🔬 condensed matter

Rare Events and Redundancy in Random Walkers Target Search in a Finite Domain

यह शोध पत्र प्रदर्शित करता है कि एक परिमित डोमेन में, पावर-लॉ डिस्ट्रीब्यूटेड जम्प्स वाले कई स्वतंत्र वॉकर तैनात करने से दुर्लभ लंबी छलांगों के माध्यम से खोज समय में भारी कमी आती है, जो एक्सट्रीम-वैल्यू सांख्यिकी में एक क्रॉसओवर को प्रकट करता है और एक स्केलिंग लॉ व्युत्पन्न करता है जो खोज क्षेत्र के आकार को खोजकर्ताओं की संख्या से जोड़ता है, जैसा कि स्तनधारी निषेचन द्वारा उदाहरणित है।

मूल लेखक: Elisabetta Ellettari, Giacomo Nasuti, Alberto Bassanoni, Alessandro Vezzani, Raffaella Burioni

प्रकाशित 2026-07-28

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Elisabetta Ellettari, Giacomo Nasuti, Alberto Bassanoni, Alessandro Vezzani, Raffaella Burioni

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

कल्पना कीजिए कि आप एक विशाल, धुंधली भूलभुलैया में छिपे हुए खजाने को खोजने की कोशिश कर रहे हैं। आपके पास एक नक्शा है, लेकिन रास्ता सीधा नहीं है; यह भाग्य का एक खेल है। विज्ञान की दुनिया में, इसे "रैंडम वॉक" (random walk) कहा जाता है। इसे एक ऐसे नशे में धुत व्यक्ति की तरह समझें जो पार्क में लड़खड़ाते हुए चल रहा है: वे यादृच्छिक दिशाओं में कदम उठाते हैं, कभी छोटे, तो कभी लंबे। वैज्ञानिक अध्ययन करते हैं कि इन पथिकों को किसी विशिष्ट स्थान, जैसे कि एक पेड़ या बेंच से टकराने में कितना समय लगता है। इस समय को "फर्स्ट पैसेज टाइम" (First Passage Time) कहा जाता है।

अब, कल्पना कीजिए कि आपके पास केवल एक पथिक नहीं, बल्कि पथिकों की एक पूरी भीड़ है। यह "रिडंडेंसी" (redundancy - अतिरेक) की शक्ति है। यदि आप एक व्यक्ति को घास के ढेर में सुई खोजने के लिए भेजते हैं, तो इसमें अनंत काल लग सकता है। लेकिन यदि आप एक हजार लोगों को भेजते हैं, तो कोई न कोई उसे बहुत तेज़ी से ढूंढ ही लेगा। आमतौर पर, अधिक लोग जोड़ने से मदद मिलती है, लेकिन बहुत कम। यह एक खोज दल में अधिक लोगों को जोड़ने जैसा है; आपको बेहतर परिणाम मिलते हैं, लेकिन सुधार की गति धीमी हो जाती है। हालाँकि, असली जादू तब होता है जब पथिक केवल छोटे, स्थिर कदम नहीं उठाते। क्या होगा यदि, कभी-कभार, उनमें से कोई एक बहुत बड़ी, सुपर-फास्ट छलांग लगा दे? विज्ञान में, इन्हें "रेयर इवेंट्स" (rare events - दुर्लभ घटनाएँ) या "बिग जम्प्स" (big jumps - बड़ी छलांगें) कहा जाता है। जब ये विशाल छलांगें संभव होती हैं, तो खेल के नियम पूरी तरह से बदल जाते हैं। सवाल यह है कि इन "छलांग लगाने वालों" की एक विशाल भीड़ होने से सबसे तेज़ व्यक्ति के लक्ष्य तक पहुँचने की गति कैसे बदल जाती है?

यही वह चीज़ है जिसे पता लगाने के लिए पारमा विश्वविद्यालय (University of Parma) के शोधकर्ताओं की एक टीम ने प्रयास किया। उन्होंने एक ऐसी प्रणाली को देखा जहाँ कई स्वतंत्र "वॉकर" (walker - चलने वाले) एक स्थान में घूमते हैं और एक लक्ष्य की तलाश करते हैं। लेकिन ये औसत चलने वाले नहीं हैं। वे निरंतर गति से चलते हैं, लेकिन उनकी छलांग की लंबाई एक अजीब नियम का पालन करती है: अधिकांश छलांगें छोटी होती हैं, लेकिन एक बहुत लंबी छलांग लगाने की बहुत ही कम संभावना होती है। इसे "पावर-लॉ" (power-law) वितरण के रूप में जाना जाता है। शोधकर्ता जानना चाहते थे कि यदि आपके पास इन वॉकरों की दस लाख की संख्या है, तो सबसे पहला व्यक्ति लक्ष्य तक कितनी तेज़ी से पहुँचेगा?

