PhysProver: Advancing Automatic Theorem Proving for Physics
यह शोध पत्र PhysProver को प्रस्तुत करता है, जो भौतिकी में औपचारिक प्रमेय सिद्ध करने (formal theorem proving) को बेहतर बनाने वाला पहला ढांचा है, जो एक समर्पित डेटासेट का उपयोग करके DeepSeek-Prover-V2 मॉडल को 'वेरिफिएबल रिवार्ड्स के साथ रीइन्फोर्समेंट लर्निंग' (Reinforcement Learning with Verifiable Rewards) पर प्रशिक्षित करता है, जिससे भौतिकी और सामान्य गणितीय डोमेन दोनों में महत्वपूर्ण प्रदर्शन लाभ प्राप्त होता 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 आपके पास एक अत्यंत बुद्धिमान, अति-प्रतिभाशाली रोबोट है जो Lean नामक एक बहुत ही सख्त, कंप्यूटर-पठनीय भाषा में लिखे गए गणितीय पहेलियों को हल करने में माहिर है। इस रोबोट को हम "MathBot" कह सकते हैं, जो संख्याओं, आकृतियों और तर्क (logic) के बारे में प्रमेय (theorems) सिद्ध करने में अविश्वसनीय रूप से कुशल है। इसने लाखों गणित की पुस्तकें पढ़ी हैं और ओलंपियाड-स्तर की समस्याओं को हल कर सकता है।
हालाँकि, एक समस्या है: MathBot भौतिक विज्ञान (physics) में बहुत बुरा है।
यदि आप MathBot से यह सिद्ध करने के लिए कहते हैं कि गुरुत्वाकर्षण कैसे काम करता है या कण आपस में कैसे टकराते हैं, तो वह भ्रमित हो जाता है। वह अपनी गणित की तरकीबों का उपयोग करने की कोशिश करता है, लेकिन भौतिक विज्ञान के अपने विशेष नियम, शब्दावली और एक अलग "अंदाज" होता है जिसे रोबोट ने नहीं सीखा है। यह वैसा ही है जैसे किसी विश्व-स्तरीय शतरंज खिलाड़ी से अचानक 'गो' (Go) का खेल खेलने के लिए कहना; वे रणनीति के नियमों को जानते हैं, लेकिन वे इस नए खेल के विशिष्ट मोहरों या बोर्ड के लेआउट को नहीं जानते।
समस्या: एक गायब डिक्शनरी (शब्दकोश)
इस शोध पत्र के लेखकों ने महसूस किया कि जबकि हमने गणित के लिए अद्भुत रोबोट बनाए हैं, हमने उन्हें औपचारिक भौतिक विज्ञान (formal physics) की भाषा बोलना नहीं सिखाया है। भौतिक विज्ञान काफी हद तक गणित पर निर्भर है, लेकिन यह एक अलग बोली (dialect) है। रोबोट को एक नई डिक्शनरी और भौतिक विज्ञान के लिए विशेष अभ्यास ड्रिल की आवश्यकता है।
समाधान: PhysProver (एक भौतिक विज्ञान विशेषज्ञ रोबोट)
टीम ने PhysProver नामक एक नया सिस्टम बनाया। इसे ऐसे समझें जैसे आपने MathBot को लिया और उसे भौतिक विज्ञान का एक क्रैश कोर्स दिया, लेकिन एक बहुत ही सख्त शिक्षक के साथ।
उन्होंने इसे कैसे किया, इसे सरल चरणों में यहाँ दिया गया है:
1. पाठ्यपुस्तक बनाना (The Dataset)
सबसे पहले, उन्हें एक पाठ्यपुस्तक की आवश्यकता थी। उन्होंने केवल नई समस्याएँ नहीं लिखीं; उन्होंने PhysLean नामक एक लाइब्रेरी से पुरानी, वास्तविक भौतिकी प्रमेयों को खोज निकाला।
- बीज (The Seed): उन्होंने लगभग 3,000 वास्तविक भौतिकी प्रमेयों से शुरुआत की जो पहले से ही Lean में लिखे जा चुके थे।
- विस्तार (The Expansion): पर्याप्त अभ्यास सामग्री प्राप्त करने के लिए, उन्होंने एक अत्यंत स्मार्ट AI (Claude) का उपयोग करके पुराने प्रमेयों के आधार पर नई भौतिकी समस्याएँ ईजाद कीं। यह एक शिक्षक की तरह है जो गणित की एक समस्या को देखता है और पूछता है, "क्या होगा अगर हम इस संख्या को बदल दें? क्या होगा अगर हम इस वेरिएबल को बदल दें?"
