Towards a Physics Foundation Model
यह शोध पत्र जनरल फिजिक्स ट्रांसफॉर्मर (GPhyT) को प्रस्तुत करता है, जो 1.8 TB विविध सिमुलेशन डेटा पर प्रशिक्षित एक फाउंडेशन मॉडल है जो पूर्व-निर्धारित समीकरणों पर निर्भर किए बिना सीधे संदर्भ से शासी गतिकी (governing dynamics) का अनुमान लगाकर उत्कृष्ट बहु-डोमेन प्रदर्शन और ज़ीरो-शॉट सामान्यीकरण प्राप्त करता है।
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 कंप्यूटर को यह सिखाने की कोशिश कर रहे हैं कि दुनिया कैसे चलती है। अभी, यदि आप चाहते हैं कि एक कंप्यूटर सिम्युलेट करे कि एक नाव के चारों ओर पानी कैसे बहता है, तो आपको एक विशिष्ट "बोट सिम्युलेटर" बनाना होगा। यदि आप चाहते हैं कि वह सिम्युलेट करे कि एक दीवार के माध्यम से गर्मी कैसे चलती है, तो आपको एक पूरी तरह से अलग "वॉल सिम्युलेटर" बनाना होगा। यदि आप एक विस्फोट से उत्पन्न होने वाली शॉकवेव (shockwave) को सिम्युलेट करना चाहते हैं, तो आपको एक तीसरा, बिल्कुल अलग प्रोग्राम बनाना होगा।
वर्तमान में, भौतिकी सिमुलेशन सॉफ्टवेयर एक ऐसे टूलबॉक्स की तरह है जहाँ हर उपकरण केवल एक विशिष्ट काम के लिए काम करता है। यदि आपको एक पेंच (screw) ठीक करने की आवश्यकता है, तो आप हथौड़े का उपयोग नहीं कर सकते।
बड़ा विचार: "यूनिवर्सल फिजिक्स शेफ"
यह पेपर एक नए प्रकार के आर्टिफिशियल इंटेलिजेंस को पेश करता है जिसे GPhyT (जनरल फिजिक्स ट्रांसफॉर्मर) कहा जाता है। लेखक एक "फिजिक्स फाउंडेशन मॉडल" बनाना चाहते हैं। इसे एक अलग-अलग उपकरणों वाले टूलबॉक्स के रूप में नहीं, बल्कि एक यूनिवर्सल शेफ (सार्वभौमिक रसोइया) के रूप में सोचें।
भाषा की दुनिया में, हमारे पास "फाउंडेशन मॉडल्स" हैं (जैसे कि वह AI जिससे आप अभी बात कर रहे हैं) जो कुछ उदाहरण पढ़ने के बाद कविता लिख सकते हैं, कोड को डीबग कर सकते हैं, या समाचार लेख का सारांश प्रस्तुत कर सकते हैं। उन्हें हर नए विषय के लिए फिर से प्रशिक्षित करने की आवश्यकता नहीं होती; वे बस आपके द्वारा पूछे गए संदर्भ (context) को समझ लेते हैं।
लेखकों ने पूछा: क्या हम भौतिकी के लिए एक "यूनिवर्सल शेफ" बना सकते हैं? क्या हम एक ही AI को विविध प्रकार के भौतिक सिमुलेशन पर प्रशिक्षित कर सकते हैं ताकि वह केवल वर्तमान में हो रही घटनाओं के कुछ स्नैपशॉट्स देखकर यह अनुमान लगा सके कि कोई भी सिस्टम कैसे व्यवहार करेगा?
उन्होंने यह कैसे किया
इस "यूनिवर्सल शेफ" को प्रशिक्षित करने के लिए, उन्होंने इसे केवल एक रेसिपी नहीं दी। उन्होंने इसे 1.8 टेराबाइट डेटा वाला एक विशाल "कुकबुक" दिया। यह केवल एक प्रकार का सूप नहीं है; यह कई चीजों का मिश्रण है:
- बहता हुआ पानी (जैसे एक नदी)।
- आपस में टकराती हुई हवा (शॉकवेव्स)।
- ऊपर उठती और गिरती गर्मी (जैसे उबलते पानी का बर्तन)।
- ठोस पदार्थों के साथ मिश्रित तरल पदार्थ (जैसे चट्टानों के चारों ओर बहता पानी)।
- यहाँ तक कि अन्य तरल पदार्थों के साथ मिश्रित तरल पदार्थ (जैसे तेल और पानी)।
AI को प्रत्येक परिदृश्य के लिए विशिष्ट गणितीय समीकरण बताने के बजाय (जैसे "पानी के लिए यह सूत्र उपयोग करें" या "हवा के लिए वह सूत्र उपयोग करें"), उन्होंने इसे छवियों के एक छोटे अनुक्रम (स्नैशॉट्स) को देखने दिया और खुद नियम समझने दिया।
गुप्त नुस्खा (Secret Sauce): "टाइम-डेरिवेटिव" ट्रिक
अधिकांश AI मॉडल सीधे अगले चित्र का अनुमान लगाने की कोशिश करते हैं। लेखकों ने पाया कि एक बेहतर तरीका है। उन्होंने अपने मॉडल को एक 'क्रिस्टल बॉल' (भविष्य बताने वाला गोला) के बजाय एक स्पीडोमीटर की तरह काम करना सिखाया।