इसका उत्तर आश्चर्यजनक रूप से नाटकीय है। सामान्य, धीमी और स्थिर चाल (जैसे ब्राउनियन मोशन) की दुनिया में, अधिक खोजकर्ताओं को जोड़ने से चीजें बहुत धीरे बढ़ती हैं, जैसे कि एक लॉगरिदमिक कर्व (logarithmic curve)। यह एक धीमी प्रक्रिया है। लेकिन इन "हेवी-टेल्ड" (heavy-tailed) वॉकरों के लिए जो बड़ी छलांगें लगा सकते हैं, कहानी अलग है। शोधकर्ताओं ने पाया कि जब आपके पास ऐसे वॉकरों की भीड़ होती है, तो सबसे तेज़ व्यक्ति के जीतने का समय अविश्वसनीय रूप से तेज़ी से गिरता है। यह $1/N$ के रूप में स्केल करता है, जहाँ $N$ वॉकरों की संख्या है। इसका मतलब है कि यदि आप खोजकर्ताओं की संख्या दोगुनी करते हैं, तो आप खोज के समय को आधा कर देते हैं। यदि आपके पास दस लाख खोजकर्ता हैं, तो सबसे तेज़ व्यक्ति लगभग तुरंत लक्ष्य को पा लेता है।

यह पेपर बताता है कि ऐसा इसलिए होता है क्योंकि "बिग जंप प्रिंसिपल" (Big Jump Principle) नामक एक सिद्धांत काम करता है। इन वॉकरों की भीड़ में, विजेता वह नहीं है जिसने कई छोटे कदम उठाए; बल्कि वह है जो भाग्यशाली था और जिसने एक एकल, विशाल छलांग लगाई जिसने उसे सीधे लक्ष्य तक पहुँचा दिया। आपके पास जितने अधिक वॉकर होंगे, इस बात की संभावना उतनी ही अधिक होगी कि समूह में से किसी ने वह भाग्यशाली बड़ी छलांग लगाई हो। शोधकर्ताओं ने दिखाया कि यह गति-वृद्धि इतनी प्रभावी है कि खोज का समय एक कठिन सीमा तक पहुँच जाता है: अधिकतम गति ( $X/v$ ) पर दूरी तय करने का पूर्ण न्यूनतम समय। आप उस से तेज़ नहीं जा सकते, और पर्याप्त रिडंडेंसी के साथ, समूह ठीक उसी सीमा पर पहुँच जाता है।

हालाँकि, यह पेपर यह भी बताता है कि इस जादू के साथ एक शर्त जुड़ी है। यह तभी काम करता है जब "बड़ी छलांगें" वास्तव में संभव और पर्याप्त दुर्लभ हों। यदि छलांगें पर्याप्त दुर्लभ नहीं हैं, या यदि वॉकरों की संख्या इतनी अधिक नहीं है कि उस दुर्लभ घटना को पकड़ा जा सके, तो सिस्टम फिर से सामान्य, धीमी विसरण (diffusion) की तरह व्यवहार करने लगता है। शोधकर्ताओं ने एक "क्रॉसओवर पॉइंट" (crossover point) की पहचान की। यदि बड़ी छलांग की संभावना बहुत कम है (गणितीय रूप से, यदि $\alpha$ नामक पैरामीटर बहुत अधिक है), तो एक विशाल भीड़ भी बड़ी छलांग नहीं देख पाएगी, और खोज की गति सामान्य, सुस्त गति में वापस आ जाएगी। उन्होंने सटीक रूप से मानचित्रित किया कि यह स्विच कहाँ होता है, यह दिखाते हुए कि आपको वॉकरों की संख्या और उनके "जंपिंग हैबिट्स" (कूदने की आदतों) के बीच एक विशिष्ट संतुलन की आवश्यकता होती है।

