🤖 machine learning

Multi-Marginal Flow Matching with Adversarially Learnt Interpolants

यह शोध पत्र ALI-CFM प्रस्तुत करता है, जो एक नवीन मल्टी-मार्जिनल फ्लो मैचिंग विधि है जो डिस्क्रीट टाइम-पॉइंट स्नैपशॉट्स के बीच सुचारू, अद्वितीय इंटरपोलेन्ट्स सीखने के लिए एक एडवर्सरियल लॉस का उपयोग करती है, जिससे ग्राउंड-ट्रुथ ट्रेजेक्टरीज के बिना अंतर्निहित गतिकी का सटीक अनुमान लगाना सक्षम होता है और जैविक डेटासेट पर मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।

मूल लेखक: Oskar Kviman, Kirill Tamogashev, Nicola Branchini, Víctor Elvira, Jens Lagergren, Nikolay Malkin

प्रकाशित 2026-07-07

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Oskar Kviman, Kirill Tamogashev, Nicola Branchini, Víctor Elvira, Jens Lagergren, Nikolay Malkin

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 यात्रा की कहानी समझने की कोशिश कर रहे हैं, लेकिन आपके पास केवल अलग-अलग पड़ावों पर यात्री की कुछ तस्वीरें हैं। आपके पास एक फोटो है कि उन्होंने कहाँ से शुरुआत की, एक फोटो है कि वे कहाँ समाप्त हुए, और शायद बीच के पड़ावों की कुछ धुंधली तस्वीरें हैं। आपका लक्ष्य उन सभी बिंदुओं को जोड़ने वाली एक चिकनी, निरंतर रेखा खींचना है ताकि यह दिखाया जा सके कि वे वास्तव में कैसे चले।

यह वह समस्या है जिसका सामना वैज्ञानिक कोशिकाएं कैसे बढ़ती हैं, बीमारियां कैसे फैलती हैं, या ट्यूमर कैसे विकसित होते हैं, जैसे विषयों का अध्ययन करते समय करते हैं। उनके पास अलग-अलग समय पर "स्नैपशॉट्स" (तस्वीरें) के रूप में डेटा होता है, लेकिन उनके पास वास्तविक गति का वीडियो नहीं होता।

यह पेपर इस पहेली को सुलझाने के लिए एक नई विधि पेश करता है जिसे ALI-CFM कहा जाता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:

पुराना तरीका: "कठोर डोरी" की समस्या (The "Rigid String" Problem)

पिछले तरीकों ने इन स्नैपशॉट्स को बिंदुओं के बीच सीधी रेखाएं या कठोर वक्र (curves) खींचकर जोड़ने की कोशिश की।

समस्या: यदि यात्री ने एक घुमावदार, जटिल रास्ता (जैसे एक गांठ) लिया था, तो एक सीधी रेखा या एक कठोर स्प्लाइन (एक सख्त प्लास्टिक का रूलर) वास्तविक यात्रा जैसा बिल्कुल नहीं दिखेगा। यह टेढ़ा-मेढ़ा, अजीब और भौतिकी के नियमों का उल्लंघन भी कर सकता है।
सीमा: ये पुराने तरीके हर एक डेटा बिंदु को सटीक रूप से छूने के लिए मजबूर करने की कोशिश करते थे। यदि डेटा थोड़ा शोर वाला (जैसे कि एक धुंधली फोटो) था, तो पथ लहरदार और अराजक हो जाता था।

नया तरीका: "प्रतिद्वंद्वी नृत्य" (The "Adversarial Dance" - ALI-CFM)

लेखक GANs (जेनरेटिव एडवरसैरियल नेटवर्क) से प्रेरित एक तकनीक का उपयोग करके पथ खींचने का एक स्मार्ट तरीका प्रस्तावित करते हैं। इसे दो पात्रों के बीच एक खेल के रूप में समझें:

जालसाज (The Forger - द इंटरपुलेंट): यह एक न्यूरल नेटवर्क है जो शुरुआती और अंतिम बिंदुओं के बीच एक सुंदर, चिकना पथ खींचने की कोशिश कर रहा है। यह एक ऐसा पथ बनाना चाहता है जो वास्तविक लगे।
कला समीक्षक (The Art Critic - द डिस्क्रिमिनेटर): यह एक अन्य न्यूरल नेटवर्क है जो जालसाज के पथ को देखता है और मध्य के पड़ावों पर ली गई वास्तविक "तस्वीरों" (डेटा) के साथ इसकी तुलना करता है। समीक्षक पूछता है: "क्या यह पथ वास्तव में बीच की फोटो में दिखने वाली भीड़ के माध्यम से गुजरता है?"

