🔢 mathematics

Monotone-based Numerical Schemes for Two-Dimensional Systems of Nonlocal Conservation Laws

यह शोध पत्र दो-आयामी दुर्बल रूप से युग्मित (weakly coupled) गैर-स्थानीय संरक्षण नियम प्रणालियों के लिए एक सामान्य मोनोटोन-आधारित संख्यात्मक योजनाओं को प्रस्तुत करता है, जो कमजोर एंट्रॉपी समाधानों के अस्तित्व और अद्वितीयता के प्रमाण प्रदान करता है, $\mathcal{O}(\sqrt{\Delta t})$ त्रुटि दर के साथ अभिसरण स्थापित करता है, और इन सैद्धांतिक निष्कर्षों को संख्यात्मक प्रयोगों के माध्यम से मान्य करता है।

मूल लेखक: Anika Beckers, Jan Friedrich

प्रकाशित 2026-08-13

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Anika Beckers, Jan Friedrich

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

एक व्यस्त शहर के चौक की कल्पना करें जहाँ एक साथ हजारों लोग घूम रहे हैं। यदि आप एक हेलीकॉप्टर से देख रहे होते, तो आप हर एक व्यक्ति को नहीं देख पाते; इसके बजाय, आप मानवता की एक बहती हुई नदी देखते। गणित और भौतिकी की दुनिया में, इसे "संरक्षण नियमों" (conservation laws) द्वारा मॉडल किया जाता है, जो मूल रूप से ऐसे नियम हैं जो कहते हैं, "पदार्थ गायब नहीं होता; यह बस एक स्थान से दूसरे स्थान पर जाता है।" आमतौर पर, ये नियम सरल होते हैं: एक व्यक्ति उसी के आधार पर चलता है जो उसके ठीक बगल में हो रहा है। लेकिन वास्तविक दुनिया में, लोग इससे कहीं अधिक समझदार होते हैं। हम अपने आगे की भीड़ पर नज़र डालते हैं, हम तीन ब्लॉक दूर एक बाधा को महसूस करते हैं, और हम तदनुसार अपना रास्ता बदल लेते हैं। यहीं पर "नॉनलोकल" (nonlocal) नियम काम आते हैं। "नॉनलोकल" का अर्थ केवल इतना है कि किसी विशिष्ट स्थान पर क्या होता है, यह इस पर निर्भर करता है कि दूर क्या हो रहा है, जो प्रभाव के एक अदृश्य जाल द्वारा जुड़ा हुआ है।

दशकों से, वैज्ञानिक कंप्यूटरों पर इन जटिल, भीड़ जैसे प्रवाहों का अनुकरण करने के लिए संघर्ष कर रहे हैं, विशेष रूप से दो आयामों (जैसे शहर के मानचित्र की तरह एक सपाट नक्शा) में। गणित अविश्वसनीय रूप से जटिल हो जाता है क्योंकि प्रत्येक बिंदु दूसरे प्रत्येक बिंदु से बात कर रहा होता है। इसे हल करने के लिए, शोधकर्ताओं को "संख्यात्मक योजनाओं" (numerical schemes) की आवश्यकता होती है—जो कंप्यूटर के लिए समाधान का अनुमान लगाने के लिए व्यंजनों (recipes) की तरह हैं। चुनौती एक ऐसा नुस्खा खोजने की रही है जो चलाने के लिए पर्याप्त तेज़ हो और भरोसेमंद होने के लिए पर्याप्त सटीक हो, बिना कंप्यूटर के उत्तर के एक धुंधले, निरर्थक ढेर में बदले। यह वही पहेली है जिसे यह शोध पत्र हल करता है: इन "लंबी दूरी" के भीड़ संबंधी अंतःक्रियाओं का अनुकरण करने के लिए एक विश्वसनीय, उच्च-परिशुद्धता वाला नुस्खा कैसे बनाया जाए।

