💻 computer science

A numerical Bernstein splines approach for nonlinear initial value problems with Hilfer fractional derivative

यह शोध पत्र हिल्फर भिन्नात्मक अवकलजों (Hilfer fractional derivatives) से जुड़ी गैररेखीय प्रारंभिक मान समस्याओं को हल करने के लिए बर्नस्टीन स्प्लाइन्स (Bernstein splines) पर आधारित एक कुशल और सटीक संख्यात्मक विधि प्रस्तुत करता है, जो विलक्षण समाधानों (singular solutions) की उपस्थिति में भी भिन्नात्मक एडम्स-बाशफोर्थ-मुलटन विधि की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।

मूल लेखक: Niels Goedegebure, Kateryna Marynets

प्रकाशित 2026-07-28

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Niels Goedegebure, Kateryna Marynets

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

भौतिकी और इंजीनियरिंग की दुनिया की कल्पना एक विशाल, जटिल क्लॉकवर्क मशीन के रूप में करें। सदियों से, वैज्ञानिकों ने इस मशीन के चलने, बदलने और प्रतिक्रिया करने के तरीके का वर्णन करने के लिए "कैलकुलस" नामक उपकरणों के एक विशिष्ट सेट का उपयोग किया है। ये उपकरण उन चीजों के लिए एकदम सही हैं जो पूर्ण, साफ चरणों में होती हैं: जैसे एक कार का शून्य से साठ की गति तक त्वरित होना, या एक पेड़ से गिरती हुई गेंद। लेकिन क्या होगा यदि मशीन के ऐसे गियर हों जो केवल पूर्ण चरणों में नहीं चलते? क्या होगा यदि वे "आंशिक" (fractional) चरणों में चलें—जैसे कि एक गियर जो एक साथ आधा, फिर एक चौथाई, फिर एक आठवां हिस्सा घूमता है? यह फ्रैक्शनल कैलकुलस (fractional calculus) की दुनिया है। यह गणित की एक ऐसी शाखा है जो इन अजीब, गैर-पूर्णांक (non-integer) चरणों से संबंधित है, जो वास्तव में स्पंज के माध्यम से गर्मी कैसे फैलती है, शेयर बाजार कैसे डगमगाता है, या विद्युत सर्किट अजीब तरीकों से कैसे व्यवहार करते हैं, जैसी वास्तविक दुनिया की चीजों का वर्णन करने में अविश्वसनीय रूप से उपयोगी साबित होती है।

हालाँकि, इसमें एक पेंच है। जब वैज्ञानिक इन आंशिक चरणों का उपयोग करके समीकरणों को हल करने की कोशिश करते हैं, तो वे अक्सर एक "सिंगुलैरिटी" (singularity) का सामना करते हैं। इसे एक कार को सीधे चट्टान के किनारे तक ले जाने की कोशिश करने जैसा समझें; जैसे-जैसे आप किनारे (समय शून्य) के करीब पहुँचते जाते हैं, गणित अनियंत्रित हो जाता है और टूट जाता है। संख्याएँ अनंत की ओर भागने लगती हैं, जिससे कंप्यूटर के लिए यह गणना करना असंभव हो जाता है कि आगे क्या होगा। यह विशेष रूप से हिल्फर डेरिवेटिव (Hilfer derivative) नामक एक विशिष्ट प्रकार के फ्रैक्शनल मैथ के लिए कठिन है, जो फ्रैक्शनल मैथ की दो अलग-अलग शैलियों को मिलाने का एक शानदार तरीका है। इस "चट्टान के किनारे" वाली समस्या के कारण, कई मानक कंप्यूटर विधियाँ सटीक उत्तर देने में विफल रहती हैं, जिससे वैज्ञानिक तब फंस जाते हैं जब उन्हें जटिल, वास्तविक जीवन की प्रणालियों का मॉडल बनाने की आवश्यकता होती है।

