🔬 condensed matter

Entropy of Soft Random Geometric Graphs in General Geometries

यह शोध पत्र इस बात की जांच करता है कि एम्बेडिंग ज्योमेट्री (embedding geometry) सॉफ्ट रैंडम ज्योमेट्रिक ग्राफ के एंट्रॉपी (entropy) को कैसे प्रभावित करती है, यह प्रदर्शित करते हुए कि जहाँ छोटे कनेक्शन रेंज एंट्रॉपी को केवल आयाम (dimension) पर निर्भर बनाते हैं, वहीं बड़े रेंज सीमा आकृतियों (boundary shapes) को महत्वपूर्ण बना देते हैं, जिससे एक नया सूत्रपात होता है जो जटिल ज्यामितिओं को संभालने के लिए औसत डिग्री के माध्यम से एंट्रॉपी का अनुमान लगाता है जिनके पास क्लोज्ड-फॉर्म समाधान (closed-form solutions) का अभाव है।

मूल लेखक: Oliver Baker, Carl P. Dettmann

प्रकाशित 2026-01-22

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Oliver Baker, Carl P. Dettmann

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 शहर में लोगों के बीच जुड़ाव के एक विशाल, अदृश्य जाल का वर्णन करने की कोशिश कर रहे हैं। कुछ लोग पड़ोसी हैं और लगातार बात करते हैं; कुछ बहुत दूर हैं और शायद ही कभी बात करते हैं। गणित और भौतिकी की दुनिया में, इसे सॉफ्ट रैंडम ज्योमेट्रिक ग्राफ (SRGG) कहा जाता है। यह एक ऐसा मॉडल है जहाँ नोड्स (लोग) स्थान में बिखरे हुए होते हैं, और उनके बीच संबंध होने की संभावना इस बात पर निर्भर करती है कि वे एक-दूसरे से कितनी दूर हैं।

यह शोध पत्र एक बहुत ही विशिष्ट प्रश्न पूछता है: इस जाल में कितनी "सूचना" या "आश्चर्य" छिपा हुआ है? विज्ञान में, इसे एन्ट्रॉपी (Entropy) कहा जाता है। एन्ट्रॉपी को आप सिस्टम की "अव्यवस्था" या "अनिश्चितता" के रूप में समझ सकते हैं। यदि आप इस नेटवर्क की एक फ़ाइल को कंप्रेस (जैसे फोल्डर को ज़िप करना) करना चाहते हैं, तो एन्ट्रॉपी आपको उस फ़ाइल का वह न्यूनतम आकार बताती है जो वह संभवतः हो सकता है।

लेखक, ओलिवर बेकर और कार्ल डिटमैन, यह जांचते हैं कि शहर का आकार (ज्यामिति/geometry) सूचना की इस मात्रा को कैसे बदलता है। वे दो चरम स्थितियों को देखते हैं: जब कनेक्शन बहुत कम दूरी के हों (जैसे अपने बगल में खड़े व्यक्ति से फुसफुसाकर बात करना) और जब वे बहुत लंबी दूरी के हों (जैसे पूरे शहर में चिल्लाकर बात करना)।

यहाँ उनके निष्कर्षों का सरल उपमाओं के माध्यम से विवरण दिया गया है:

1. "फुसफुसाहट" वाली स्थिति (छोटा कनेक्शन रेंज)

कल्पना कीजिए कि हर कोई केवल उसी व्यक्ति से बात कर सकता है जो उसके ठीक बगल में खड़ा है।

निष्कर्ष: जब कनेक्शन की सीमा बहुत कम होती है, तो शहर का आकार ज्यादा मायने नहीं रखता। चाहे शहर एक सटीक वर्ग हो, एक वृत्त हो, या कोई अजीब सा आकार हो, सूचना की मात्रा (एन्ट्रॉपी) लगभग एक समान ही रहती है।
उपमा: एक भीड़ की कल्पना करें जो एक सीधी रेखा में खड़ी है। यदि आप केवल इस बात पर ध्यान देते हैं कि कौन अपने तत्काल पड़ोसी का हाथ थामे हुए है, तो इससे कोई फर्क नहीं पड़ता कि रेखा सीधी है या घुमावदार। यहाँ "स्थानीय" नियम हावी होते हैं। केवल डायमेंशन (विमा) ही मायने रखता है (क्या यह एक 2D मानचित्र है या एक 3D कमरा?)।
यह क्यों महत्वपूर्ण है: इसका अर्थ यह है कि कम दूरी वाले नेटवर्क (जैसे कुछ वायरलेस सेंसर नेटवर्क) के लिए, आप बिना सटीक सीमाओं को जाने, केवल स्थान की विमा (dimension) को जानकर यह अनुमान लगा सकते हैं कि आपको कितने डेटा को स्टोर करने की आवश्यकता होगी।