वे कैसे खेलते हैं:

जालसाज एक पथ खींचता है।
समीक्षक जांचता है कि क्या पथ मध्य की तस्वीरों में मौजूद भीड़ से मेल खाता है।
यदि पथ भीड़ से चूक जाता है, तो समीक्षक कहता है, "नहीं, यह नकली है!" और जालसाज फिर से प्रयास करता है।
वे इस खेल को तब तक खेलते रहते हैं जब तक कि जालसाज एक ऐसा पथ न खींच ले जो इतना चिकना और सटीक हो कि समीक्षक खींचे गए पथ और वास्तविक डेटा स्नैपशॉट्स के बीच अंतर न कर सके।

यह क्यों विशेष है

यह चिकना (Smooth) है: पुराने "कठोर रूलर" तरीकों के विपरीत, जो कई पड़ावों के होने पर टेढ़े-मेढ़े हो जाते हैं, यह विधि एक स्वाभाविक रूप से बहता हुआ, चिकना वक्र बनाना सीखती है, जैसे चट्टानों के चारों ओर बहती हुई नदी।
यह शोर (Noise) को संभालता है: क्योंकि जालसाज भीड़ के सामान्य आकार (वितरण/distribution) से मेल खाने की कोशिश कर रहा है न कि प्रत्येक व्यक्ति के सटीक स्थान को छूने की, इसलिए यह बहुत अच्छा काम करता है भले ही तस्वीरें धुंधली हों या डेटा अव्यवस्थित हो।
यह उच्च आयामों (High Dimensions) में काम करता है: यह पेपर दिखाता है कि यह न केवल 2D चित्रों के लिए, बल्कि जटिल, बहु-आयामी डेटा (जैसे एक कोशिका में हजारों जीन माप) के लिए भी काम करता है।

उन्होंने इसका परीक्षण कहाँ किया

लेखकों ने इस "जालसाज बनाम समीक्षक" के खेल का तीन वास्तविक दुनिया के परिदृश्यों पर परीक्षण किया:

हवा में एक "गांठ" (A "Knot" in the Air): एक कृत्रिम परीक्षण जहाँ डेटा बिंदुओं ने एक जटिल गांठ का आकार बनाया। पुराने तरीके गांठ को सुचारू रूप से ट्रेस करने में विफल रहे, लेकिन ALI-CFM ने इसे सटीक रूप से बनाया।
कोशिका ट्रैकिंग (Cell Tracking): सूक्ष्मदर्शी के नीचे एक एकल कोशिका के हिलने और आकार बदलने को देखना। पुराने तरीकों ने कोशिका के पथ को बेतरतीब ढंग से उछाल दिया; ALI-CFM ने एक चिकना, वास्तविक पथ बनाया जो कोशिका की वास्तविक गति का अनुसरण करता है।
ट्यूमर मैपिंग (Tumor Mapping): स्तन कैंसर के ऊतक से स्थानिक डेटा (spatial data) का उपयोग करके यह अनुमान लगाना कि ऊतक के एक स्लाइस में ट्यूमर कोशिकाएं कहाँ हैं। ALI-CFM पिछले तरीकों की तुलना में ट्यूमर के स्थान की भविष्यवाणी करने में बहुत बेहतर था।

मुख्य निष्कर्ष (The Bottom Line)

यह पेपर एक ऐसा नया उपकरण प्रस्तुत करता है जो "पथ का अनुमान लगाने" के खेल को खेलकर एक प्रक्रिया के बिंदुओं को जोड़ने के बारे में सीखता है। डेटा बिंदुओं के बीच एक कठोर संबंध बनाने के बजाय, यह एक चिकना, लचीला पथ बनाना सीखता है जो स्वाभाविक रूप से डेटा के अनुकूल होता है, जिससे यह जटिल प्रणालियों (जैसे कोशिकाओं या बीमारियों) के समय के साथ बदलने के पूर्वानुमान में बहुत बेहतर बन जाता है।