यह सिद्ध करने के लिए कि यह केवल कागज़ पर गणित नहीं है, लेखकों ने अपने निष्कर्षों को एक बहुत ही वास्तविक जैविक रहस्य पर लागू किया: निषेचन (fertilization)। उन्होंने देखा कि शुक्राणु कोशिकाएं (sperm cells) अंडे को खोजने के लिए कैसे तैरती हैं। जबकि शुक्राणु की गति अव्यवस्थित और यादृच्छिक दिखती है, शोधकर्ताओं ने सुझाव दिया कि "बिग जंप" मॉडल यह समझा सकता है कि प्रकृति इस खोज समस्या को कैसे हल करती है। इन "हेवी-टेल्ड" वॉकरों के रूप में शुक्राणु की गति को मानकर, वे एक सरल नियम निकाल सकते हैं जो शुक्राणुओं की संख्या को स्तनधारी के गर्भाशय के आकार से जोड़ता है। उनका मॉडल बताता है कि विभिन्न प्रजातियों में, शुक्राणुओं की आवश्यक संख्या इस तरह से स्केल करती है जो वास्तविक दुनिया के डेटा से मेल खाती है, बशर्ते कि दुर्लभ, लंबी दूरी के परिवहन की घटनाएं प्रमुख हों।

संक्षेप में, यह पेपर प्रकट करता है कि यादृच्छिक गति की दुनिया में, रिडंडेंसी एक महाशक्ति है, लेकिन केवल तभी जब गति में कभी-कभार होने वाली "चमत्कारी छलांग" की संभावना हो। इन खोजकर्ताओं की एक विशाल सेना भेजकर, प्रकृति यह सुनिश्चित करती है कि वह दुर्लभ, भाग्यशाली छलांग घटित हो, जिससे एक धीमी, कठिन खोज बिजली जैसी तेज़ सफलता में बदल जाती है। यह हमें याद दिलाता है कि जटिल प्रणालियों में, बैकअप प्लान होना केवल सुरक्षा के बारे में नहीं है; यह गति के बारे में भी है। और कभी-कभी, वहाँ पहुँचने का सबसे तेज़ तरीका लगातार चलना नहीं, बल्कि उस एक व्यक्ति का इंतज़ार करना है जो भीड़ में उड़ने का फैसला करता है।

तकनीकी सारांश: रैंडम वॉकर्स में दुर्लभ घटनाएँ और अतिरेक (Redundancy)

समस्या विवरण
यह शोध पत्र जटिल वातावरण में लक्ष्य खोज (target search) की मौलिक चुनौती को संबोधित करता है, विशेष रूप से इस बात पर ध्यान केंद्रित करता है कि कैसे अतिरेक (N स्वतंत्र खोजकर्ताओं को तैनात करना) माध्य प्रथम पारगमन समय (Mean First Passage Time - MFPT) को त्वरित करता है। जबकि शास्त्रीय ब्राउनियन मोशन रणनीतियाँ अत्यधिक MFPT के लिए एक धीमी लघुगणकीय स्केलिंग ( $\langle T_N \rangle \sim 1/\log N$ ) प्रदर्शित करती हैं, लेखक उन प्रणालियों की जांच करते हैं जहाँ खोजकर्ता पावर-लॉ (power-law) वितरित लंबाई वाले जंप (jumps) करते हैं (हैवी-टेल्ड या HT वॉकर्स)। मुख्य प्रश्न यह है कि जब गतिकी "बड़े जंप" (big jumps) द्वारा नियंत्रित होती है न कि निरंतर विसरण (continuous diffusion) द्वारा, तो अतिरेक, सीमित डोमेन में दुर्लभ-घटना सांख्यिकी के साथ कैसे परस्पर क्रिया करता है ताकि खोज दक्षता को अनुकूलित किया जा सके।

कार्यप्रणाली
लेखक एक प्रणाली का मॉडल तैयार करते हैं जिसमें $N$ स्वतंत्र एक-आयामी वॉकर्स एक स्थिर वेग $v$ (बाद में यादृच्छिक वेगों तक विस्तारित) पर चलते हैं। वॉकर्स $t$ अवधि के जंप करते हैं जो $t > t_0$ के लिए एक पावर-लॉ वितरण $p(t) \sim t^{-(1+\alpha)}$ से प्राप्त होते हैं।