2. "चिल्लाने" वाली स्थिति (बड़ा कनेक्शन रेंज)

अब कल्पना कीजिए कि हर किसी के पास मेगाफोन है और वे पूरे शहर में किसी से भी बात कर सकते हैं।

निष्कर्ष: जब कनेक्शन की सीमा बहुत बड़ी होती है, तो शहर की सीमाएँ (boundaries) बहुत मायने रखने लगती हैं। किनारे और कोने आकार की एन्ट्रॉपी को बदल देते हैं।
उपमा: यदि आप एक कमरे में चिल्ला रहे हैं, तो कोने और दीवारें इस बात को प्रभावित करती हैं कि ध्वनि कैसे टकराती है और आप किसे सुन सकते हैं। एक छोटे कमरे में दीवारें पास होती हैं; एक बड़े, अनियमित कमरे में दीवारें दूर होती हैं। अब "आकार" ही नेटवर्क की जटिलता को निर्धारित करता है।
परिणाम: गणित दिखाता है कि बड़े रेंज के लिए, एन्ट्रॉपी आकार के "मोमेंट्स" (moments) पर निर्भर करती है (मूल रूप से यह कि केंद्र के सापेक्ष बिंदु कितने फैले हुए हैं)।

3. "कंप्रेसिबिलिटी" का आश्चर्य

लेखक इन स्थानिक (spatial) नेटवर्कों की तुलना एक पूरी तरह से यादृच्छिक (random) नेटवर्क (जिसे एर्डोस-रेनी ग्राफ कहा जाता है) से करते हैं, जहाँ दूरी को पूरी तरह से अनदेखा करते हुए, सिक्का उछालकर कनेक्शन बनाए जाते हैं।

निष्कर्ष: जब कनेक्शन की सीमा छोटी होती है, तो स्थानिक नेटवर्क यादृच्छिक नेटवर्क की तुलना में कंप्रेस करने में बहुत आसान होता है।
उपमा:
- यादृच्छिक नेटवर्क (Random Network): एक ऐसे कमरे की कल्पना करें जहाँ हर कोई किसी के भी साथ यादृच्छिक रूप से हाथ मिला रहा है। यह अराजक है और इसे समझाना कठिन है क्योंकि इसमें कोई पैटर्न नहीं है।
- स्थानिक नेटवर्क (Spatial Network): एक ऐसे पड़ोस की कल्पना करें जहाँ लोग केवल अपने पड़ोसियों के साथ हाथ मिलाते हैं। यह घने छोटे समूह (cliques) बनाता है। इस "क्लस्टरिंग" के कारण, आप पूरे समूह का वर्णन बहुत कुशलता से कर सकते हैं।
- अंतर: शोध पत्र सिद्ध करता है कि जैसे-जैसे कनेक्शन की सीमा छोटी होती जाती है, दोनों प्रकार के नेटवर्कों के बीच कंप्रेसिबिलिटी का अंतर बहुत बड़ा हो जाता है। स्थानिक नेटवर्क अविश्वसनीय रूप से कुशल हो जाता है, जबकि यादृच्छिक नेटवर्क अव्यवस्थित बना रहता है।

4. "एन्ट्रॉपी ग्राफ" टूल

इन समस्याओं को हल करने के लिए, विशेष रूप से अजीब आकारों के लिए जहाँ गणित बहुत कठिन हो जाता है, लेखकों ने "एन्ट्रॉपी ग्राफ" नामक एक नया टूल बनाया है।

विचार: सीधे तौर पर जटिल "अनिश्चितता" की गणना करने के बजाय, उन्होंने इस समस्या को एक सरल समस्या में बदल दिया: औसत कनेक्शनों की गिनती।
उपमा: मान लीजिए कि आप जानना चाहते हैं कि एक पार्टी कितनी "शोर भरी" है। हर बातचीत को मापने के बजाय, आप एक नकली पार्टी का आविष्कार करते हैं जहाँ बातचीत के "शोर" को एक "हाथ मिलाने" (handshake) के रूप में माना जाता है। यदि आप इस नकली पार्टी में औसत हाथ मिलाने की संख्या गिन सकते हैं, तो आप तुरंत वास्तविक पार्टी के शोर के स्तर को जान सकते हैं।
यह क्यों शानदार है: यह तकनीक उन्हें अत्यंत जटिल आकारों, जैसे कि कैंटर सेट (Cantor Set) (एक फ्रैक्टल जो छिद्रों के साथ बिंदुओं के धूल के कण जैसा दिखता है) में एन्ट्रॉपी का अनुमान लगाने के लिए मानक कंप्यूटर सिमुलेशन (मोंटे कार्लो विधियों) का उपयोग करने की अनुमति देती है।