यहीं से नील गोडेगेबुर (Niels Goedegebure) और कतरीन मारिनेट्स (Kateryna Marynets) के शोध पत्र की कहानी शुरू होती है। उन्होंने उस चट्टान को पार करने के लिए एक नए प्रकार का पुल बनाने का निर्णय लिया। समस्या को सीधे किनारे पर काम करने के लिए मजबूर करने के बजाय, उन्होंने एक चतुर तरकीब निकाली: उन्होंने समस्या के शुरुआती बिंदु को किनारे से बस थोड़ा सा (एक छोटे समय $\epsilon$ तक) धीरे से खिसका दिया, और फिर बर्नस्टीन स्प्लिन्स (Bernstein splines) नामक एक विशेष गणितीय उपकरण का उपयोग किया। कल्पना करें कि ये स्प्लिन्स कठोर रूलर नहीं, बल्कि कई छोटे, चिकने वक्रों (curves) से बनी एक लचीली, खिंचने वाली जाल (net) की तरह हैं। लेखकों की विधि इस समस्या पर यह जाल बिछाती है, और समाधान की गणना टुकड़ों में करती है। ऐसा करके, उन्होंने सबसे जिद्दी, "सिंगुलर" समस्याओं के लिए भी अविश्वसनीय रूप से सटीक उत्तर प्राप्त करने का एक तरीका खोज निकाला, जो आमतौर पर अन्य विधियों को विफल कर देते हैं।

उनका कार्य दर्शाता है कि यह नया "नेट" दृष्टिकोण केवल एक सैद्धांतिक विचार नहीं है, बल्कि एक शक्तिशाली, कामकाजी उपकरण है। जब उन्होंने पुरानी, मानक विधियों (जैसे एडम्स-बाशफोर्थ-मुलटन प्रेडिक्टर-करैक्टर विधि) के विरुद्ध इसका परीक्षण किया, तो उनका नया दृष्टिकोण काफी अधिक सटीक था, विशेष रूप से तब जब गणित जटिल हो गया। उन्होंने इसका उपयोग एक फ्रैक्शनल वैन डेर पोल ऑसिलेटर (fractional Van der-Pol oscillator) का अनुकरण करने के लिए भी किया, जो एक जटिल प्रणाली है जो इलेक्ट्रॉनिक सर्किट और जैविक लय के व्यवहार की नकल करती है, जिससे यह सिद्ध होता है कि उनकी विधि वास्तविक दुनिया के भौतिकी के जंगली, नॉन-लीनियर उतार-चढ़ाव को संभालने में सक्षम है। हालांकि इस विधि को पुराने तरीकों की तुलना में थोड़े अधिक कंप्यूटर पावर की आवश्यकता होती है, लेखक प्रदर्शित करते हैं कि यह सटीकता के रूप में सार्थक परिणाम देता है, जो उन समस्याओं को हल करने का एक विश्वसनीय तरीका प्रदान करता है जिन्हें पहले हल करना बहुत कठिन था।

तकनीकी सारांश: गैररेखीय हिल्फर भिन्नात्मक प्रारंभिक मान समस्याओं के लिए एक संख्यात्मक बर्नस्टीन स्प्लाइन दृष्टिकोण

समस्या विवरण
यह शोध पत्र हिल्फर भिन्नात्मक व्युत्पन्न (Hilfer fractional derivative) से जुड़ी गैररेखीय भिन्नात्मक प्रारंभिक मान समस्याओं (FIVPs) के संख्यात्मक सन्निकटन को संबोधित करता है। हिल्फर व्युत्पन्न, जो क्रम $\alpha \in (0,1)$ और प्रकार $\beta \in [0,1]$ द्वारा पैरामीटराइज्ड है, रीमान-लिउविल ( $\beta=0$ ) और कैपुटो ( $\beta=1$ ) व्युत्पन्नों के बीच मध्यस्थता करता है। एक प्राथमिक चुनौती $\beta \neq 1$ के लिए गैर-सजातीय प्रारंभिक स्थितियों के साथ समस्याओं को हल करना है, जहाँ समाधान $t \downarrow 0$ पर सिंगुलर व्यवहार प्रदर्शित करते हैं (विशेष रूप से, वे गैर-सतत होते हैं और $t^{\gamma-1}$ की तरह व्यवहार करते हैं जहाँ $\gamma = \alpha + \beta(1-\alpha)$ )। मौजूदा संख्यात्मक विधियाँ, जैसे कि व्यापक रूप से उपयोग की जाने वाली एडम्स-बैशफोर्थ-मौलटन प्रेडिक्टर-करैक्टर योजना, अक्सर कैपुटो मामले के लिए तैयार की जाती हैं या उन्हें सतत अवकलनीय समाधानों की आवश्यकता होती है, जो सामान्य हिल्फर मामले में उत्पन्न होने वाले सिंगुलर समाधानों की प्रयोज्यता को सीमित करती हैं। इसके अलावा, साहित्य में गैररेखीय हिल्फर FIVPs के लिए पूर्ण श्रेणी के सिंगुलर समाधानों को संभालने में सक्षम कुशल विधियों और सैद्धांतिक त्रुटि सीमाओं (theoretical error bounds) का अभाव है।

