Branching Flows: Discrete, Continuous, and Manifold Flow Matching with Splits and Deletions
ब्रांचिंग फ्लोज़ (Branching Flows) एक नया जनरेटिव मॉडलिंग फ्रेमवर्क है जो बाइनरी ट्री के एक जंगल के भीतर तत्वों को स्टोकेस्टिक रूप से ब्रांच करने या समाप्त होने की अनुमति देकर परिवर्तनीय लंबाई वाली अनुक्रमों (sequences) के निर्माण को सक्षम बनाता है, जबकि यह डिस्क्रीट, कंटीन्यूअस और मैनिफोल्ड स्टेट स्पेस के विभिन्न फ्लो मैचिंग प्रक्रियाओं के साथ संगत बना रहता 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 रोबोट को कुछ बनाना सिखाने की कोशिश कर रहे हैं, लेकिन एक पेच है: आपको यह नहीं पता कि अंतिम वस्तु कितनी बड़ी होने वाली है।
यदि आप उसे एक चित्र बनाने के लिए सिखा रहे होते, तो आप उसे एक निश्चित आकार का कैनवास देते। यदि आप उसे एक वाक्य लिखना सिखा रहे होते, तो आप उसे शब्दों की एक निश्चित संख्या के बाद रुकने के लिए कहते। लेकिन क्या होगा यदि आप उसे एक प्रोटीन अणु, एक नई दवा, या एक जटिल जैविक श्रृंखला डिजाइन करना सिखाना चाहते हैं? प्रकृति में, ये चीजें "मानक आकार" में नहीं आतीं। एक प्रोटीन में 50 कड़ियाँ हो सकती हैं, और दूसरे में 500।
वर्तमान AI मॉडल एक निश्चित आकार के कैनवास पर काम करने वाले कलाकारों की तरह हैं। वे एक विशिष्ट स्थान को भरने में बहुत अच्छे हैं, लेकिन जब "कैनवास" को स्वयं बड़ा या छोटा होने की आवश्यकता होती है, तो वे संघर्ष करते हैं।
यह शोध पत्र "ब्रांचिंग फ्लोज़" (Branching Flows) पेश करता है, जो AI के लिए एक नया तरीका है जिससे वह ऐसी चीजें बना सके जिनकी लंबाई बदलती रहती है।
उपमा: जादुई बढ़ता हुआ पेड़
यह समझने के लिए कि ब्रांचिंग फ्लोज़ कैसे काम करता है, एक सपाट कैनवास के बारे में सोचना बंद करें और एक जादुई पेड़ के बारे में सोचना शुरू करें।
1. बीज (प्रारंभिक बिंदु):
अधिकांश AI मॉडल अंतिम उत्पाद के एक "खाली" संस्करण से शुरू होते हैं। ब्रांचिंग फ्लोज़ एक "बीज" से शुरू होता है—एक बहुत ही सरल, छोटा प्रारंभिक बिंदु (जैसे कि एक अकेला तना)।
2. शाखा बनना (लंबाई बढ़ाना):
जैसे-जैसे समय बीतता है (AI की "सोचने" की प्रक्रिया के दौरान), पेड़ बढ़ने लगता है। एक अकेली शाखा अचानक दो में विभाजित हो सकती है। यह वह तरीका है जिससे AI निर्णय लेता है, "वास्तव में, इस अणु को काम करने के लिए मुझे यहाँ और अधिक टुकड़ों की आवश्यकता है।" यह केवल टुकड़े जोड़ना नहीं है; यह संरचना को अंदर से बाहर की ओर विकसित करना है।
3. छंटाई (गलतियों को हटाना):
कभी-कभी पेड़ एक ऐसी शाखा उगाता है जो वहां नहीं होनी चाहिए—एक ऐसा "डेड एंड" जो किसी उपयोगी भाग की ओर नहीं ले जाता। ब्रांचिंग फ्लोज़ में एक "छंटाई" (pruning) तंत्र होता है। यह एक शाखा को देख सकता है और कह सकता है, "यह एक गलती है; चलो इसे हटा देते हैं," प्रभावी रूप से संरचना को वापस उसके सटीक आकार तक सिकोड़ देता है।