5. फ्रैक्टल ट्विस्ट (कैंटर सेट)

शोध पत्र एक फ्रैक्टल आकार के साथ समाप्त होता है जिसे कैंटर सेट कहा जाता है।

निष्कर्ष: इस अजीब, छिद्रों वाले ज्यामिति में, एन्ट्रॉपी केवल ऊपर या नीचे नहीं जाती है। यह कनेक्शन रेंज बदलने के साथ एक लयबद्ध पैटर्न में लहरों की तरह (wiggle) चलती है।
उपमा: एक ऐसी सीढ़ी पर चलने की कल्पना करें जहाँ कदम असमान हैं। जैसे-जैसे आप चलते हैं, आपको एक लय महसूस होती है—"कदम, कदम, छोड़ो, कदम, कदम, छोड़ो"। शोध पत्र ने पाया कि एक फ्रैक्टल पर नेटवर्क की एन्ट्रॉपी बिल्कुल इसी तरह की लयबद्ध लहरों की तरह व्यवहार करती है, जो आकार के "फ्रैक्टल डायमेंशन" से जुड़ी होती है।

सारांश

संक्षेप में, यह शोध पत्र हमें बताता है:

छोटे कनेक्शन: दुनिया का आकार मायने नहीं रखता; केवल आयाम (dimension) मायने रखता है।
बड़े कनेक्शन: आकार (किनारे और कोने) बहुत मायने रखते हैं।
दक्षता: स्थानिक नेटवर्क यादृच्छिक नेटवर्कों की तुलना में कंप्रेस करने में बहुत आसान होते हैं क्योंकि वे स्वाभाविक रूप से क्लस्टर बनाते हैं।
नया टूल: "एन्ट्रॉपी" को "कनेक्शन गिनती" की समस्या में बदलकर, हम उन अजीब, फ्रैक्टल आकारों में नेटवर्क की जटिलता को माप सकते हैं जो पहले गणना करने के लिए बहुत कठिन थे।

लेखक निष्कर्ष निकालते हैं कि इन नियमों को समझना हमें भौतिक स्थान में मौजूद नेटवर्कों (वायरलेस संचार से लेकर जैविक प्रणालियों तक) के लिए डेटा को स्टोर और ट्रांसमिट करने के बेहतर तरीके डिजाइन करने में मदद करता है।

तकनीकी सारांश: सामान्य ज्यामिति में सॉफ्ट रैंडम ज्योमेट्रिक ग्राफ की एंट्रॉपी (एन्ट्रॉपी)

समस्या विवरण
यह कार्य इस बात की जांच करता है कि एम्बेडिंग ज्यामिति (embedding geometry) का चुनाव सॉफ्ट रैंडम ज्योमेट्रिक ग्राफ (SRGG) एन्सेम्बल की एंट्रॉपी को कैसे प्रभावित करता है। SRGG, क्लासिकल रैंडम ज्योमेट्रिक ग्राफ (RGG) का सामान्यीकरण करते हैं, जो दूरी के साथ घटते हुए संभावabilistic कनेक्शनों की अनुमति देते हैं, जो वायरलेस नेटवर्क और सांख्यिकीय भौतिकी के लिए एक व्यापक रूप से उपयोग किया जाने वाला मॉडल है। जबकि पिछले साहित्य ने कनेक्टिविटी और बुनियादी एंट्रॉपी सीमाओं को संबोधित किया है, यह शोध पत्र डोमेन सीमाओं और ज्यामिति के विशिष्ट प्रभावों को मापने पर ध्यान केंद्रित करता है। लेखकों का लक्ष्य यह निर्धारित करना है कि क्या एंट्रॉपी स्केलिंग नियम डोमेन के आकार पर निर्भर करते हैं या केवल उसके आयाम (dimension) पर, और उन ज्यामितियों में एंट्रॉपी का अनुमान लगाने के लिए विधियाँ विकसित करना है जहाँ क्लोज्ड-फॉर्म पेयर डिस्टेंस डेंसिटी (pair distance density) उपलब्ध नहीं होती है।

कार्यप्रणाली
लेखक एसिम्प्टोटिक विश्लेषण (asymptotic analysis), संभाव्यता मॉडलिंग (probabilistic modeling), और स्टोकेस्टिक ज्योमेट्री तकनीकों के संयोजन का उपयोग करते हैं:

