💻 computer science

Nauplius Optimisation for Autonomous Hydrodynamics

यह शोध पत्र NOAH को प्रस्तुत करता है, जो एक नवीन प्रकृति-प्रेरित स्वार्म ऑप्टिमाइज़ेशन एल्गोरिदम है जो बार्नकल नौप्लि (barnacle nauplii) के व्यवहार की नकल करता है ताकि स्वायत्त अंडरवॉटर व्हीकल्स (Autonomous Underwater Vehicles) को प्रभावी ढंग से तीव्र धाराओं में नेविगेट करने और निरंतर सेंसिंग मिशनों के लिए अपरिवर्तनीय, ऊर्जा-कुशल एंकरिंग प्राप्त करने में सक्षम बनाया जा सके।

मूल लेखक: Shyalan Ramesh, Scott Mann, Alex Stumpf

प्रकाशित 2026-05-01

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Shyalan Ramesh, Scott Mann, Alex Stumpf

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 समुद्र की खोज करने के लिए अंडरवॉटर ड्रोन्स (AUVs) के एक विशाल समूह को व्यवस्थित करने की कोशिश कर रहे हैं। समुद्र एक कठिन जगह है: पानी लगातार बहता रहता है और इसमें तेज धाराएं चलती हैं, ड्रोन आपस में अच्छी तरह से बात नहीं कर सकते क्योंकि ध्वनि की गति धीमी होती है और पानी के नीचे विकृत हो जाती है, और उनकी बैटरी पावर भी सीमित होती है।

रोबोट समूहों (स्वार्म्स) को व्यवस्थित करने के पारंपरिक तरीकों में आमतौर पर यह माना जाता है कि रोबोट स्वतंत्र रूप से घूम सकते हैं और तुरंत एक-दूसरे से बात कर सकते हैं, जैसे आकाश में उड़ते पक्षी या सूखी राह पर चलने वाली चींटियां। लेकिन समुद्र में, ये तरीके विफल हो जाते हैं क्योंकि वे इस बात का ध्यान नहीं रखते कि पानी रोबोट्स को धकेल रहा है या यह कि कभी-कभी, एक रोबोट के लिए सबसे अच्छा काम हिलना-डुलना नहीं बल्कि रुक जाना और वहीं रहना होता है।

यह शोध पत्र एक नई विधि पेश करता है जिसे NOAH (Nauplius Optimisation for Autonomous Hydrodynamics) कहा जाता है। यह एक "प्रकृति-प्रेरित" एल्गोरिदम है, जिसका अर्थ है कि यह एक छोटे समुद्री जीव, एक बार्नकल लार्वा (barnacle larva) के व्यवहार की नकल करता है।

यहाँ NOAH कैसे काम करता है, इसे सरल अवधारणाओं में विभाजित किया गया है:

1. प्रेरणा: बार्नकल लार्वा

एक बार्नकल लार्वा (जिसे नौप्लिअस कहा जाता है) को एक नन्हे, स्वतंत्र रूप से तैरने वाले बेबी बार्नकल के रूप में सोचें।

बहना (Drifting): समुद्र की धारा से लड़ने के बजाय, लार्वा पानी को अपने साथ बहने देता है। यह बिना ज्यादा ऊर्जा खर्च किए दूर-दूर तक यात्रा करने के लिए प्रवाह का उपयोग करता है।
बड़ा निर्णय: अंततः, लार्वा को एक अच्छी जगह (जैसे व्हेल का पंख या चट्टान) ढूंढनी होती है और वहीं चिपक जाना होता है। वह एक स्थायी गोंद स्रावित करता है। एक बार जब वह चिपक जाता है, तो वह दोबारा हिल नहीं सकता। यह एक "वापसी का कोई रास्ता नहीं" (point of no return) वाला क्षण है।
कॉलोनी (Colony): एक बार चिपक जाने के बाद, लार्वा एक कॉलोनी का हिस्सा बन जाता है। वह गुजरने वाले अन्य लार्वा को संकेत भेजता है, "यह जगह बहुत अच्छी है, इसके पास आकर बस जाओ!" लेकिन साथ ही, "मुझे बहुत ज्यादा भीड़ मत दो।"