रेजीम्स (Regimes): $1 < \alpha < 2$ के लिए, गतिकी सुपरडिफ्यूसिव (Lévy walks) है; $\alpha > 2$ के लिए, यह मानक विसरण (standard diffusion) में बदल जाती है।
बिग जंप प्रिंसिपल (BJP): विश्लेषण BJP पर आधारित है, जो यह प्रतिपादित करता है कि उप-घातांकीय (sub-exponential) स्टेप वितरण वाली प्रणालियों में, दुर्लभ घटनाएँ (जैसे कि एक कम समय $T \ll X^z$ में एक दूर स्थित लक्ष्य $X$ तक पहुँचना) कई छोटे कदमों के संचय के बजाय एक एकल बड़े उतार-चढ़ाव (एक "बड़ा जंप") द्वारा संचालित होती हैं।
व्युत्पत्ति (Derivation): लेखक $\text{Prob}(T, X, N)$ की व्युत्पत्ति करते हैं कि कम से कम एक $N$ वॉकर्स में से एक $T$ समय के भीतर $X$ दूरी पर स्थित लक्ष्य तक पहुँचता है। वे स्वतंत्रता को मानते हुए, उस प्रायिकता के पूरक (complement) का उपयोग करते हैं जहाँ कोई भी वॉक नहीं सफल होता।
विस्तार: इस ढांचे को यादृच्छिक वेगों को शामिल करने के लिए विस्तारित किया गया है जो $f(v)$ वितरण से नमूने के रूप में लिए गए हैं, और इसे स्तनधारी निषेचन (mammalian fertilization) के एक कोर्स-ग्रेन्ड मॉडल पर लागू किया गया है।

प्रमुख योगदान और परिणाम

एक्सट्रीम MFPT का स्केलिंग:
प्राथमिक परिणाम "इष्टतम अतिरेक" (optimal redundancy) शासन में $N$ HT वॉकर्स के लिए एक्सट्रीम MFPT की व्युत्पत्ति है। लेखक दिखाते हैं कि सबसे तेज़ वーカー के लक्ष्य तक पहुँचने का माध्य समय इस प्रकार स्केल करता है:
$\langle T_N \rangle \sim \frac{1}{N}$
यह शास्त्रीय ब्राउनियन स्केलिंग ( $\sim 1/\log N$ ) की तुलना में एक नाटकीय त्वरण का प्रतिनिधित्व करता है। MFPT भौतिक निचली सीमा $X/v$ पर संतृप्त हो जाता है, जो एक एकल बैलिस्टिक जंप के आकार $X$ के लिए आवश्यक समय के अनुरूप है।
अतिरेक क्षेत्रों (Redundancy Regimes) की परिभाषा:
अध्ययन $N$ के सापेक्ष इष्टतम संख्या $N_{\text{opt}}(X)$ के आधार पर तीन अलग-अलग क्षेत्रों की पहचान करता है:

निम्न अतिरेक ( $N \ll N_{\text{opt}}$ ): सफलता की प्रायिकता $N$ के साथ रैखिक रूप से स्केल करती है; दुर्लभ घटनाएँ अपर्याप्त रूप से नमूना ली जाती हैं।
इष्टतम अतिरेक ( $N \sim N_{\text{opt}}$ ): दुर्लभ बड़े-जंप घटनाओं को प्रभावी ढंग से नमूना लिया जाता है। प्रणाली एक एकल वーカー द्वारा एक बड़े उतार-चढ़ाव द्वारा संचालित होती है, और प्रथम-पारगमन समय के पूर्ण प्रायिकता घनत्व फलन (PDF) को एकल-कण दुर्लभ-घटना सांख्यिकी से पुनर्गठित किया जा सकता है।
उच्च अतिरेक ( $N \gg N_{\text{opt}}$ ): प्रणाली संतृप्त है; लक्ष्य तक पहुँचने की प्रायिकता $T = X/v$ पर एक स्टेप फंक्शन के करीब पहुँच जाती है।

गौसियन सांख्यिकी की ओर क्रॉसओवर:
एक निश्चित $N$ के लिए, लेखक एक क्रिटिकल टेल एक्सपोनेंट $\alpha_c(N)$ की पहचान करते हैं जो दो व्यवहारों को अलग करता है:

BJP शासन ( $\alpha < \alpha_c$ ): गतिकी एक एकल बड़े उतार-चढ़ाव द्वारा संचालित होती है, जिससे $1/N$ स्केलिंग प्राप्त होती है।
गौसियन शासन ( $\alpha > \alpha_c$ ): जैसे-जैसे $\alpha$ बढ़ता है, वितरण की पूंछ इतनी पतली हो जाती है कि $N$ कणों द्वारा भी इसे कुशलतापूर्वक नमूना नहीं लिया जा सकता। प्रणाली गौसियन एक्सट्रीम-वैल्यू सांख्यिकी (सेंट्रल लिमिट थ्योरम) में क्रॉसओवर करती है, जिससे लॉगरिदमिक स्केलिंग $\langle T_N \rangle \sim 1/\log N$ प्राप्त होती है। क्रिटिकल एक्सपोनेंट $N$ के साथ लॉगरिदमिक रूप से स्केल करता है ( $\alpha_c \sim \ln N$ )।