तकनीकी सारांश: एडवरसैरियली लर्न्ट इंटरपोलेट्स के साथ मल्टी-मार्जनल फ्लो मैचिंग

समस्या विवरण
यह शोध पत्र केवल विविक्त समय बिंदुओं (स्नैपशॉट्स) पर नमूनाकृत अवलोकनों (observations) से एक प्रणाली की समय-निर्भर गतिशीलता (time-dependent dynamics) को सीखने की चुनौती को संबोधित करता है, जहाँ ग्राउंड-ट्रुथ प्रक्षेपवक्र (trajectories) तक पहुँच उपलब्ध नहीं होती है। यह जीव विज्ञान (जैसे, सिंगल-सेल आरएनए अनुक्रमण, सेल ट्रैकिंग) और चिकित्सा जैसे क्षेत्रों में एक केंद्रीय कार्य है। औपचारिक रूप से, लक्ष्य एक समय-निर्भर वेक्टर फील्ड $v_t$ का अनुमान लगाना है जो एक ऑर्डिनरी डिफरेंशियल इक्वेशन (ODE) $dx_t = v_t(x_t)dt$ को नियंत्रित करता है, ताकि एक प्रारंभिक मार्जिनल डिस्ट्रीब्यूशन $q_0$ को लक्षित $q_1$ तक पहुँचाया जा सके, जबकि मध्यवर्ती मार्जिनल बाधाओं $p_{t_i} = q_{t_i}$ को संतुष्ट किया जा सके, जहाँ $0 = t_1 < \dots < t_K = 1$ समय चरणों का एक सेट है।

मौजूदा दृष्टिकोण, जैसे कि क्रमिक मार्जियल्स के जोड़ों पर मानक फ्लो मैचिंग (Flow Matching - FM) लागू करना या पीसवाइज लीनियर/क्यूबिक स्प्लाइन इंटरपोलेट्स का उपयोग करना, अक्सर गैर-सुचारू (non-smooth) इंटरपोलेशन कर्व्स का परिणाम देते हैं। इस गैर-सुचारूता के कारण सीखने के उद्देश्य (learning objective) में उच्च ग्रेडिएंट वेरिएंस होता है और उच्च-आयामी सेटिंग्स या शोर वाले डेटा में परिणामी वेक्टर फील्ड्स को मार्जिनलाइज़ करने में कठिनाइयाँ आती हैं।

कार्यप्रणाली: ALI-CFM
लेखक ALI-CFM (Adversarial Learnt Interpolants with Conditional Flow Matching) का प्रस्ताव करते हैं, जो एक दो-चरणीय विधि है जो इंटरपोलेट्स के सीखने को वेक्टर फील्ड के सीखने से अलग करती है।

इंटरपोलेट्स का एडवरसैरियल लर्निंग (ALI):
विशिष्ट डेटा बिंदुओं (pointwise matching) से गुजरने के लिए इंटरपोलेट्स को मजबूर करने के बजाय, ALI एक न्यूरल इंटरपोलेंट $G_\phi(x_0, x_1, t)$ सीखता है जो मध्यवर्ती मार्जियल्स के डिस्ट्रीब्यूशन से मेल खाता है। इंटरपोलेंट को एक लीनियर इंटरपोलेशन और एक न्यूरल करेक्शन टर्म के रूप में पैरामीटराइज़ किया गया है:
$G_\phi(x_0, x_1, t) = (1-t)x_0 + tx_1 + t(1-t)f_\phi(x_0, x_1, t)$
यह सुनिश्चित करने के लिए कि इंटरपोलेंट का पुशफॉरवर्ड डिस्ट्रीब्यूशन देखे गए मध्यवर्ती मार्जियल्स $q_{t_i}$ से मेल खाता है, लेखक एक GAN-प्रेरित एडवरसैरियल ऑब्जेक्टिव का उपयोग करते हैं। एक डिस्क्रिमिनेटर $D_\gamma$ वास्तविक मार्जनल $q_{t_i}$ और इंटरपोलेंट $G_\phi$ द्वारा उत्पन्न नमूनों के बीच अंतर करता है। जनरेटर (इंटरपोलेंट) को इन डिस्ट्रीब्यूशंस के बीच जेन्सन-शैनन डायवर्जेंस (Jensen-Shannon divergence) को कम करने के लिए प्रशिक्षित किया जाता है।