शोध का बड़ा विचार: भीड़ के लिए एक नया नुस्खा

इस शोध पत्र में, लेखकों, अनिका बेकर्स और जान फ्रिडरिक ने इन द्वि-आयामी नॉनलोकल प्रणालियों का अनुकरण करने के लिए एक नया, सामान्य नुस्खा तैयार किया है। इस समस्या को एक पार्क में बाधाओं के बीच पैदल यात्रियों की भीड़ के चलने के पूर्वानुमान के रूपв रूप में सोचें। भीड़ केवल उस व्यक्ति की प्रतिक्रिया नहीं दे रही है जो उसकी कोहनी को छू रहा है; वे तीन मीटर या उससे भी दूर भीड़ के घनत्व पर प्रतिक्रिया दे रहे हैं, जो एक "मॉलिफायर" (mollifier - एक गणितीय स्मूथिंग टूल जो एक सॉफ्ट-फोकस लेंस की तरह कार्य करता है, जो बड़े परिदृश्य को देखने के लिए तत्काल परिवेश को धुंधला कर देता है) द्वारा संचालित है।

लेखकों की मुख्य खोज यह है कि आप इन जटिल, लंबी दूरी की समस्याओं को हल करने के लिए प्रसिद्ध, विश्वसनीय खाना पकाने के तरीकों—विशेष रूप से "मोनोटोन" (monotone) योजनाओं का उपयोग कर सकते हैं, जो स्थिरता बनाए रखने और कंप्यूटर को फर्जी नंबर बनाने से रोकने के लिए प्रसिद्ध हैं। आमतौर पर, ये विधियाँ सरल, स्थानीय समस्याओं के लिए आरक्षित होती हैं। लेखकों ने उन्हें कैसे अनुकूलित करना है, यह पता लगाया। उन्होंने सिद्ध किया कि यदि आप "लंबी दूरी" के प्रभाव का सही ढंग से अनुमान लगाते हैं और फिर उसे इन मोनोटोन व्यंजनों (जैसे गोडुनोव या लैक्स-फ्रिड्रिक्स स्कीम्स) में फीड करते हैं, तो कंप्यूटर का उत्तर अंततः वास्तविक, अद्वितीय समाधान की ओर अभिसरित (converge) होगा। यह कुछ इस प्रकार है कि यदि आप अपने कैमरा लेंस पर एक विशिष्ट प्रकार का उच्च-गुणवत्ता वाला फिल्टर उपयोग करते हैं, तो चलती भीड़ की ली गई आपकी धुंधली फोटो अंततः ठीक वहीं की एक क्रिस्टल-क्लियर तस्वीर बन जाएगी जहाँ हर कोई है, बशर्ते आप पर्याप्त फोटो लें।

उन्होंने क्या पाया (और क्या नहीं)

यह शोध पत्र कठोर है। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने सिद्ध किया कि उनकी विधि काम करती है। उन्होंने दिखाया कि उनकी संख्यात्मक योजनाएं "अद्वितीय कमजोर एंट्रॉपी समाधान" (unique weak entropy solution) की ओर अभिसरित होती हैं। सरल भाषा में, इसका अर्थ है कि कंप्यूटर सिमुलेशन केवल भटकता नहीं है; यह उस एक सही उत्तर पर स्थिर हो जाता है जो प्रकृति वास्तव में उत्पन्न करेगी। उन्होंने इसके होने की एक "गति सीमा" (speed limit) भी प्रदान की। उन्होंने सिद्ध किया कि त्रुटि (कंप्यूटर के अनुमान और वास्तविक उत्तर के बीच का अंतर) $O(\sqrt{\Delta t})$ की दर से घटती है।

इसे समझने के लिए: यदि आप कंप्यूटर द्वारा लिए गए समय चरणों (time steps) की संख्या को दोगुना करते हैं (अर्थात समय चरणों को आधा करते हैं), तो त्रुटि तुरंत गायब नहीं होती है। यह घटती है, लेकिन इसमें थोड़ा काम लगता है। शोध पत्र पुष्टि करता है कि इन नॉनलीनियर, नॉनलोकल प्रणालियों के लिए, यह वर्ग-मूल (square-root) दर सबसे अच्छी है जिसकी आप आम तौर पर अपेक्षा कर सकते हैं, जो सरल, स्थानीय समस्याओं के लिए ज्ञात है।

