तरह से यादृच्छिक नहीं होता बल्कि इसमें ये अल्प-दूरी के सहसंबंध (short-range correlations) होते हैं। उन्होंने 'जीरो सेट' (zero set) के ज्यामितीय आकार की भी पहचान की, जो उन गतियों का संग्रह है जहाँ यात्री के पाए जाने की सबसे अधिक संभावना होती है। उन्होंने सिद्ध किया कि यह सेट या तो एक एकल बिंदु है या एक सीधी रेखा खंड है, जो इन रैंडम वॉक्स की मौलिक ज्यामिति को स्पष्ट करता है।

हालाँकि, यह अध्ययन एक स्पष्ट रेखा भी खींचता है जहाँ यह सहमति टूट जाती है। शोधकर्ताओं ने प्रदर्शित किया कि जब तक पर्यावरण में कोई वास्तविक यादृच्छिकता बनी रहती है, तब से दोनों दृष्टिकोण हर जगह सहमत नहीं हो सकते। कुछ गतियाँ हमेशा मौजूद रहती हैं, विशेष रूप से संभव सीमा के आंतरिक भाग में, जहाँ विचलन की संभावना विशिष्ट परिदृश्य और औसत के बीच स्पष्ट रूप से भिन्न होती है। यह सख्त असमानता तब भी बनी रहती है जब विकार बहुत कम होता है, जो यह सिद्ध करता है कि पर्यावरण के विशिष्ट विवरण हमेशा गति सीमा के गहरे आंतरिक भाग में अपनी छाप छोड़ते हैं, भले ही वे सीमा पर लुप्त हो जाएं। कार्य ने विकार के एक अलग माप, 'डायरेक्शनल इम्बैलेंस' (directional imbalance) का भी अन्वेषण किया, जिससे पता चला कि यदि विशिष्ट दिशा में उतार-चढ़ाव कम हैं, तो सीमा पर स्थानीय रूप से दोनों दृष्टिकोणों के बीच सहमति को बहाल किया जा सकता है, भले ही समग्र विकार समान रूप से छोटा न हो।

यह शोध पत्र एक सहायक, सरल संस्करण (auxiliary, simplified version) का निर्माण करके इन घटनाओं को समझने के लिए एक कठोर ढांचा प्रदान करता है जो पर्यावरण में जटिल निर्भरताओं को सुलझाने में मदद करता है। इस उपकरण का उपयोग करके, लेखक वातावरण में मौजूद सूचना को यात्री द्वारा ले जाई जाने वाली सूचना से अलग करने में सक्षम थे। उन्होंने दिखाया कि कम विकार के तहत, यात्री का पथ एक विशिष्ट दिशा में लगभग एक नियतात्मक (deterministic) वॉक की तरह व्यवहार करता है, जो प्रभावी रूप से पर्यावरण की अनियमितताओं को सुचारू बना देता है। यह विशिष्ट और औसत संभावनाओं को अभिसरण (converge) करने की अनुमति देता है। फिर भी, अध्ययन इस बात की पुष्टि भी करता है कि यह अभिसरण सार्वभौमिक नहीं है। गति सीमा के निचले-आयामी कोनों में, दोनों दृष्टिकोण अलग बने रहते हैं, जो पर्यावरण की विशिष्ट संरचना के निरंतर प्रभाव को दर्शाते हैं।

अंततः, यह कार्य जटिल, सहसंबंधित प्रणालियों में यादृच्छिकता के संचालन के बारे में हमारी समझ को परिष्कृत करता है। यह हमें बताता है कि जबकि सभी संभावनाओं का औसत लेना कई स्थितियों में एक प्रणाली के व्यवहार की सटीक भविष्यवाणी कर सकता है, यह विशिष्ट विवरणों को देखने का सार्वभौमिक विकल्प नहीं है। एक विकार का थ्रेशोल्ड (threshold) है जिसके नीचे औसत पर्याप्त है, लेकिन इस सरलीकरण की एक मौलिक सीमा भी है। वातावरण की विशिष्ट प्रकृति हमेशा गति सीमा के गहरे आंतरिक भाग में महत्वपूर्ण होती है, यह सुनिश्चित करती है कि एक एकल यात्रा की अनूठी कहानी भीड़ के आंकड़ों द्वारा कभी भी पूरी तरह से मिटाई नहीं जा सकती। यह अंतर वास्तविक दुनिया की घटनाओं के मॉडलिंग के लिए महत्वपूर्ण है जहाँ विशिष्ट स्थितियाँ और सामान्य रुझान दोनों ही महत्वपूर्ण भूमिका निभाते हैं, जो हमें यह स्पष्ट चित्र प्रदान करता है कि हम कब औसत पर भरोसा कर सकते हैं और कब हमें व्यक्तिगत मामले की अनूठी विशेषताओं को ध्यान में रखना चाहिए।