- फ़िल्टर (The Filter): सभी ईजाद की गई समस्याएँ अच्छी नहीं थीं। कुछ निरर्थक थीं। उन्होंने एक "व्याकरण जाँचक" (Lean compiler) का उपयोग किया ताकि उन समस्याओं को बाहर निकाला जा सके जो सिंटैक्स के अनुसार गलत थीं। फिर, उन्होंने अन्य AI रोबोटों का उपयोग समस्याओं को हल करने के लिए किया। यदि कोई रोबोट इसे सिद्ध नहीं कर सका, तो समस्या या तो बहुत कठिन थी या त्रुटिपूर्ण थी, इसलिए उन्होंने उसे भी हटा दिया।
- परिणाम: अंत में उनके पास लगभग 5,500 भौतिकी समस्याओं की एक संक्षिप्त, उच्च-गुणवत्ता वाली "पाठ्यपुस्तक" तैयार हुई।
2. प्रशिक्षण विधि (The "Try, Fail, Learn" Loop)
आमतौर पर, एक रोबोट को सिखाने के लिए, आप उसे उत्तर दिखाते हैं और कहते हैं, "इसे याद कर लो।" उन्होंने यह तरीका (जिसे Supervised Fine-Tuning कहा जाता है) आजमाया, लेकिन इसने रोबोट को वास्तव में और खराब बना दिया। यह ऐसा था जैसे रोबोट को शब्दों का उपयोग करना सीखे बिना केवल एक डिक्शनरी रटने के लिए मजबूर करना।
इसके बजाय, उन्होंने Reinforcement Learning with Verifiable Rewards (RLVR) नामक एक विधि का उपयोग किया।
- खेल: उन्होंने रोबोट को एक भौतिकी की समस्या दी।
- प्रयास: रोबोट ने एक प्रमाण (proof) लिखने की कोशिश की।
- निर्णय: Lean कंप्यूटर ने उस प्रमाण की जाँच की।
- यदि प्रमाण सही था, तो रोबोट को एक गोल्ड स्टार (+1) मिला।
- यदि प्रमाण गलत था, तो उसे जीरो (0) मिला।
- सीखना: रोबोट ने केवल उत्तर को रटा नहीं। उसने "गोल्ड स्टार्स" को उन विशिष्ट चरणों के साथ जोड़ना सीखा जो एक सही प्रमाण की ओर ले जाते हैं। उसने उन चरणों से बचना सीखा जो जीरो की ओर ले जाते हैं। यह एक कुत्ते को सिखाने जैसा था कि बैठने पर उसे ट्रीट मिलता है, लेकिन कूदने पर कुछ नहीं मिलता।
3. परिणाम: एक भौतिक विज्ञान विशेषज्ञ
इस प्रशिक्षण के बाद, रोबोट (जिसे अब PhysProver कहा जाता है) का परीक्षण किया गया।
- भौतिक विज्ञान पर: यह विभिन्न भौतिक विषयों (जैसे क्वांटम मैकेनिक्स और रिलेटिविटी) में मूल MathBot की तुलना में भौतिकी की समस्याओं को हल करने में काफी बेहतर हो गया। इसमें लगभग 2.4% का सुधार हुआ।
- गणित पर (एक आश्चर्य): भले ही इसे केवल भौतिक विज्ञान पर प्रशिक्षित किया गया था, यह वास्तव में गणित में भी थोड़ा बेहतर हो गया! एक मानक गणित परीक्षण पर इसमें 1.3% का सुधार हुआ। लेखकों का सुझाव है कि भौतिक विज्ञान की कठोर संरचना को सीखने से रोबोट को सामान्य रूप से गणित की संरचना में बेहतर होने में मदद मिली।
मुख्य निष्कर्ष
यह शोध पत्र दिखाता है कि आपको एक रोबोट को नया वैज्ञानिक क्षेत्र सिखाने के लिए किसी विशाल, महंगे सुपरकंप्यूटर की आवश्यकता नहीं है। आपको बस उदाहरणों का एक छोटा, उच्च-गुणवत्ता वाला सेट और उत्तरों की जाँच करने का एक सख्त तरीका चाहिए।
भौतिकी को स्पष्ट नियमों वाले एक खेल (जहाँ कंप्यूटर हर चाल पर "हाँ" या "ना" कहता है) के रूप में मानकर, उन्होंने एक सामान्य गणित रोबोट को भौतिक विज्ञान विशेषज्ञ में बदल दिया। यह सिद्ध करता है कि हम AI को केवल अधिक डेटा खिलाकर ही नहीं, बल्कि उसे अपने काम को सत्यापित करना सिखाकर भी जटिल वैज्ञानिक तर्क (reasoning) संभालने के योग्य बना सकते हैं।
संक्षेप में: उन्होंने एक गणित के जीनियस को लिया, उसे एक सख्त रेफरी के साथ भौतिक विज्ञान का बूट कैंप दिया, और उसे एक भौतिक विज्ञान विशेषज्ञ में बदल दिया जो गणित में भी पहले से थोड़ा बेहतर 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।