महत्वपूर्ण रूप से, लेखकों ने इस विचार को स्पष्ट रूप से खारिज कर दिया कि इसे काम करने के लिए आपको एक विशिष्ट, जटिल विधि का उपयोग करना ही होगा। उन्होंने दिखाया कि मॉनोटोन फ्लक्सों का एक विस्तृत वर्ग काम करता है, न कि केवल एक विशेष मामला। उन्होंने यह भी प्रदर्शित किया कि उनकी विधि को "डायमेंशनल स्प्लिटिंग" (dimensional splitting - एक तकनीक जहाँ आप समस्या को एक बार में एक दिशा में हल करते हैं, जैसे पहले उत्तर-दक्षिण और फिर पूर्व-पश्चिम अलग-अलग) की आवश्यकता नहीं है। इस विभाजन से बचकर, उनकी विधि अधिक सटीक है और बाद में उच्च-क्रम की योजनाओं (higher-order schemes) में अपग्रेड करने के लिए आसान है।

प्रमाण: सिमुलेशन

लेखकों ने केवल सिद्धांत तक सीमित नहीं रहे; उन्होंने अपने नुस्खे को क्रियान्वित दिखाने के लिए सिमुलेशन चलाए। उन्होंने दो मुख्य परिदृश्यों का परीक्षण किया:

एन्क्रिप्शन गेम: उन्होंने एक मॉडल का उपयोग किया जो समय को उलटकर डेटा को "एन्क्रिप्ट" और "डिक्रिप्ट" कर सकता है। कल्पना करें कि एक भीड़ में संदेश लिखना, उसे उलझाना और फिर उसे सुलझाना। उन्होंने अपने तरीके का परीक्षण सुचारू, कोमल भीड़ और ऊबड़-खाबड़, अराजक भीड़ दोनों पर किया। अराजक भीड़ के लिए, त्रुटि लगभग 0.5 (स्टेप साइज का वर्गमूल) की अनुमानित दर से कम हुई। सुचारू भीड़ के लिए, विधि और भी बेहतर थी, जो 1.0 की दर के करीब पहुँच गई, जिसका अर्थ है कि जैसे-जैसे उन्होंने ग्रिड को परिष्कृत किया, त्रुटि रैखिक रूप से कम हुई। उन्होंने अपने नए "कम विसरित" (less diffusive) लैक्स-फ्रिड्रिक्स योजना की तुलना पुराने, धुंधले संस्करणों से की और पाया कि उनके नए संस्करण ने भीड़ के आकार को बहुत अधिक स्पष्ट और सटीक रखा।
भीड़ का प्रवाह: उन्होंने एक पार्क के माध्यम से दो समूहों के चलने का अनुकरण किया जिसके बीच में एक बाधा है। समूहों को बाधा और एक-दूसरे के चारों ओर से गुजरने के लिए रास्ता बनाना पड़ा, जिससे गुजरने के लिए "लेन" बनीं। यहाँ, उन्होंने तीन अलग-अलग योजनाओं की तुलना की: पुराना मानक, उनका नया सुधरा हुआ लैक्स-फ्रिड्रिक्स, और "गोडुनोव" योजना (जो बहुत सटीक है लेकिन गणनात्मक रूप से भारी है)। परिणामों ने दिखाया कि उनकी नई लैक्स-फ्रिड्रिक्स योजना एक शानदार मध्य मार्ग थी। यह भारी-भरकम गोडुनोव योजना जितनी ही सटीक थी, लेकिन बहुत आसान गणना वाली थी। गोडुनोव योजना ही एकमात्र थी जिसने लगातार 1.0 की पूर्ण अभिसरण दर प्राप्त की, लेकिन नया नुस्खा अतिरिक्त सिरदर्द के बिना बहुत उपयोगी होने के लिए पर्याप्त करीब था।