फाइनाइट-साइज़ प्रभाव और उतार-चढ़ाव:
पेपर $\alpha \to 1^+$ की ओर बढ़ते हुए BJP के टूटने का विश्लेषण करता है, जहाँ वॉक का विशिष्ट लंबाई पैमाना बैलिस्टिक स्केल के तुल्य हो जाता है, जिससे बड़े-जंप धारणा के लिए आवश्यक पैमानों का पृथक्करण अमान्य हो जाता है। इसके अलावा, लेखक निकास समय (exit time) में उतार-चढ़ाव का लक्षण वर्णन करते हैं। इष्टतम अतिरेक शासन में, मानक विचलन और अतिरिक्त MFPT का अनुपात ऑर्डर वन के स्थिरांक के करीब पहुँच जाता है, जो यह दर्शाता है कि $N$ के बावजूद व्यापक उतार-चढ़ाव बने रहते हैं, जैसा कि विसरणात्मक शासन में होता है जहाँ उतार-चढ़ाव $(\ln N)^{-1}$ के रूप में घटते हैं।
यादृच्छिक वेगों तक विस्तार:
ढांचे को $f(v)$ वितरण से लिए गए यादृच्छिक वेगों $v$ वाले वॉकर्स के लिए सामान्यीकृत किया गया है। लेखक प्रदर्शित करते हैं कि वेग विषमता (velocity heterogeneity) मूलभूत रूप से BJP तंत्र को नहीं बदलती है बल्कि दुर्लभ घटनाओं को नियंत्रित करने वाले प्रभावी दर फलन $I(z)$ को पुनर्रचित (renormalize) करती है। एक्सट्रीम MFPT की $1/N$ स्केलिंग सुरक्षित रहती है।
स्तनधारी निषेचन पर अनुप्रयोग:
एक प्रोटोटाइप उदाहरण के रूप में, लेखक अपने कोर्स-ग्रेन्ड मॉडल को स्तनधारी निषेचन पर लागू करते हैं। शुक्राणु की गति और स्टेप अवधि के अनुभवजन्य मापदंडों का उपयोग करते हुए, निषेचन समय ( $\langle T_N \rangle \approx 15$ मिनट) को स्थिर करके, वे गर्भाशय के आकार ( $X$ ) और शुक्राणुओं की संख्या ( $N$ ) के बीच एक स्केलिंग संबंध व्युत्पन्न करते हैं। प्रभावी टेल एक्सपोनेंट $\alpha = 3$ का उपयोग करते हुए, मॉडल देखे गए क्रॉस-स्पीशीज स्केलिंग को सफलतापूर्वक दोहराता है, जो यह सुझाव देता है कि सूक्ष्म लेवी-जैसे पथों की आवश्यकता के बिना, दुर्लभ परिवहन घटनाओं (बड़े जंप के रूप में मॉडल की गई) के साथ अतिरेक निषेचन की दक्षता को समझा सकता है।

महत्व
पेपर का दावा है कि अतिरेक, भारी-पूंछ वाले स्टेप वितरण के साथ मिलकर, लक्ष्य खोज के लिए एक अत्यधिक कुशल तंत्र प्रदान करता है जो शास्त्रीय विसरणात्मक रणनीतियों से काफी बेहतर प्रदर्शन करता है। $1/N$ स्केलिंग यह दर्शाती है कि जटिल जैविक और भौतिक प्रणालियों में जहाँ दुर्लभ, लंबी-दूरी के स्थानांतरण होते हैं, खोज समय को कम करने के लिए खोजकर्ताओं की एक मध्यम संख्या तैनात करना बहुत प्रभावी हो सकता है। यह कार्य एक्सट्रीम-वैल्यू सांख्यिकी और व्यावहारिक खोज रणनीतियों के बीच के अंतर को पाटता है, जो इम्यून सेल टारगेटिंग से लेकर पशु चरने (foraging) और निषेचन तक की प्रणालियों में अतिरेक को समझने के लिए एक सैद्धांतिक आधार प्रदान करता है। लेखक इस बात पर जोर देते हैं कि उनका ढांचा शुरुआती आगमन (early arrivals) के आवश्यक सांख्यिकी को पकड़ता है, भले ही बल्क गतिकी विसरणात्मक दिखाई दे।

तकनीकी सारांश: रैंडम वॉकर्स में दुर्लभ घटनाएँ और अतिरेक (Redundancy)

इसी तरह के और पेपर