4. एंकर्स (विकास को दिशा देना):
यह सुनिश्चित करने के लिए कि पेड़ एक अराजक गड़बड़ी में न बदल जाए, AI "एंकर्स" का उपयोग करता है। इन्हें हवा में अदृश्य मार्गदर्शक स्तंभों के रूप में समझें। जैसे-जैसे एक शाखा बढ़ती है, उसे लगातार इन मार्गदर्शक स्तंभों की ओर खींचा जाता है, जिससे यह सुनिश्चित होता है कि भले ही पेड़ विभाजित और विकसित हो रहा हो, वह हमेशा एक वास्तविक, कार्यात्मक अणु के आकार की ओर बढ़ रहा है।
यह एक बड़ी बात क्यों है? (द "इन्फिक्स" समस्या)
शोधकर्ता एक विशिष्ट समस्या पर प्रकाश डालते हैं जिसे "इन्फिक्स सैंपलिंग" (Infix Sampling) कहा जाता है।
कल्पना कीजिए कि आप एक पुल बना रहे हैं। आपके पास बायां हिस्सा तैयार है, और आपके पास दायां हिस्सा तैयार है। अब, आपको बीच के हिस्से को बनाने की आवश्यकता है ताकि उन्हें जोड़ा जा सके। लेकिन आपको नहीं पता कि वह बीच का हिस्सा कितना लंबा होना चाहिए ताकि पुल स्थिर रहे!
पुराने AI मॉडल संघर्ष करेंगे क्योंकि वे पहले एक लंबाई का अनुमान लगाने की कोशिश करेंगे, और यदि उनका अनुमान गलत निकला, तो पुल फिट नहीं होगा। ब्रांचिंग फ्लोज़ इसे हल करता है। यह दोनों सिरों के साथ शुरू कर सकता है और "पेड़" को प्राकृतिक रूप से बीच के हिस्से को विकसित करने दे सकता है जब तक कि दोनों पक्ष पूरी तरह से जुड़ न जाएं।
वास्तविक दुनिया के अनुप्रयोग
शोधकर्ताओं ने इस "जादुई पेड़" दृष्टिकोण का तीन बहुत कठिन कार्यों पर परीक्षण किया:
- छोटे अणु (रसायन विज्ञान): उन्होंने AI को छोटे अणु बनाना सिखाया। AI ने सफलतापूर्वक सीखा कि कितने परमाणु जोड़ने हैं और एक यथार्थवादी रासायनिक संरचना बनाने के लिए उन्हें कहाँ रखना है।
- एंटीबॉडी (चिकित्सा): एंटीबॉडी हमारे प्रतिरक्षा तंत्र के "सैनिक" हैं। वे कई अलग-अलग लंबाई के होते हैं। AI ने एंटीबॉडी अनुक्रमों को विकसित करना सीखा जो प्रकृति में पाए जाने वाले वास्तविक एंटीबॉडी की तरह दिखते और कार्य करते हैं।
- प्रोटीन (जीव विज्ञान): यह जीव विज्ञान का "फाइनल बॉस" है। प्रोटीन विशाल, जटिल 3D आकार होते हैं। AI प्रोटीन संरचनाओं को डिजाइन करने में सक्षम था जो इतने यथार्थवादी थे कि जब उन्हें अन्य उन्नत जैविक सिम्युलेटरों के माध्यम से चलाया गया, तो वे वास्तविक, कार्यात्मक प्रोटीन की तरह दिखे।
सारांश
संक्षेप में, ब्रांचिंग फ्लोज़ AI को एक "पेंटर" (एक निश्चित कैनवास आकार तक सीमित) से बदलकर एक "माली" बना देता है। यह AI को संरचनाओं को उगाने, विभाजित करने और छंटाई करने की अनुमति देता है, जिससे यह जीवन के जटिल, परिवर्तनशील आकार के निर्माण खंडों को डिजाइन करने के लिए एक शक्तिशाली नया उपकरण बन जाता 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।