निष्कर्ष

यह शोध पत्र दो आयामों में जटिल, नॉनलोकल भीड़ व्यवहारों का अनुकरण करने के लिए एक ठोस, गणितीय रूप से सिद्ध आधार प्रदान करता है। यह पुष्टि करता है कि आपको पहिये का पुनरुद्धार करने की आवश्यकता नहीं है; आप स्थानीय संरक्षण नियमों के मजबूत, विश्वसनीय इंजनों को लंबी दूरी की अंतःक्रियाओं को संभालने के लिए ट्यून कर सकते हैं। हालाँकि अभिसरण दर (convergence rate) तत्काल जादू नहीं है (यह एक स्थिर, वर्ग-मूल गति है), लेकिन यह विधि मजबूत है, एक अद्वितीय समाधान की गारंटी देती है, और पैदल यात्री प्रवाह से लेकर सामग्री परिवहन तक सब कुछ मॉडल करने के लिए एक व्यावहारिक, कुशल उपकरण प्रदान करती है। लेखकों ने अनिवार्य रूप से वैज्ञानिक समुदाय को एक नया, बहुमुखी टूलकिट सौंपा है जो सैद्धांतिक रूप से सुदृढ़ और व्यावहारिक रूप से प्रभावी है।

तकनीकी सारांश: द्वि-आयामी गैर-स्थानीय संरक्षण नियमों के लिए मोनोटोन-आधारित संख्यात्मक स्कीमें (Numerical Schemes)

समस्या विवरण
यह शोध पत्र दो-आयामी गैर-स्थानीय संरक्षण नियमों (nonlocal conservation laws) के संख्यात्मक सन्निकटन (numerical approximation) को संबोधित करता है, जो पैदल यात्रियों के प्रवाह, सामग्री परिवहन और क्लस्टर निर्माण जैसी घटनाओं को मॉडल करते हैं। नियंत्रित प्रणाली इस प्रकार दी गई है:
$\partial_t \rho_k + \text{div}_x f^k(t, x, \rho_k, \eta * \rho) = 0, \quad k=1,\dots,K$
जहाँ फ्लक्स $f^k$ स्थानीय चर $\rho_k$ और एक मोलिफायर कर्नेल (mollifier kernel) $\eta$ के साथ कनवल्शन (convolution) $\eta * \rho$ द्वारा परिभाषित गैर-स्थानीय पदों पर निर्भर करता है। जबकि एक-आयामी मामलों के अस्तित्व, विशिष्टता और संख्यात्मक अभिसरण (convergence) के संबंध में व्यापक अध्ययन किया गया है, द्वि-आयामी मामला महत्वपूर्ण चुनौतियाँ प्रस्तुत करता है, विशेष रूप से तब जब फ्लक्स स्थानीय चर $\rho_k$ के संबंध में अरैखिक (nonlinear) हो। मौजूदा संख्यात्मक दृष्टिकोण अक्सर लैक्स-फ्रीड्रिक्स-प्रकार (Lax-Friedrichs-type) की स्कीमों पर निर्भर करते हैं, जो अत्यधिक विसरित (diffusive) हो सकती हैं, या विशिष्ट विभाजन तर्क (splitting arguments) पर आधारित होते हैं जो सामान्य अरैखिक फ्लक्स को कवर नहीं करते हैं। 2D गैर-स्थानीय प्रणालियों के लिए कठोर अभिसरण प्रमाण और त्रुटि अनुमानों के साथ मोनोटोन-आधारित स्कीमों के एक सामान्य वर्ग का अभाव था।

कार्यप्रणाली (Methodology)
लेखक गैर-स्थानीय पदों के लिए अनुकूलित, मोनोटोन संख्यात्मक फ्लक्स फलनों पर आधारित प्रथम-क्रम के परिमित-आयतन (finite-volume) स्कीमों का एक सामान्य वर्ग प्रस्तावित करते हैं। कार्यप्रणाली इस प्रकार आगे बढ़ती है:

विविक्तकरण (Discretization) और गैर-स्थानीय सन्निकटन: डोमेन को आयताकार सेल और समय चरणों (time steps) में विभाजित किया गया है। गैर-स्थानीय कनवल्शन पदों $\eta * \rho$ का सेल इंटरफेस पर एक कंपोजिट मिडपॉइंट नियम का उपयोग करके सन्निकटन किया जाता है। यह गैर-स्थानीय फ्लक्स को एक ऐसे रूप में कम कर देता है जो स्थानीय अवस्था और इंटरफेस पर अनुमानित कनवल्शन मानों पर निर्भर करता है।
मोनोटोन फ्लक्स परिभाषा: स्कीम संख्यात्मक फ्लक्स फलनों $F$ का उपयोग करती है जो निरंतरता (consistency), मोनोटोनिटी (प्रथम तर्क में गैर-घटता, दूसरे में गैर-बढ़ता) और लिप्सचिट्ज़ निरंतरता (Lipschitz continuity) को संतुष्ट करते हैं। महत्वपूर्ण रूप से, लेखक स्थानिक अंतरों और गैर-स्थानीय पदों के बीच परस्पर क्रिया को संभालने के लिए एक विशिष्ट स्थिति (परिभाषा 3.2 में स्थिति 4) को परिभाषित करते हैं, जिससे यह सुनिश्चित होता है कि गैर-स्थानीय युग्मन (coupling) के बावजूद स्कीम स्थिर बनी रहे।
CFL शर्त: स्थिरता सुनिश्चित करने के लिए संख्यात्मक फ्लक्स के लिप्सचिट्ज़ स्थिरांकों के आधार पर एक विशिष्ट कोर्टेंट-फ्रीड्रिक्स-लेवी (CFL) शर्त व्युत्पन्न की गई है।
अभिसरण विश्लेषण (Convergence Analysis): अद्वितीय कमजोर एंट्रॉपी समाधान (weak entropy solution) की ओर अभिसरण का प्रमाण निम्नलिखित को स्थापित करके किया जाता है:
- एक मैक्सिमम प्रिंसिपल जो सुनिश्चित करता है कि समाधान भौतिक रूप से प्रासंगिक सीमाओं के भीतर रहें।
- $L^1$ -मान संरक्षण।
- स्थान में कुल भिन्नता (Total Variation - BV) का परिबद्धता (boundedness)।
- समय निरंतरता अनुमान।
- एक विविक्त एंट्रॉपी स्थिति (discrete entropy condition)।
  ये सीमाएँ हेलि के प्रमेय (Helly's theorem) को लागू करने के लिए पर्याप्त आधार प्रदान करती हैं (कंपैक्टनेस तर्कों के माध्यम से), जिससे एक अभिसारी उप-अनुक्रम (convergent subsequence) निकाला जा सके, जिसे बाद में दिखाया जाएगा कि वह सीमा (limit) में एंट्रॉपी स्थिति को संतुष्ट करता है।
त्रुटि अनुमान (Error Estimation): लेखक दो-आयामी गैर-स्थानीय प्रणालियों के लिए अनुकूलित कुज़नेत्सोव-प्रकार (Kuznetsov-type) के लेम्मा का उपयोग करके एक त्रुटि अनुमान व्युत्पन्न करते हैं। इसमें सापेक्ष एंट्रॉपी फलन (relative entropy functionals) को परिभाषित करना और संख्यात्मक समाधान तथा सटीक एंट्रॉपी समाधान के बीच के अंतर का अनुमान लगाना शामिल है।

प्रमुख योगदान

सामान्य अभिसरण प्रमाण: यह शोध पत्र गैर-स्थानीय 2D संरक्षण नियमों के लिए (गोडुनोव और लैक्स-फ्रीड्रिक्स प्रकारों सहित) मोनोटोन-आधारित स्कीमों के एक व्यापक वर्ग के अभिसरण के लिए पर्याप्त स्थितियाँ स्थापित करता है। यह पिछले परिणामों का विस्तार करता है जो विशिष्ट फ्लक्स या एक-आयामी सेटिंग्स तक सीमित थे।
अस्तित्व और विशिष्टता: लेखक सामान्य प्रणाली (1) के लिए अस्तित्व और विशिष्टता का प्रमाण प्रदान करते हैं, जिसमें समय-स्थान-निर्भर फ्लक्स शामिल हैं; यह एक ऐसा परिणाम है जो पहले इस स्तर की व्यापकता में उपलब्ध नहीं था।
त्रुटि अनुमान: एक कठोर त्रुटि अनुमान व्युत्पन्न किया गया है, जो $L^1$ मान में संख्यात्मक सन्निकटन के लिए $O(\sqrt{\Delta t})$ की अभिसरण दर प्रदान करता है। यह अरैखिक स्थानीय संरक्षण नियमों के लिए ज्ञात इष्टतम दर से मेल खाता है।
अरैखिकता (Nonlinearity) को संभालना: यह ढांचा विशेष रूप से उन मामलों को संबोधित करता है जहाँ फ्लक्स $\rho_k$ के संबंध में अरैखिक है, जो पैदल यात्री मॉडलों में एक सामान्य परिदृश्य है जहाँ पहले सटीक विधियाँ दुर्लभ थीं।
आयामी विभाजन (Dimensional Splitting) से बचाव: स्कीमें बिना आयामी विभाजन के निर्मित की गई हैं, जो भविष्य के कार्य में उच्च-क्रम की स्कीमों के सीधे विस्तार की सुविधा प्रदान करती हैं।

