PRISMA: Improving the Accuracy-Latency Frontier of Diffusion-based PDE Solvers Using Physics-Informed Spectral Attention

कल्पना कीजिए कि आप एक जटिल प्रणाली के व्यवहार की भविष्यवाणी करने की कोशिश कर रहे हैं, जैसे कि एक गगनचुंबी इमारत के चारों ओर हवा कैसे घूमती है या एक धातु की प्लेट में गर्मी कैसे फैलती है। विज्ञान की दुनिया में, इन समस्याओं को आंशिक अवकल समीकरणों (Partial Differential Equations - PDEs) नामक विशेष गणितीय रेसिपी द्वारा वर्णित किया जाता है। दशकों से, इन समीकरणों को हल करना एक अंधेरे में भूलभुलैया में नेविगेट करने जैसा रहा है: आपको छोटे, सावधानीपूर्ण कदम उठाने होते हैं, और अपनी स्थिति की लगातार जांच करनी होती है, जिसमें बहुत अधिक कंप्यूटर समय लगता है। हाल ही में, वैज्ञानिकों ने एक नए प्रकार के "AI अनुमान लगाने वाले" का उपयोग करना शुरू किया है जिसे डिफ्यूजन मॉडल (diffusion model) कहा जाता है। इसे एक मूर्तिकार की तरह समझें जो शोर (noise) और स्टेटिक से भरी मिट्टी के एक ब्लॉक से शुरू करता है और धीरे-धीरे शोर को हटाकर एक आदर्श मूर्ति को प्रकट करता है। यह तरीका बेहतरीन है क्योंकि यह बिखरे हुए, अधूरे डेटा को संभाल सकता है और यहाँ तक कि यह भी बता सकता है कि वह अपने उत्तर के बारे में कितना अनिश्चित है। हालाँकि, एक पेंच है: इस मूर्तिकार का वर्तमान संस्करण अविश्वसनीय रूप से धीमा है। एक अच्छा परिणाम प्राप्त करने के लिए, इसे हजारों छोटे कदम उठाने पड़ते हैं, और हर बार जब यह कोई अनुमान लगाता है, तो इसे यह जांचने के लिए रुकना पड़ता है कि क्या यह भौतिकी के नियमों का पालन कर रहा है। यह एक ऐसे मूर्तिकार की तरह है जो हर कुछ सेकंड में रुककर एक भारी विश्वकोश (encyclopedia) से परामर्श करता है, जिससे पूरी प्रक्रिया कष्टदायक रूप से धीमी हो जाती है।

यहीं पर शोधकर्ताओं की एक नई टीम एक चतुर समाधान के साथ आती है जिसे PRISMA कहा जाता है। उन्होंने एक सरल प्रश्न पूछा: बजाय इसके कि मूर्तिकार को हर कदम पर विश्वकोश चेक करने के लिए रोका जाए, क्या होगा यदि हम भौतिकी के नियमों को सीधे मूर्तिकार के हाथों में ही बुन दें? उनका पेपर PRISMA पेश करता है, जो एक नया प्रकार का AI है जो केवल "अनुमान" नहीं लगाता और फिर "जांचता" नहीं है; बल्कि यह काम करते समय भौतिकी को "महसूस" करता है। मॉडल के आर्किटेक्चर में ब्रह्मांड के नियमों को सीधे समाहित करके, PRISMA उन धीमे, महंगे चेकिंग चरणों को पूरी तरह से छोड़ सकता है। परिणाम यह है कि यह प्रणाली न केवल अविश्वसनीय रूप से सटीक है, बल्कि पिछले तरीकों की तुलना में 15 से 250 गुना तेज भी है। चाहे डेटा साफ हो, बिखरा हुआ (अधूरा) हो, या शोर वाला (स्टेटिक से भरा) हो, PRISMA बिना पुन: प्रशिक्षित (retrain) हुए मौके पर ही खुद को ढाल लेता है, जो विज्ञान की कुछ सबसे कठिन पहेलियों को हल करने का एक बिजली की तरह तेज तरीका प्रदान करता है।