कार्यप्रणाली (Methodology)
लेखक गैररेखीय FIVP के समाधान को अनुमानित करने के लिए बर्नस्टीन स्प्लाइन (Bernstein splines) पर आधारित एक संख्यात्मक विधि प्रस्तावित करते हैं:
$\begin{cases} {}_{0}D^{\alpha,\beta}_{t} y(t) = f(t, y(t)), & 0 < t \leq T \\ {}_{0}I^{1-\gamma}_{t} y(0) = \tilde{y}_0 \end{cases}$
कार्यप्रणाली में कई प्रमुख घटक शामिल हैं:

वेटेड स्पेस ट्रांसफॉर्मेशन (Weighted Space Transformation): $t=0$ पर सिंगुलैरिटी (singularity) को संभालने के लिए, समस्या को एक वेटेड निरंतर फलन स्थान $C^{1-\gamma}[0, T]$ में रूपांतरित किया जाता है। इसके अतिरिक्त, एक टाइम-डोमेन शिफ्ट $\varepsilon > 0$ पेश किया जाता है, जिससे समस्या को $[\varepsilon, T]$ पर हल किया जाता है जहाँ समाधान सतत होता है, और फिर $\varepsilon \downarrow 0$ की सीमा (limit) ली जाती है।
बर्नस्टीन स्प्लाइन सन्निकटन: समाधान को नॉट कलेक्शन (knot collection) पर परिभाषित खंडित बर्नस्टीन बहुपदों (piecewise Bernstein polynomials/splines) का उपयोग करके अनुमानित किया जाता है। विधि एक स्थानीय "knot-for-knot" पुनरावृत्ति रणनीति का उपयोग करती है। प्रत्येक उप-अंतराल पर, समाधान का निर्माण हिल्फर व्युत्पन्न की परिभाषा से प्राप्त समतुल्य समाकल समीकरण (integral equation) पर लागू पिकार्ड पुनरावृत्तियों (Picard iterations) के माध्यम से किया जाता है।
ऑपरेशनल मैट्रिक्स कार्यान्वयन: लेखक इनकम्प्लीट बीटा फंक्शन (incomplete beta function) का उपयोग करके बर्नस्टीन स्प्लाइन्स के भिन्नात्मक समाकलन (fractional integration) के लिए क्लोज्ड-फॉर्म अभिव्यक्तियों को व्युत्पन्न करते हैं। यह समाधान के इतिहास से जुड़े संख्यात्मक क्वाड्रैचर त्रुटियों से बचने के लिए भिन्नात्मक समाकलन ऑपरेटर को स्प्लाइन आधार (spline basis) पर विश्लेषणात्मक रूप से लागू करने की अनुमति देता है।
वेक्टराइज्ड और पैरेललाइज्ड कंप्यूटेशन: कार्यान्वयन टेंसर उत्पादों और वेक्टराइजेशन (विशेष रूप से पायथन में numpy.einsum का उपयोग करके) का उपयोग करता है ताकि भिन्नात्मक समाकलनों को कुशलतापूर्वक कंप्यूट किया जा सके। यह दृष्टिकोण बहुपद क्रम $q$ के सापेक्ष समानांतर गणना (parallelization) की अनुमति देता है, जो भिन्नात्मक व्युत्पन्न के "मेमोरी इफेक्ट" से जुड़ी कम्प्यूटेशनल लागत को कम करता है।