2. NOAH इसे रोबोट्स पर कैसे लागू करता है

NOAH एल्गोरिदम अंडरवॉटर ड्रोन्स के एक समूह को ठीक वैसे ही व्यवहार करने के लिए कहता है जैसे ये बार्नकल लार्वा करते हैं।

इसमें तीन चरण हैं:

चरण 1: बहाव (प्रवाह के साथ चलना)
बदले में धाराओं से लड़ने के बजाय, ड्रोन्स पानी को खुद को धकेलने देते हैं। वे नए क्षेत्रों को कुशलतापूर्वक खोजने के लिए समुद्र की प्राकृतिक हलचल का उपयोग करते हैं। यदि धारा उन्हें एक अच्छे स्थान की ओर धकेल रही है, तो वे अपनी गति बढ़ाते हैं; यदि धारा उन्हें दूर धकेल रही है, तो वे वापस मुड़ने के लिए अपनी शक्ति का उपयोग करते हैं। यह बैटरी बचाता है।
चरण 2: अपरिवर्तनीय लंगर (The "Glue" Moment)
यह सबसे अनूठा हिस्सा है। अधिकांश रोबोट स्वार्म्स में, यदि कोई रोबोट खराब जगह पाता है, तो वह वहां से हट जाता है। NOAH में, एक बार जब कोई ड्रोन वास्तव में अच्छी जगह (डेटा की गुणवत्ता, सुरक्षा या ऊर्जा के आधार पर) ढूंढ लेता है, तो वह निर्णय लेता है कि वह स्थायी रूप से रुक जाएगा। वह खुद को "लंगर" (anchor) डाल देता है।
- क्यों? क्योंकि समुद्र में, लगातार इधर-उधर घूमना ऊर्जा बर्बाद करता है। यदि कोई स्थान दीर्घकालिक निगरानी (जैसे कोरल रीफ की निगरानी करना) के लिए अच्छा है, तो वहां लंबे समय तक टिके रहना, तैरते रहने से बेहतर है।
- नियम: एक बार जब कोई ड्रोन लंगर डाल देता है, तो वह एक ही स्थान पर स्थिर हो जाता है। वह अपना निर्णय नहीं बदल सकता। यह स्वार्म को "भटकने" से रोकता है और एक स्थायी नेटवर्क "बनाने" के लिए मजबूर करता है।
चरण 3: कॉलोनी चैट (संकेत)
जो ड्रोन लंगर डाल चुके हैं, वे "बीकन" (beacons) बन जाते हैं। वे शेष मुक्त रूप से तैरने वाले ड्रोन्स को संकेत भेजते हैं।
- अच्छी खबर: "मेरे पास आकर बस जाओ! यह क्षेत्र मूल्यवान है।"
- बुरी खबर: "मेरे बहुत करीब मत बसना, वरना हम एक-दूसरे को भीड़ देंगे।"
  यह एक संतुलित नेटवर्क बनाता है जहाँ ड्रोन्स एक क्षेत्र को अच्छी तरह से कवर करने के लिए सही दूरी पर फैले होते हैं, न कि एक ही जगह जमा होते हैं।

3. यह पुराने तरीकों से बेहतर क्यों है

शोध पत्र का दावा है कि पुराने तरीके (जैसे Particle Swarm Optimisation) एक कमरे में भागते हुए लोगों के समूह की तरह हैं जो बाहर निकलने का रास्ता खोजने की कोशिश कर रहे हैं, और लगातार एक-दूसरे से टकरा रहे हैं और ऊर्जा बर्बाद कर रहे हैं।

NOAH उन लोगों के समूह की तरह है जो:

यह देखने के लिए कि हवा उन्हें कहाँ ले जाती है, कमरे में हवा के साथ बहते हैं।
जब किसी को निकास मिल जाता है, तो वे बैठ जाते हैं और दरवाजा लॉक कर देते हैं (स्थायी रूप से)।
वे दूसरों को चिल्लाकर बताते हैं, "मुझे निकास मिल गया है! यहाँ आकर बैठो, लेकिन थोड़ी जगह छोड़ना।"

4. परिणाम

शोधकर्ताओं ने कंप्यूटर सिमुलेशन के साथ इस विचार का परीक्षण किया:

सटीकता (Accuracy): 100 परीक्षणों में, ड्रोन्स ने सफलतापूर्वक सबसे अच्छी जगह को ढूंढा और वहां स्थायी रूप से लंगर डाला 86% बार।
गति (Speed): सिस्टम तेजी से कन्वर्ज (काम पूरा) हुआ, यहाँ तक कि कठिन और ऊबड़-खाबड़ परिदृश्यों में भी।
तुलना: NOAH ने अधिकांश परीक्षणों में मानक रोबोट-स्वार्म विधियों (जैसे PSO) और अन्य सामान्य योजना उपकरणों की तुलना में बेहतर प्रदर्शन किया।

सारांश

NOAH अंडरवॉटर रोबोट्स को नियंत्रित करने का एक नया तरीका है। उन्हें एकदम सटीक, फुर्तीले तैराक बनाने के बजाय जो कभी नहीं रुकते, यह उन्हें बार्नकल की तरह बनना सिखाता है: धारा के साथ बहें, एक आदर्श स्थान खोजें, वहां हमेशा के लिए टिक जाएं, और अपने दोस्तों को अच्छे स्थान खोजने में मदद करें। यह सेंसरों का एक स्थायी, ऊर्जा-कुशल नेटवर्क बनाता है जो बैटरी खत्म होने की चिंता किए बिना लंबे समय तक समुद्र की निगरानी कर सकता है।

यहाँ "नौपिलियस ऑप्टिमाइजेशन फॉर ऑटोनॉमस हाइड्रोडायनामिक्स (NOAH)" शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

स्वायत्त अंडरवॉटर व्हीकल (AUVs) समुद्री वातावरण में अनूठी चुनौतियों का सामना करते हैं जो पारंपरिक स्वार्म ऑप्टिमाइज़ेशन एल्गोरिदम (जैसे पार्टिकल स्वार्म ऑप्टिमाइज़ेशन - PSO, या एंट कॉलोनी ऑप्टिमाइज़ेशन - ACO) को अप्रभावी बना देते हैं। मुख्य रूप से पहचानी गई समस्याएँ हैं:

हाइड्रोडायनामिक बाधाएं (Hydrodynamic Constraints): मानक एल्गोरिदम समुद्री धाराओं को पार करने योग्य बाधाओं के रूप में देखते हैं, न कि उन बलों के रूप में जिनका लाभ उठाया जा सके। उनमें गतिशील प्रवाह क्षेत्रों (flow fields) को मॉडल करने वाले तंत्रों का अभाव है।
अपरिवर्तनीय ठहराव (Irreversible Settlement): मौजूदा स्वार्म विधियाँ मानती हैं कि एजेंट पूरी तरह से गतिशील रहते हैं। हालाँकि, दीर्घकालिक समुद्री निगरानी के लिए अक्सर मोबाइल AUVs को स्थायी, स्थिर सेंसर नोड्स (एंकरिंग) में बदलने की आवश्यकता होती है। वर्तमान एल्गोरिदम में "अपरिवर्तनीय ठहराव" का तंत्र नहीं है जहाँ एक एजेंट स्थायी रूप से एक स्थान के लिए प्रतिबद्ध हो जाता है।
संचार सीमाएँ (Communication Limitations): अंडरवॉटर ध्वनिक संचार (acoustic communication) उच्च विलंबता (latency), कम बैंडविड्थ और रुक-रुक कर होने वाली कनेक्टिविटी से ग्रस्त होता है। मानक स्वार्म एल्गोरिदम अक्सर विश्वसनीय, निरंतर संचार की धारणा रखते हैं, जो AUVs के लिए अवास्तविक है।
एकीकृत ढांचे का अभाव (Lack of Unified Framework): कोई भी मौजूदा विधि हाइड्रोडायनामिक ड्रिफ्ट अनुकूलन, अपरिवर्तनीय एंकरिंग और कॉलोनी-आधारित संचार को एक ही ढांचे में एक साथ संबोधित नहीं करती है।

2. कार्यप्रणाली: NOAH एल्गोरिदम (Methodology: The NOAH Algorithm)