समस्या: धीमा मूर्तिकार

यह समझने के लिए कि PRISM एक बड़ी बात क्यों है, हमें पहले यह देखना होगा कि "पुराना तरीका" कैसे काम करता है। कल्पना कीजिए कि आप एक तूफान की धुंधली, क्षतिग्रस्त फोटो को पुनर्गठित करने की कोशिश कर रहे हैं। आपके पास एक शक्तिशाली AI है जो जानता है कि तूफान आमतौर पर कैसे दिखते हैं। वर्तमान सर्वोत्तम विधि, जिसे डिफ्यूजन पोस्टीरियर सैंपलिंग (DPS) के रूप में जाना जाता है, इस प्रकार काम करती है: AI शुद्ध स्टेटिक शोर से शुरू होता है और धीरे-धीरे इसे एक स्पष्ट तूफान की तस्वीर में बदलने की कोशिश करता है। लेकिन समस्या यह है: AI को इस तूफान के विशिष्ट भौतिकी के नियमों का पता नहीं है। इसलिए, शोर को साफ करने के हर एक चरण के बाद, कंप्यूटर को रुकना पड़ता है और यह देखने के लिए एक अलग, भारी गणना चलानी पड़ती है कि जो तस्वीर वह बना रहा है वह वास्तव में द्रव गतिज (fluid dynamics) के नियमों का पालन करती है या नहीं।

यह एक ऐसे शेफ की तरह है जो केक बनाने की कोशिश कर रहा है और हर बार कोई सामग्री डालने के बाद उसे खाद्य वैज्ञानिक को फोन करना पड़ता है और पूछना पड़ता है, "क्या यह रासायनिक रूप से सही है?" यह काम करता है, लेकिन इसमें बहुत समय लगता है। इसके अलावा, यदि इनपुट डेटा शोर वाला है या उसमें कुछ हिस्से गायब हैं (जैसे खरोंच वाली फोटो), तो AI भ्रमित हो जाता है। इसे हर नए प्रकार की समस्या के लिए विशिष्ट सेटिंग्स के साथ मैन्युअल रूप से ट्यून करने की आवश्यकता होती है, और यदि शोर बहुत अधिक है, तो पूरी प्रक्रिया अस्थिर हो सकती है और विफल हो सकती है। पेपर का तर्क है कि इन बाहरी, धीमी जांचों पर निर्भर रहना एक ऐसी बाधा (bottleneck) है जो इन शक्तिशाली AI मॉडलों को वास्तविक समय की स्थितियों में उपयोगी होने से रोकती है।

समाधान: हाथों में भौतिकी को बुनना

इस पेपर के लेखक, वर्जीनिया टेक में मेधा साहनी और उनकी टीम, एक अलग दृष्टिकोण का प्रस्ताव देते हैं। भौतिकी के नियमों को एक बाहरी चेकलिस्ट के रूप में मानने के बजाय, उन्होंने निर्णय लिया कि वे उन्हें सीधे AI की "मांसपेशियों की स्मृति" (muscle memory) में बुन देंगे। उन्होंने एक नया मॉडल बनाया जिसे PRISMA (PDE Residual Informed Spectral Modulation with Attention) कहा जाता है।

PRISMA को एक ऐसे मूर्तिकार के रूप में सोचें जिसकी उंगलियों पर भौतिकी के नियम गुदे हुए हैं। जैसे-जैसे वे शोर को हटाते हैं, उन्हें किताब देखने के लिए रुकने की आवश्यकता नहीं होती। इसके बजाय, उनके पास एक विशेष उपकरण है जिसे "स्पेक्ट्रल रेसिडुअल अटेंशन" (SRA) ब्लॉक कहा जाता है। यह उपकरण एक अति-संवेदनशील रडार की तरह कार्य करता है जो भौतिकी की "ध्वनि" को सुनता है। यदि AI का वर्तमान अनुमान थोड़ा गलत है, तो SRA ब्लॉक तरंगों की आवृत्ति (frequency) में त्रुटि को तुरंत पहचान लेता है (जैसे किसी गाने में थोड़े बेसुरे नोट को सुनना) और AI को वापस पटरी पर लाने के लिए धीरे से धकेलता है।