कनेक्शन रेंज का एसिम्प्टोटिक विश्लेषण: अध्ययन दो सीमित शासन (regimes) में कंडीशनल एंट्रॉपी-पर-एज, $H(G(r_0)|R)$ का विश्लेषण करता है:
- लघु कनेक्शन रेंज ( $r_0 \to 0$ ): लेखक एंट्रॉपी के लिए एसिम्प्टोटिक विस्तार (asymptotic expansions) प्राप्त करते हैं, यह मानते हुए कि डोमेन की सीमा पीसवाइज स्मूथ (piecewise smooth) है। वे पेयर डिस्टेंस डेंसिटी $f(r)$ को इसके लीडिंग-ऑर्डर टर्म ( $s_{d-1}r^{d-1}$ ) द्वारा अनुमानित करते हैं ताकि स्केलिंग व्यवहार निर्धारित किया जा सके।
- विशाल कनेक्शन रेंज ( $r_0 \to \infty$ ): एंट्रॉपी का विस्तार डोमेन के "मोमेंट्स" (विशेष रूप से $E[R^\eta]$ और $E[R^\eta \log R]$ ) के संदर्भ में किया जाता है, जो डोमेन के आकार पर स्पष्ट निर्भरता प्रदर्शित करता है।
"एंट्रॉपी ग्राफ" फॉर्मलिज्म: उन सामान्य ज्यामितियों को संभालने के लिए जहाँ पेयर डिस्टेंस डेंसिटी $f(r)$ अज्ञात या अगम्य है, लेखक कंडीशनल एंट्रॉपी को एक सहायक ग्राफ के अपेक्षित एज डेंसिटी के रूप में पुनर्गठित करते हैं, जिसे "एंट्रॉपी ग्राफ" कहा जाता है। इस फॉर्मूलेशन में, कनेक्शन फंक्शन मूल कनेक्शन फंक्शन के साथ बाइनरी एंट्रॉपी फंक्शन का संयोजन ( $h_2 \circ p$ ) है। यह अनुमति देता है कि एंट्रॉपी का अनुमान $f(r)$ के प्रत्यक्ष एकीकरण के बजाय एज काउंट्स के मोंटे कार्लो सिमुलेशन के माध्यम से लगाया जा सके।
एंट्रॉपी मास के माध्यम से बाउंड्री विश्लेषण: कनेक्टिविटी साहित्य (विशेष रूप से पेनरोस के कनेक्टिविटी मास पर कार्य) का उपयोग करते हुए, लेखक $x$ पर "एंट्रॉपी मास" को $x$ के सापेक्ष डोमेन पर बाइनरी एंट्रॉपी फंक्शन के इंटीग्रल के रूप में परिभाषित करते हैं। यह मीट्रिक विशिष्ट ज्यामितीय विशेषताओं (बल्क, एज, कॉर्नर) के कुल एंट्रॉपी में योगदान को मापता है।
फ्रैक्टल और वेज (Wedge) ज्यामिति: फॉर्मलिज्म को निम्नलिखित पर लागू किया गया है:
- वेज (Wedges): कॉर्नर के पास किसी भी कोण वाले वेज के लिए कनेक्शन फंक्शन के लिए एक सामान्यीकृत टेलर विस्तार का उपयोग करके एंट्रॉपी मास प्राप्त किया गया है।
- कैंटर सेट्स (Cantor Sets): उन फ्रैक्टल डोमेन में एंट्रॉपी का विश्लेषण करने के लिए मेलिन ट्रांसफॉर्म (Mellin transforms) और कैंटर सेट की सेल्फ-सिमिलरिटी का उपयोग किया गया है जहाँ मानक लेबेग मेजर (Lebesgue measure) विफल हो जाता है।