लेखक NOAH (नौपिलियस ऑप्टिमाइजेशन फॉर ऑटोनॉमस हाइड्रोडायनामिक्स) प्रस्तावित करते हैं, जो बार्नकल नौपिलियस (larvae) के जीवन चक्र से प्रेरित एक बायो-इंस्पायर्ड एल्गोरिदम है, जो धाराओं में बहते हैं, मेजबानों (जैसे व्हेल) पर अपरिवर्तनीय रूप से बस जाते हैं, और संचार करने वाली कॉलोनियाँ बनाते हैं।

मुख्य जैविक प्रेरणा (Core Biological Inspiration)

ड्रिफ्ट (Drift): लार्वा प्रसार के लिए धाराओं के साथ निष्क्रिय रूप से बहते हैं।
अपरिवर्तनीय ठहराव (Irreversible Settlement): एक बार जब लार्वा (cyprid) एक उपयुक्त मेजबान खोज लेता है, तो वह स्थायी सीमेंट स्रावित करता है और पुनः स्थान नहीं बदल सकता।
कॉलोनी निर्माण (Colony Formation): बसे हुए लार्वा रासायनिक संकेतों (फेरोमोन्स) को छोड़ते हैं ताकि अन्य लार्वा को उसी क्षेत्र की ओर आकर्षित किया जा सके, जिससे एक कॉलोनी बनती है, जबकि वे अत्यधिक भीड़भाड़ से बचते हैं।

गणितीय ढांचा (Mathematical Framework)

एल्गोरिदम $d$ -आयामी खोज स्थान (search space) के भीतर तीन अलग-अलग चरणों में कार्य करता है:

A. अवस्था प्रतिनिधित्व (State Representation)
प्रत्येक एजेंट $i$ की स्थिति $x_{i,t}$ , वेग $v_{i,t}$ , और एक बाइनरी सेटलमेंट फ्लैग $a_{i,t}$ होती है।

यदि $a_{i,t} = 0$ : एजेंट मोबाइल है।
यदि $a_{i,t} = 1$ : एजेंट अपरिवर्तनीय रूप से एंकर (स्थिर) है (फ्रीज हो गया है)। एक बार बस जाने के बाद, $v_{i,t}$ शून्य हो जाता है और स्थिति हमेशा के लिए स्थिर रहती है।

B. वेग अपडेट (Velocity Update - Hydrodynamic Drift Adaptation)
मुक्त एजेंट पाँच घटकों के आधार पर अपने वेग को अपडेट करते हैं (समीकरण 6):

जड़त्व (Inertia): पिछले मोमेंटम का प्रतिधारण।
यादृच्छिक अन्वेषण (Random Exploration): स्टोकेस्टिक सर्च के लिए गॉसियन नॉइज़।
फिटनेस ग्रेडिएंट (Fitness Gradient): बेहतर ऑब्जेक्टिव फंक्शन मानों की ओर गति।
हाइड्रोडायनामिक ड्रिफ्ट ( $\gamma U(x)$ ): एक नवीन पद जहाँ $U(x)$ परिवेशी समुद्री धारा को दर्शाता है। एजेंट इष्टतम क्षेत्रों की ओर बढ़ने के लिए प्रवाह का सक्रिय रूप से उपयोग करते हैं, जिससे ऊर्जा की खपत कम होती है।
कॉलोनी फील्ड ( $\delta G_\Phi(x)$ ): एंकर की हुई कॉलोनियों द्वारा उत्पन्न एक क्षमता क्षेत्र (potential field)। यह एक दोहरे-पैमाने वाले बल के रूप में कार्य करता है:
- लंबी दूरी का आकर्षण: एजेंटों को उत्पादक क्षेत्रों की ओर खींचता है।
- छोटी दूरी का प्रतिकर्षण: अत्यधिक भीड़भाड़ को रोकता है (भौतिक भीड़भाड़ की बाधाओं का अनुकरण करता है)।
- संचार शोर (Communication Noise): क्षेत्र की शक्ति को एक संभाव्यता फलन $p_k(x)$ द्वारा नियंत्रित किया जाता है जो ध्वनिक लिंक विश्वसनीयता और क्षीणन (attenance) को मॉडल करता है।