इंटरपोलेट्स की विशिष्टता (uniqueness) सुनिश्चित करने और अत्यधिक घुमावदार पथों को रोकने के लिए, लेखक रेगुलराइज़र्स पेश करते हैं:
- लीनियर रेफरेंस (Linear Reference): युग्मित एंड-पॉइंट्स के बीच एक सीधी रेखा से विचलन को दंडित करता है।
- पीसवाइज लीनियर रेफरेंस (Piecewise Linear Reference): इंटरपोलेंट को मार्कोव-चेन्ड ऑप्टिमल ट्रांसपोर्ट (OT) कपलिंग द्वारा परिभाषित एक पीसवाइज लीनियर पथ पर रिग्रेट करता है।
- सेकंड डेरिवेटिव नॉर्म (Second Derivative Norm): इंटरपोलेट की वक्रता (curvature) को दंडित करके सुचारूता (smoothness) को लागू करता है।
कंडीशनल फ्लो मैचिंग (CFM) के माध्यम से मार्जिनलाइजेशन:
एक बार जब इंटरपोलेट्स $G_\phi$ प्रशिक्षित हो जाते हैं, तो उन्हें स्थिर कर दिया जाता है। एक दूसरा न्यूरल नेटवर्क $u_\theta$ उस वेक्टर फील्ड को अनुमानित करने के लिए प्रशिक्षित किया जाता है जो इन इंटरपोलेट्स को उत्पन्न करता है। यह मानक कंडीशनल फ्लो मैचिंग ऑब्जेक्टिव का उपयोग करके किया जाता है, जहाँ लक्षित वेक्टर फील्ड सीखे गए इंटरपोलेंट का समय व्युत्पन्न (time derivative) है:
$L_{CFM} = \mathbb{E}_{t, (x_0, x_1) \sim \pi} \| u_\theta(G_\phi(x_0, x_1, t)) - \frac{d}{dt}G_\phi(x_0, x_1, t) \|^2$
$q_0$ और $q_1$ के बीच कपलिंग $\pi$ स्वतंत्र या एक ऑप्टिमल ट्रांसपोर्ट प्लान हो सकती है।

मुख्य योगदान

नवीन इंटरपोलेशन तकनीक: यह शोध पत्र एक ऐसी विधि पेश करता है जो पॉइंटवाइज मैचिंग के बजाय डिस्ट्रीब्यूशन को मैच करने वाले एडवरसैरियल ऑब्जेक्टिव का उपयोग करके इंटरपोलेट्स को सीखती है। यह सुचारू प्रक्षेपवक्रों (trajectories) को सक्षम बनाता है जो हल्के अनुमानों के तहत अद्वितीय होते हैं।
शोर और जटिलता के प्रति मजबूती: यह विधि शोर वाले डेटासेट और जटिल, समय-परिवर्तनीय ज्यामिति को संभालने के लिए डिज़ाइन की गई है जहाँ पॉइंटवाइज इंटरपोलेशन विधियाँ (जैसे स्प्लिन्स या पीसवाइस लीनियर) विफल हो जाती हैं या अस्थिर हो जाती हैं।
स्केलेबिलिटी और बहुमुखी प्रतिभा: लेखक प्रदर्शित करते हैं कि ALI-CFM उच्च-आयामी डेटा और मार्जनल डिस्ट्रीब्यूशंस की बड़ी संख्या ( $K$ ) तक स्केल करता है, जो कुछ जटिल परिदृश्यों में मौजूदा बेसलाइन्स से बेहतर प्रदर्शन करता है।

प्रायोगिक परिणाम
लेखक चार अलग-अलग कार्यों पर ALI-CFM का मूल्यांकन करते हैं:

सिंथेटिक "नॉट" (Knot) डिस्ट्रीब्यूशन: एक सिंथेटिक डेटासेट पर जिसमें 1,200 मार्जनल डिस्ट्रीब्यूशंस एक नॉट (knot) बनाते हैं, ALI-CFM एकमात्र ऐसा तरीका था जो समय-निर्भर ज्यामिति को सटीक रूप से पकड़ने में सक्षम था। प्रतिस्पर्धी विधियों (OT-MFM, क्यूबिक स्प्लिन्स, पीसवाइस लीनियर) ने उच्च ग्रेडिएंट वेरिएंस वाले गैर-सुचारू इंटरपोलेट्स उत्पन्न किए।
सेल ट्रैकिंग (ग्ियोब्लास्टोमा): एक चलते हुए सेल के माइक्रोस्कोपी डेटा का उपयोग करते हुए, ALI-CFM ने शोर वाले, सबसैम्पल्ड डेटा से स्पैटियो-टेम्पोरल डायनेमिक्स को सफलतापूर्वक सीखा। इसके विपरीत, OT-CFM प्रक्षेपवक्र विचलित हो गए, और समय-स्वतंत्र OT-MFM अस्थायी निर्भरताओं (temporal dependencies) को पकड़ने में विफल रहा।
सिंगल-सेल ट्रजेक्टरी इन्फरेंस (scRNA-seq): EB, Cite-seq, और Multiome डेटासेट्स पर, ALI-CFM ने अर्थ मूवर्स डिस्टेंस (EMD) के मामले में अत्याधुनिक बेसलाइन्स (OT-MFM, OT-CFM) के बराबर प्रदर्शन किया। लेखक नोट करते हैं कि हालांकि एडवरसैरियल ट्रेनिंग इन विशिष्ट मेट्रिक्स में उन विधियों को सख्ती से पछाड़ना कठिन बनाती है जो पॉइंटवाइज डेटा पर ओवरफिट होती हैं, फिर भी यह विधि अत्यधिक प्रतिस्पर्धी बनी हुई है।
ट्यूमर कोऑर्डिनेट इन्फरेंस (स्पेशियल ट्रांसक्रिप्टोमिक्स): स्थानिक रूप से व्यवस्थित टिश्यू सेक्शन्स वाले एक ब्रेस्ट कैंसर डेटासेट पर, ALI-CFम ने सभी बेसलाइन्स (OT-CFM, OT-MMFM, और OT-MFM सहित) को काफी बेहतर प्रदर्शन किया। वे इस सफलता का श्रेय मेथड की मल्टीमॉडल डिस्ट्रीब्यूशंस को संभालने की क्षमता और टिश्यू सेक्शन्स को संरेखित करने की चुनौतियों को हल करने की क्षमता को देते हैं।

महत्व और दावे
यह शोध पत्र दावा करता है कि ALI-CFM सख्त पॉइंटवाइज असाइनमेंट से डिस्ट्रीब्यूशन मैचिंग की ओर स्थानांतरित होकर मल्टी-मार्जनल फ्लो मैचिंग के लिए एक वैचारिक रूप से नवीन दृष्टिकोण प्रदान करता है। यह बदलाव सुचारू, अद्वितीय इंटरपोलेट्स सीखने में सक्षम बनाता है जो शोर के प्रति मजबूत हैं और उन जटिल डायनेमिक्स को मॉडल करने में सक्षम हैं जहाँ पिछले तरीके विफल हो जाते हैं। लेखक इस बात पर जोर देते हैं कि उनकी विधि सैकड़ों या हजारों मार्जनल डिस्ट्रीब्यूशंस और शोर वाले डेटा वाले परिदृश्यों में विशेष रूप से प्रभावी है, जहाँ कोई अन्य फ्लो मैचिंग एल्गोरिदम तुलनीय प्रदर्शन प्रदर्शित नहीं कर सका है। जबकि यह विधि मानक सिंगल-सेल बेंचमार्क पर मौजूदा अत्याधुनिक (state-of-the-art) विधियों के बराबर प्रदर्शन करती है, स्पेशियल ट्रांसक्रिप्टोमिक्स और सिंथेटिक जटिल ज्यामिति कार्यों पर इसकी बेहतर प्रदर्शन क्षमता इसकी बहुमुखी प्रतिभा और स्केलेबिलिटी को रेखांकित करती है।