प्रमुख योगदान

सैद्धांतिक ढांचा: शोध पत्र शिथिल अभिसरण धारणाओं (relaxed convergence assumptions) के तहत स्प्लाइन सन्निकटन के लिए अस्तित्व और अद्वितीयता परिणाम स्थापित करता है (प्रमेय 3.1)। यह बहुपद क्रम $q$ ( $O(q^{-\alpha/2})$ ), नॉट आकार $h$ ( $O(h^\alpha)$ ), और टाइम-शिफ्ट पैरामीटर $\varepsilon$ ( $O(\varepsilon^\alpha)$ ) के संबंध में सन्निकटन त्रुटि के लिए स्पष्ट अभिसरण दरें प्रदान करता है (प्रमेय 3.2)।
सिंगुलैरिटीज को संभालना: पिछले कार्यों के विपरीत जो सतत समाधानों या कैपुटो मामले तक सीमित हैं, यह विधि वेटेड स्पेस ट्रांसफॉर्मेशन और $\varepsilon$ -शिफ्ट का उपयोग करके सिंगुलर व्यवहार को पकड़ने के लिए विशेष रूप से डिज़ाइन की गई है।
कुशल कार्यान्वयन: लेखक एक वेक्टराइज्ड एल्गोरिदम प्रस्तुत करते हैं जो बहुपद आधार मूल्यांकन के संदर्भ में नॉट आकार से कम्प्यूटेशनल जटिलता को अलग करता है, जो पारंपरिक स्टेप-बाय-स्टेप विधियों की तुलना में गति बढ़ाने का एक आशाजनक मार्ग प्रदान करता है।
गैररेखीय अनुप्रयोग: विधि को सफलतापूर्वक एक गैररेखीय प्रणाली, भिन्नात्मक वैन डेर पोल ऑसिलेटर पर लागू किया गया है, जो विविध $\beta$ मानों और गैररेखीय पदों को संभालने की इसकी क्षमता को प्रदर्शित करता है।

संख्यात्मक परिणाम

अभिसरण सत्यापन (Convergence Validation): एक बहुपद परीक्षण समस्या पर संख्यात्मक प्रयोग सिद्धांत की अभिसरण दरों की पुष्टि करते हैं। त्रुटि नॉट आकार $h$ और शिफ्ट $\varepsilon$ के घटने के साथ, और बहुपद क्रम $q$ के बढ़ने के साथ घटती है (उस बिंदु तक जहाँ संख्यात्मक स्थिरता लाभ को सीमित करती है)।
प्रेडिक्टर-करैक्टर के साथ तुलना: एक रैखिक कैपुटो मामले ( $\beta=1$ ) पर एडम्स-बैशफोर्थ-मौलटन प्रेडिक्टर-करैकर विधि (डाइटिएम एट अल.) के साथ तुलना करने पर, बर्नस्टीन स्प्लाइन विधि समान नॉट आकारों के लिए काफी उच्च सटीकता (कम माध्य और सुप्रीमम त्रुटि) प्रदर्शित करती है। प्रेडिक्टर-करैक्टर विधि ने एक निरंतर पूर्वाग्रह (bias) दिखाया और परीक्षण सेटअप में महीन ग्रिड के साथ अपनी सुप्रीमम त्रुटि में सुधार नहीं किया।
वैन डेर पोल ऑसिलेटर: हिल्फर-फ्रैक्शनल वैन डेर पोल ऑसिलेटर के सिमुलेशन ने दिखाया कि विधि हिल्फर प्रकार $\beta$ के बावजूद स्थिर लिमिट साइकल (limit cycles) की ओर अभिसरित होती है। परिणामों ने संकेत दिया कि प्रणाली एक अद्वितीय लिमिट साइकिल की ओर मजबूत आकर्षण प्रदर्शित करती है, जो कैपुटो मामले के लिए अर्ध-विश्लेषणात्मक निष्कर्षों के अनुरूप है।

महत्व और दावे
शोध पत्र का दावा है कि यह गैररेखीय हिल्फर भिंन्त्रात्मक प्रारंभिक मान समस्याओं के लिए पूर्ण श्रेणी के समाधान (सिंगुलर सहित) प्राप्त करने में सक्षम पहला कुशल संख्यात्मक तरीका प्रदान करता है। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण स्थानीय पुनरावृत्तियों (local iterations) का उपयोग करके अन्य विधियों में पाई जाने वाली समय डोमेन अंतराल आकार की कठोर बाधाओं को हटा देता है। यह स्वीकार करते हुए कि स्प्लाइन विधि वर्तमान में प्रेडिक्टर-करैक्टर विधि की तुलना में अधिक कम्प्यूटेशनल रूप से मांग वाली है, लेखक इसकी बेहतर सटीकता और उन सिंगुलर, गैररेखीय प्रणालियों को संभालने की क्षमता पर प्रकाश डालते हैं जहाँ मानक विधियाँ विफल हो जाती हैं या जिनमें सैद्धांतिक गारंटी का अभाव होता है। यह कार्य बाउंड्री वैल्यू समस्याओं और भिन्नात्मक आंशिक अंतर समीकरणों (FPDEs) के लिए भविष्य के विस्तार हेतु आधार तैयार करता है।

इसी तरह के और पेपर