C. अपरिवर्तनीय एंकरिंग निर्णय (Irreversible Anchoring Decision)
एजेंट एक लॉजिस्टिक सिग्मॉइड संभाव्यता फलन (समीकरण 8) के आधार पर बसने का निर्णय लेते हैं। निर्णय में शामिल हैं:

फिटनेस लाभ (Fitness Advantage): वर्तमान स्थान अपने पड़ोस की तुलना में कितना अच्छा है।
कॉलोनी की दूरी (Colony Distance): मौजूदा कॉलोनियों से निकटता।
प्रवाह स्थिरता (Flow Stability): कम विक्षोभ (shear) को प्राथमिकता दी जाती है।
भीड़भाड़ (Crowding): उच्च स्थानीय घनत्व ठहराव को हतोत्साहित करता है।
ऊर्जा अवस्था (Energy State): संसाधनों के संरक्षण के लिए कम ऊर्जा वाले एजेंट बसने के प्रति अधिक प्रवृत्त होते हैं।

D. कॉलोनी गतिशीलता (Colony Dynamics)

शक्ति अपडेट (Strength Update): कॉलोनी की शक्ति $S_k$ को पास के एजेंटों की फिटनेस और संचार सफलता दर के आधार पर अपडेट किया जाता है। मजबूत कॉलोनियाँ अधिक एजेंटों को आकर्षित करती हैं; कमजोर कॉलोनियाँ (खराब स्थान या उच्च भीड़भाड़) "कल्ड" (प्रभाव खो देती हैं) हो जाती हैं, लेकिन भौतिक रूप से एंकर रहती हैं।
संचार बैकबोन (Communication Backbone): एंकर किए गए एजेंट रिले नोड्स के रूप में कार्य करते हैं, जिससे एक मल्टी-हॉप ध्वनिक नेटवर्क बनता है जो झुंड (swarm) की संचार सीमा को बढ़ाता है।

3. प्रमुख योगदान (Key Contributions)

नवीन एल्गोरिदम (NOAH): पहला स्वार्म ऑप्टिमाइज़ेशन फ्रेमवर्क जो विशेष रूप से अंडरवॉटर वातावरण के लिए डिज़ाइन किया गया है, जो हाइड्रोडायनामिक जागरूकता, अपरिवर्तनीय ठहराव और कॉलोनी संचार को एकीकृत करता है।
अपरिवर्तनीय ठहराव तंत्र (Irreversible Settlement Mechanism): निरंतर गतिशीलता से "प्रोग्रेसिव फ्रीज" रणनीति की ओर एक पैराडाइम शिफ्ट। यह खोजे गए इष्टतम (optima) को स्थायी रूप से संरक्षित करके अभिसरण (convergence) की गारंटी देता है, जिससे यह सुनिश्चित होता है कि बाद के अन्वेषण के कारण झुंड अच्छे समाधानों को न खो दे।
हाइड्रोडायनामिक दोहन (Hydrodynamic Exploitation): पारंपरिक तरीकों के विपरीत, जो धाराओं से लड़ते हैं, NOAH प्रवाह क्षेत्रों को नेविगेशन सहायता के रूप में उपयोग करता है, जिससे गतिशील वातावरण में ऊर्जा दक्षता और अभिसरण गति में काफी सुधार होता है।
कॉलोनी-आधारित संचार (Colony-Based Communication): एक पदानुक्रमित संचार मॉडल जहाँ एंकर किए गए एजेंट क्लस्टर हेड के रूप में कार्य करते हैं, जिससे बैंडविड्थ की आवश्यकता कम होती है और वास्तविक अंडरवॉटर ध्वनिक बाधाओं का अनुकरण होता है।
गणितीय आधार (Mathematical Foundation): सेटलमेंट संभाव्यता, कॉलोनी फील्ड क्षमता और स्टेट ट्रांज़िशन समीकरणों का एक कठोर निरूपण, जो जैविक व्यवहार को नियंत्रण सिद्धांत (control theory) से जोड़ता है।

4. परिणाम और सत्यापन (Results and Validation)

लेखकों ने NOAH के प्रदर्शन का मूल्यांकन करने के लिए व्यापक सत्यापन अध्ययन किए:

एंकरिंग सटीकता (Anchoring Accuracy): एक कस्टम 2D "एंकरिंग बाउल" टेस्ट फंक्शन में, NOAH ने 100 रन में वैश्विक इष्टतम (global optimum) के 0.5 यूनिट के भीतर एजेंटों को स्थायी रूप से एंकर करने में 86% सफलता दर प्राप्त की। इष्टतम से औसत दूरी 0.194 यूनिट थी।
अभिसरण व्यवहार (Convergence Behavior): चार बेंचमार्क कार्यों (Rastrigin, Ackley, Rosenbrock, और Anchoring Bowl) पर परीक्षण किया गया। NOAH ने तीव्र प्रारंभिक सुधार के बाद स्थिर परिशोधन (refinement) प्रदर्शित किया।
- Rastrigin: बेसलाइन की तुलना में 67.2% सुधार।
- Rosenbrock: 95.0% सुधार।
- Anchoring Bowl: लगभग इष्टतम फिटनेस (-0.991) प्राप्त की।
तुलनात्मक प्रदर्शन (Comparative Performance): NOAH की तुलना PSO, सेंट्रॉइडल वोरोनोई टेसेलेशन (CVT), वर्चुअल फोर्स एल्गोरिदम (VFA), और ग्रीडी (Greedy) दृष्टिकोणों से की गई।
- NO-AH ने 4 में से 3 बेंचमार्क में प्रथम स्थान प्राप्त किया।
- इसने औसतन 4.75/5.0 का प्रदर्शन रैंकिंग प्राप्त किया, जो सर्वश्रेष्ठ बेसलाइन (PSO 3.50/5.0) से काफी बेहतर है।
जटिलता (Complexity): जबकि वर्स्ट-केस जटिलता $O(N^2)$ है (जब सभी एजेंट सेटल हो जाते हैं), औसत मामला $O(N^{1.5})$ है क्योंकि मुक्त एजेंटों की संख्या धीरे-धीरे कम होती जाती है, जिससे यह मध्यम आकार के झुंडों के लिए कम्प्यूटेशनल रूप से व्यवहार्य हो जाता है।

5. महत्व और अनुप्रयोग (Significance and Applications)

NOAH एल्गोरिदम समुद्री रोबोटिक्स में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है क्योंकि यह उन विशिष्ट बाधाओं को संबोधित करता है जिन्हें स्थलीय एल्गोरिदम अनदेखा कर देते हैं।

वैज्ञानिक और पर्यावरणीय प्रभाव: यह निरंतर वाहन रिचार्जिंग या वापसी की आवश्यकता के बिना कोरल रीफ, जलवायु परिवर्तन क्षेत्रों (अपवेलिंग, बर्फ पिघलना) और समुद्री संरक्षित क्षेत्रों की दीर्घकालिक निगरानी के लिए स्थायी, वितरित सेंसर नेटवर्क की तैनाती को सक्षम बनाता है।
बुनियादी ढांचा और सुरक्षा: यह अपतटीय पवन फार्मों, सबसी केबल और बंदरगाहों की स्थायी निगरानी के साथ-साथ निरंतर खोज और बचाव कार्यों की सुविधा प्रदान करता है।
ऊर्जा दक्षता: समुद्री धाराओं का लाभ उठाकर और निरंतर गतिशीलता की आवश्यकता को कम करके, NOAH AUV झुंडों के परिचालन जीवनकाल को बढ़ाता है।
मजबूती (Robustness): कॉलोनी-आधारित संचार और अपरिवर्तनीय एंकरिंग फॉल्ट टॉलरेंस प्रदान करते हैं; यदि मोबाइल एजेंट विफल हो जाते हैं, तो एंकर किया गया नेटवर्क बना रहता है, जिससे डेटा संग्रह और रिले क्षमता बनी रहती है।

निष्कर्षतः, NOAH मोबाइल AUV झुंडों को स्थायी, अनुकूलनीय और ऊर्जा-कुशल समुद्री सेंसर नेटवर्क में बदलने के लिए एक एकीकृत, सत्यापित और जैविक रूप से आधारित ढांचा प्रदान करता है।