- स्पीडोमीटर (न्यूरल डिफरेंशिएटर): AI वर्तमान स्थिति और हाल के अतीत को देखता है, और भविष्य का अनुमान लगाने के बजाय, यह गणना करता है कि अभी चीजें कितनी तेजी से बदल रही हैं (परिवर्तन की दर)।
- कैलकुलेटर (न्यूमेरिकल इंटीग्रेटर): एक बार जब AI को परिवर्तन की दर का पता चल जाता है, तो एक मानक, विश्वसनीय गणितीय उपकरण (जो सिस्टम के भीतर ही बना होता है) उस गति का उपयोग करके अगले चरण की गणना करता है।
यह एक ड्राइवर को यह सिखाने जैसा है कि कार की त्वरण (acceleration) को महसूस करें, न कि केवल यह अनुमान लगाना कि 10 सेकंड में कार कहाँ होगी। यह मॉडल को लंबे समय तक अधिक स्थिर और सटीक बनाता है।
उन्होंने क्या खोजा
पेपर तीन प्रमुख सफलताओं का दावा करता है:
- एक मॉडल जो सब पर शासन करे: GPhyT मॉडल का परीक्षण अन्य शीर्ष-स्तरीय भौतिकी AI मॉडल्स के विरुद्ध किया गया। इसने न केवल अच्छा प्रदर्शन किया; बल्कि इसने उन्हें पछाड़ दिया। कई परीक्षणों में, यह अगले सबसे अच्छे मॉडल की तुलना में 7 गुना अधिक सटीक था। यह एक ही मस्तिष्क में पानी, गर्मी और विस्फोटों को संभाल सकता था।
- "जीरो-शॉट" जादू: यह सबसे रोमांचक हिस्सा है। टीम ने मॉडल का परीक्षण उन भौतिक स्थितियों पर किया जिन्हें प्रशिक्षण के दौरान उसने कभी नहीं देखा था।
- उदाहरण: उन्होंने मॉडल को एक ऐसी दीवार से टकराती हुई शॉकवेव दिखाई जिसका आकार उन्होंने पहले कभी नहीं देखा था।
- परिणाम: मॉडल ने केवल बेतरतीब ढंग से अनुमान नहीं लगाया; इसने संदर्भ से भौतिकी को समझा और एक वास्तविक दिखने वाला सिमुलेशन तैयार किया। इसने विशिष्ट पैटर्न को नहीं, बल्कि भौतिकी के सिद्धांतों को सीखा।
- स्थिरता बनाए रखना: भौतिकी की भविष्यवाणी लंबे समय तक करना कठिन है क्योंकि छोटी गलतियाँ जल्दी ही बड़ी हो जाती हैं (जैसे पहाड़ से लुढ़कता हुआ हिमखंड)। हालांकि मॉडल अभी भी पूर्ण नहीं है, लेकिन यह अन्य मॉडलों की तुलना में बहुत लंबे समय तक स्थिर और भौतिक रूप से तर्कसंगत रहा, जो अक्सर बेतुकी स्थिति में पहुँच जाते थे।
निष्कर्ष (Bottom Line)
पेपर निष्कर्ष निकालता है कि हमने सफलतापूर्वक एक "एक बार प्रशिक्षित करें, कहीं भी तैनात करें" (Train Once, Deploy Anywhere) मॉडल की ओर पहला कदम बढ़ाया है। जिस तरह एक भाषा मॉडल बिना पुन: प्रशिक्षित हुए किसी भी विषय पर लिख सकता है, यह मॉडल विभिन्न भौतिक प्रणालियों को सिम्युलेट कर सकता है बिना प्रत्येक के लिए एक नया प्रोग्राम बनाए।
यह अभी क्या नहीं है (Yet)
लेखक बहुत सावधानी से बताते हैं कि यह अभी क्या नहीं है:
- यह आज के इंजीनियरों द्वारा उपयोग किए जाने वाले अत्यधिक सटीक गणितीय सॉल्वर का विकल्प नहीं है। यह अभी तक पुल या जेट इंजन डिजाइन करने के लिए पर्याप्त सटीक नहीं है।
- यह वर्तमान में केवल 2D (समतल) सिमुलेशन पर काम करता है, 3D (जैसे कि एक पूर्ण वीडियो गेम की दुनिया) पर नहीं।
- यह तरल पदार्थ और गर्मी तक सीमित है; इसने अभी तक ठोस यांत्रिकी (जैसे स्टील का झुकना) या रसायन विज्ञान को नहीं सीखा है।
संक्षेप में, उन्होंने एक "फिजिक्स जनरलिस्ट" बनाया है जो संदर्भ से सीखता है, जो यह साबित करता है कि एक एकल AI ब्रह्मांड के चलने के मौलिक नियमों को समझ सकता है, जो उच्च-गुणवत्ता वाले सिमुलेशन को विशेषज्ञों के विशेष सॉफ्टवेयर के बजाय सभी के लिए सुलभ बनाने के भविष्य का द्वार खोलता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।