यह मॉडल के आर्किटेक्चर के भीतर होता है, जिसका अर्थ है कि AI चलते-चलते खुद को सुधारना सीख जाता है। इसे हर चरण के बाद उन महंगी, धीमी गणनाओं को चलाने की आवश्यकता नहीं होती। यह ऐसा है जैसे मूर्तिकार के पास अब एक अंतर्निहित दिशा-सूचक यंत्र (compass) है जो हमेशा उत्तर दिशा की ओर संकेत करता है, जिससे वे एक ही सहज, निरंतर गति में मूर्ति को तराश सकते हैं।

यह कैसे काम करता है: "स्पेक्ट्रल" सुनने का जादू

पेपर बताता है कि PRISMA "स्पेक्ट्रल डोमेन" (spectral domain) में समस्या को देखकर काम करता है। एक संगीत के कॉर्ड (chord) की कल्पना करें। आप पूरे कॉर्ड को सुन सकते हैं, लेकिन आप उन व्यक्तिगत नोट्स (आवृत्तियों) को भी चुन सकते हैं जो इसे बनाते हैं। PRISM तूफान या गर्मी के प्रवाह के गणित के साथ भी यही करता है। यह समस्या को विभिन्न आवृत्तियों में तोड़ देता है।

जब AI एक अनुमान लगाता है, तो वह "रेसिड्यू" (residual) की गणना करता है—जो कि एक फैंसी शब्द है उस अंतर के लिए जो भौतिकी कहती है कि क्या होना चाहिए और AI वर्तमान में क्या सोच रहा है, उसके बीच का अंतर है। फिर PRISM अपने SRA ब्लॉक का उपयोग करके इस अंतर को फ्रीक्वेंसी डोमेन में देखता है। यह पूछता है: "इस कॉर्ड में कौन से विशिष्ट नोट्स बेसुरे हैं?" फिर यह एक विशेष मास्क बनाता है जो AI को बताता है, "हे, यहाँ उच्च-पिच वाली त्रुटियों को ठीक करो, लेकिन कम-पिच वाले हिस्सों को वैसे ही रहने दो।"

महत्वपूर्ण बात यह है कि यह प्रक्रिया "ग्रेडिएंट-डेसेंट फ्री" (gradient-descent free) है। पुराने तरीकों में, कंप्यूटर को यह जानने के लिए एक विशाल, बैकवर्ड गणना करनी पड़ती थी कि त्रुटि को कैसे ठीक किया जाए। PRISM इसे पूरी तरह से छोड़ देता है। यह सीधे सुधार लागू करता है। यही कारण है कि यह बहुत तेज़ है। पेपर दिखाता है कि PRISM इन समस्याओं को केवल 20 से 50 चरणों में हल कर सकता है, जबकि पिछले सर्वोत्तम तरीकों को 200 से 2,000 चरणों की आवश्यकता थी।

परिणाम: तेज़, मजबूत और हर चीज़ के लिए तैयार

टीम ने पांच अलग-अलग प्रकार की भौतिकी समस्याओं पर PRISM का परीक्षण किया, जिसमें झरझरा चट्टान (porous rock) के माध्यम से पानी का प्रवाह (Darcy flow), गर्मी का संचलन (Poisson), और हवा का घूमना (Navier-Stokes) शामिल है। उन्होंने मॉडल को कुछ कठिन परीक्षणों से गुजारा:

1. शोर वाला डेटा (Noisy Data): उन्होंने इनपुट में रैंडम स्टेटिक जोड़ा, जो वास्तविक दुनिया के सेंसर एरर का अनुकरण करता है।
2. बिखरा हुआ डेटा (Sparse Data): उन्होंने मॉडल को केवल 3% जानकारी दी, जैसे कि अधिकांश टुकड़ों के बिना एक पहेली।
3. नई स्थितियाँ (New Conditions): उन्होंने इसका परीक्षण उन स्थितियों पर किया जो उसने पहले कभी नहीं देखी थीं, जैसे तरल पदार्थ की चिपचिपाहट (viscosity) के विभिन्न स्तर।