प्रमुख योगदान और परिणाम

लघु रेंज सीमा में सार्वभौमिकता (Universality): लघु कनेक्शन रेंज ( $r_0 \to 0$ ) के लिए, लेखक सिद्ध करते हैं कि कंडीशनल एंट्रॉपी $\Theta(r_0^d)$ के रूप में स्केल करती है, जहाँ $d$ स्पेस का आयाम है। महत्वपूर्ण रूप से, लीडिंग-ऑर्डर गुणांक डोमेन के आकार (जैसे वर्ग बनाम वृत्त) से स्वतंत्र है, और केवल आयाम पर निर्भर करता है। यह इंगित करता है कि कम-दूरी वाली प्रणालियों के लिए, लीडिंग ऑर्डर में बाउंड्री प्रभाव नगण्य हैं।
विशाल रेंज सीमा में आकार निर्भरता: इसके विपरीत, विशाल कनेक्शन रेंज सीमा में, एंट्रॉपी डोमेन की ज्यामिति के मोमेंट्स पर स्पष्ट रूप से निर्भर करती है। लेखक एक एसिम्प्टोटिक विस्तार प्रदान करते हैं जो दिखाता है कि डोमेन का आकार एंट्रॉपी स्केलिंग में योगदान देता है।
कंप्रेसिबिलिटी गैप (Compressibility Gap): यह पेपर SRGGs और अर्डोश-रेनी (ER) ग्राफों के बीच कंप्रेसिबिलिटी में एक गुणात्मक अंतर स्थापित करता है। कंप्रेसिबिलिटी में अंतर ( $\Delta C$ ) $r_0 \to 0$ होने पर डाइवर्ज होता है, जो दर्शाता है कि स्थानिक क्लस्टरिंग के कारण SRGGs, समान औसत डिग्री वाले ER ग्राफों की तुलना में लघु-रेंज शासन में काफी अधिक कंप्रेसिबल हैं। हालाँकि, यह अंतर $r_0 \to \infty$ होने पर समाप्त हो जाता है।
एंट्रॉपी मास और बाउंड्री प्रभाव: एंट्रॉपी मास का विश्लेषण एक पदानुक्रम (hierarchy) प्रकट करता है: छोटे $r_0$ के लिए, बल्क प्रभावी होता है; जैसे-जैसे $r_0$ बढ़ता है, किनारे और कोने अधिक महत्वपूर्ण होते जाते हैं। वेज ज्यामिति में, कॉर्नर के पास एंट्रॉपी मास कोण $\theta$ के साथ स्केल करता है, जो विशिष्ट सीमाओं में बल्क:एज:कॉर्नर योगदान के लिए $1:1/2:1/4$ अनुपात की पुष्टि करता है।
फ्रैक्टल में लॉग-पीरियडिक ऑसिलेशन: कैंटर सेट्स में एम्बेडेड SRGGs के लिए, लेखक प्रदर्शित करते हैं कि $r_0 \to 0$ होने पर कंडीशनल एंट्रॉपी लॉग-पीरियडिक ऑसिलेशन प्रदर्शित करती है। लीडिंग-ऑर्डर व्यवहार सेट के हासडॉर्फ डायमेंशन ( $d = \log 2 / \log \alpha$ ) के साथ स्केल करता है, और ऑसिलेशन कैंटर डिस्टेंस मोमेंट्स के कॉम्प्लेक्स पोल्स द्वारा संचालित होते हैं।

महत्व
यह पेपर दावा करता है कि यह नेटवर्क सूचना सामग्री (information content) पर स्थानिक बाधाओं के प्रभाव की मौलिक समझ प्रदान करता है। यह सिद्ध करके कि लघु-रेंज एंट्रॉपी समान आयामों के विभिन्न ज्यामितियों में सार्वभौमिक है, लेखक सुझाव देते हैं कि स्पार्स नेटवर्क्स में स्थानीय नोड घनत्व एंट्रॉपी का प्राथमिक चालक है, जबकि वैश्विक आकार केवल घने, लंबी दूरी के कनेक्शनों के लिए महत्वपूर्ण होता है।

"एंट्रॉपी ग्राफ" का परिचय उन जटिल या फ्रैक्टल डोमेन में एंट्रॉपी का अनुमान लगाने के लिए एक व्यावहारिक उपकरण के रूप में प्रस्तुत किया गया है जहाँ विश्लेलेषणात्मक दूरी वितरण उपलब्ध नहीं हैं। यह सैद्धांतिक एंट्रॉपी सीमाओं और अनियमित ज्यामिति में व्यावहारिक अनुमान के बीच के अंतर को पाटता है। इसके अलावा, फ्रैक्टल डोमेन में लॉग-पीरियडिक व्यवहार की पहचान SRGGs की समझ को मानक यूक्लिडियन स्पेस से आगे ले जाती है।

लेखक निष्कर्ष निकालते हैं कि ये परिणाम विशेष रूप से जटिल डोमेन में रैंडम नेटवर्क्स के संपीड़न (compression) और सेंसर नेटवर्क के डिजाइन के लिए प्रासंगिक हैं, जहाँ सूचना आवश्यकताओं की स्थान-प्रेरित विषमता (location-induced heterogeneity) को समझना आवश्यक है। यह कार्य गैर-मोनोटोनिक कनेक्शन फंक्शन वाले SRGGs के अध्ययन को भी प्रेरित करता, जो मैक्सिमम एंट्रॉपी सांख्यिकीय भौतिकी मॉडलों में स्वाभाविक रूप से उत्पन्न होते हैं।