परिणाम

सैद्धांतिक: सैद्धांतिक विश्लेषण पुष्टि करता है कि प्रस्तावित स्कीमें कर्नेल, प्रारंभिक डेटा और फ्लक्स नियमितता पर निर्धारित धारणाओं के तहत अद्वितीय कमजोर एंट्रॉपी समाधान की ओर अभिसरित होती हैं। कमजोर एंट्रॉपी समाधान की विशिष्टता को अनुकूलित कुज़नेत्सोव लेम्मा के माध्यम से सिद्ध किया गया है।
संख्यात्मक:
- एन्क्रिप्शन-डिक्रिप्शन मॉडल: एक समय-परिवर्तनीय मॉडल (एन्क्रिप्शन/डिक्रिप्शन के लिए उपयोग किया जाने वाला) पर संख्यात्मक प्रयोगों से पता चलता है कि विच्छिन्न (discontinuous) समाधानों के लिए अभिसरण दर सैद्धांतिक सबसे खराब मामले की दर 0.5 के करीब पहुँचती है। सुचारू (smooth) समाधानों के लिए, स्कीमें प्रथम-क्रम अभिसरण प्रदर्शित करती हैं। प्रस्तावित लैक्स-फ्रीड्रिक्स-प्रकार का फ्लक्स (समीकरण 9) और गोडुनोव-प्रकार का फ्लक्स, पूर्व साहित्य की मानक लैक्स-फ्रीड्रिक्स स्कीम की तुलना में कम त्रुटि दिखाते हैं।
- भीड़ आंदोलन मॉडल (Crowd Movement Model): बाधाओं के साथ दो-जनसंख्या पैदल यात्री प्रवाह मॉडल के सिमुलेशन से पता चलता है कि प्रस्तावित स्कीमें (विशेष रूप से कम विसरित लैक्स-फ्रीड्रिक्स वेरिएंट और गोडुनोव) लेन निर्माण और टकराव की गतिशीलता को प्रभावी ढंग से कैप्चर करती हैं। गोडुनोव स्कीम 1 की अभिसरण दर के करीब पहुँचती है, जबकि लैक्स-फ्रीड्रिक्स वेरिएंट सटीकता और कार्यान्वयन जटिलता (रिमैन समस्याओं को हल करने की आवश्यकता से बचना) के बीच एक अच्छा समझौता प्रदान करता है।

महत्व
यह शोध पत्र सामान्य अरैखिक फ्लक्स वाले सामान्य 2D गैर-स्थानीय संरक्षण नियमों (जैसे गोडुनोव और लैक्स-फ्रीड्रिक्स) को लागू करने के लिए मानक मोनोटोन संख्यात्मक फ्लक्सों के उपयोग के लिए पहला कठोर औचित्य प्रदान करने का दावा करता है। आयामी विभाजन पर निर्भर किए बिना अभिसरण और त्रुटि अनुमानों को स्थापित करके, यह कार्य जटिल गैर-स्थानीय घटनाओं, जैसे भीड़ की गतिशीलता, के अधिक सटीक और कुशल सिमुलेशन के लिए सैद्धांतिक आधार तैयार करता है। परिणाम इन स्कीमों के व्यावहारिक अनुप्रयोगों में उपयोग को मान्य करते हैं जहाँ उच्च सटीकता की आवश्यकता होती है, जो बहु-आयामी गैर-स्थानीय प्रणालियों के लिए सैद्धांतिक विश्लेषण और संख्यात्मक कार्यान्वयन के बीच के अंतर को पाटते हैं।

शोध का बड़ा विचार: भीड़ के लिए एक नया नुस्खा

उन्होंने क्या पाया (और क्या नहीं)

प्रमाण: सिमुलेशन

निष्कर्ष

इसी तरह के और पेपर