परिणाम प्रभावशाली थे। डार्सी फ्लो (Darcy flow) के शोर वाले परीक्षण में, PRISM ने केवल 12.28% की त्रुटि दर हासिल की, जबकि पिछले सर्वोत्तम डिफ्यूजन विधि (DiffusionPDE) की त्रुटि 49.18% थी। इससे भी अधिक आश्चर्यजनक इसकी गति थी। PRISM पिछले प्रतिस्पर्धियों की तुलना में 15 से 250 गुना तेज़ था। उदाहरण के लिए, डार्सी फ्लो समस्या पर, PRISM को समाधान उत्पन्न करने में केवल 0.18 सेकंड लगे, जबकि DiffusionPDE को 213 सेकंड लगे।

पेपर यह भी रेखांकित करता है कि PRISM को विभिन्न कार्यों के लिए पुन: प्रशिक्षित करने की आवश्यकता नहीं है। चाहे आप भविष्य की भविष्यवाणी करना चाहते हों (फॉरवर्ड प्रॉब्लम) या प्रभाव से कारण का पता लगाना चाहते हों (इनवर्स प्रॉब्लम), या आपके पास पूर्ण डेटा हो या केवल कुछ बिखरे हुए बिंदु, एक ही PRISM मॉडल सब कुछ संभाल लेता है। ऐसा इसलिए है क्योंकि मॉडल "मास्क" का उपयोग करता है जो उसे बताता है कि कौन सी जानकारी उपलब्ध है, जिससे वह बिना किसी अतिरिक्त प्रशिक्षण के तुरंत अनुकूलित हो जाता है।

यह क्यों महत्वपूर्ण है

लेखक सावधानीपूर्वक नोट करते हैं कि हालांकि यह एक बड़ी छलांग है, लेकिन यह अभी भी हर समस्या के लिए जादुई छड़ी नहीं है। वर्तमान संस्करण का PRISM सबसे अच्छा 2D ग्रिड (सपाट सतहों) और नियमित आकारों पर काम करता है। इसका अभी तक जटिल 3D संरचनाओं या मानव हृदय या ऊबड़-खाबड़ पर्वत श्रृंखला जैसे अनियमित आकारों पर परीक्षण नहीं किया गया है, हालांकि लेखक सुझाव देते हैं कि उनके तरीके को भविष्य में उनके लिए भी अनुकूलित किया जा सकता है।

हालाँकि, जिन समस्याओं को यह हल करता है, उनके लिए इसका प्रभाव स्पष्ट है। धीमे, बाहरी चेकों की आवश्यकता को हटाकर, PRISM इन शक्तिशाली AI मॉडलों को वास्तविक समय के अनुप्रयोगों में उपयोग करने का द्वार खोलता है। एक ऐसे मौसम पूर्वानुमान की कल्पना करें जो नए डेटा के आते ही तुरंत अपडेट होता है, या एक मेडिकल इमेजिंग टूल जो एक सेकंड के अंश में धुंधले, शोर वाले स्कैन से स्पष्ट तस्वीर बना सकता है। पेपर सुझाव देता है कि भौतिकी-निर्देशित AI को तेज़ और मजबूत बनाकर, हम फ्लूइड डायनेमिक्स, भूमिगत मॉडलिंग और मेडिकल इमेजिंग जैसे क्षेत्रों में वैज्ञानिक खोज को गति दे सकते हैं।

संक्षेप में, PRISM वर्तमान AI भौतिकी सॉल्वर के "धीमे और स्थिर" दृष्टिकोण को "तेज़ और स्मार्ट" प्रणाली में बदल देता है। यह साबित करता है कि आपको हर कदम पर नियमों को चेक करने की आवश्यकता नहीं है यदि आप शुरुआत से ही नियमों को सिस्टम में बुन देते हैं। परिणाम एक ऐसा उपकरण है जो न केवल सटीक है, बल्कि वास्तविक दुनिया की शोर भरी और तेज़ गति वाली स्थितियों में उपयोग करने के लिए व्यावहारिक भी है।