🔢 mathematics

Functional inequalities for Boolean entropy

यह शोध पत्र Boolean फिशर सूचना और Stein विसंगति को परिभाषित करके Boolean एंट्रॉपी के ढांचे का विस्तार करता है, जो Boolean सेंट्रल लिमिट थ्योरम के संदर्भ में उनकी एकदिष्टता (monotonicity) और संबंधित कार्यात्मक असमानताओं (logarithmic Sobolev और Berry-Esseen बाउंड सहित) को स्थापित करता है।

मूल लेखक: Guillaume Cébron, Kewei Pan

प्रकाशित 2026-03-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Guillaume Cébron, Kewei Pan

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 शेफ हैं जो एक सूप को बेहतर बनाने की कोशिश कर रहे हैं। आपके पास एक "परफेक्ट" सूप रेसिपी है (मान लीजिए कि यह रेडेमैकर डिस्ट्रीब्यूशन (Rademacher distribution) है, जो एक ऐसे सूप की तरह है जो बिल्कुल आधा तीखा और आधा मीठा है, पूरी तरह से संतुलित है)। आपके पास अन्य बहुत सारे सूप (रैंडम वेरिएबल्स) हैं जो थोड़े अस्त-व्यस्त हैं, बहुत नमकीन हैं, या ठीक से मिले हुए नहीं हैं।

आपका लक्ष्य यह पता लगाना है:

मेरा सूप परफेक्ट वाले से कितना दूर है?
अगर मैं इसे लगातार चलाते रहूँ (stirring), तो यह कितनी जल्दी परफेक्ट बनेगा?
क्या मैं अपने सूप के "अराजकता" (chaos) या "व्यवस्था" (order) को इस तरह माप सकता हूँ जो मुझे सुधार करने में मदद करे?

यह पेपर एक बहुत ही विशिष्ट, अमूर्त प्रकार के गणित जिसे बुलियन प्रोबेबिलिटी (Boolean Probability) कहा जाता है, के लिए नए मापने वाले कप और थर्मामीटर विकसित करने के बारे में है। सोचिए कि यह एक नया, विचित्र किचन है जहाँ सामग्रियों को मिलाने के नियम हमारे सामान्य दुनिया (क्लासिकल प्रोबेबिलिटी) या एक "फ्री" दुनिया (फ्री प्रोबेबिलिटी) से अलग हैं।

यहाँ उनके द्वारा की गई खोजों का रोजमर्रा के उदाहरणों के माध्यम से विवरण दिया गया है:

1. नया किचन: बुलियन इंडिपेंडेंस (Boolean Independence)

हमारी सामान्य दुनिया में, यदि हम दो सूप मिलाते हैं, तो स्वाद आपस में मिल जाता है। इस "बुलियन" किचन में, नियम अधिक सख्त हैं। जब आप दो सामग्रियां मिलाते हैं, तो वे वास्तव में आपस में नहीं मिलतीं; वे एक दूसरे के बगल में बैठ जाती हैं, और कुल स्वाद उनके व्यक्तिगत हिस्सों का एक विशिष्ट योग होता है। यह सॉस में पिघले हुए चीज़ के बजाय चीज़ के दो अलग-अलग ब्लॉकों को एक के ऊपर एक रखने जैसा है।

लेखक इस बुलियन किचन के लिए एन्ट्रॉपी (Entropy) (अव्यवस्था या अनिश्चितता का माप) और फिशर इंफॉर्मेशन (Fisher Information) (आपके पास सूप के आकार के बारे में कितनी जानकारी है इसका माप) का सिद्धांत बना रहे हैं।

2. सूप को मापने के दो तरीके: माइक्रोस्टेट्स बनाम नॉन-माइक्रोस्टेट्स

लेखक सूप की "गुणवत्ता" को मापने के दो अलग-अलग तरीके पेश करते हैं।

माइक्रोस्टेट्स दृष्टिकोण (विस्तृत निरीक्षण - The "Detailed Inspection"):
कल्पना कीजिए कि आप एक फूड क्रिटिक हैं जो सूप की गुणवत्ता निर्धारित करने के लिए उसके हर एक अणु (molecule) को देखते हैं। यह तरीका बहुत विस्तृत और जटिल है। इसमें यह देखना शामिल है कि सूप कैसा व्यवहार करता है जब आप इसे विशाल, जटिल मशीनों (रैंडम मैट्रिसेस) के साथ सिम्युलेट करते हैं।
- परिणाम: उन्होंने पाया कि एक "बुलियन फिशर इंफॉर्मेशन" एक थर्मामीटर की तरह काम करती है। जैसे-जैसे आप सूप को चलाते हैं (एक प्रक्रिया जिसे बुलियन सेंट्रल लिमिट थ्योरम कहा जाता है), यह थर्मामीटर दिखाता है कि सूप अधिक व्यवस्थित हो रहा है और परफेक्ट रेसिपी के करीब पहुँच रहा है।
नॉन-माइक्रोस्टेट्स दृष्टिकोण (त्वरित नज़र - The "Quick Glance"):
कल्पना कीजिए कि एक सरल तरीका है जहाँ आप केवल एक छोटा नमूना लेते हैं और एक त्वरित गणना करते हैं। यह तरीका जटिल मशीनरी को नजरअंदाज करता है और सूप के आंतरिक गुणों को देखता है।
- परिणाम: आश्चर्यजनक रूप से, इस बुलियन किचन में, "त्वरित नज़र" वाला तरीका विस्तृत वाले की तुलना में अधिक सरल और कठोर है। फॉर्मूले अव्यवस्थपूर्ण असमानताओं (inequalities) के बजाय साफ, सटीक समीकरणों में बदल जाते हैं। यह ऐसा है जैसे यह पता चलना कि इस विशिष्ट किचन में, आपका सूप हमेशा एक परफेक्ट गणितीय लय का पालन करता है जिसे आप तुरंत अनुमान लगा सकते हैं।

3. "चलाने" की प्रक्रिया: ऑर्नस्टीन-उहलेनबैक फ्लो (The Ornstein-Uhlenbeck Flow)

यह देखने के लिए कि क्या सूप बेहतर हो रहा है, लेखक एक जादुई चलाने की प्रक्रिया (ऑर्नस्टीन-उहलेनबैक प्रोसेस) की कल्पना करते हैं।

आप एक अस्त-व्यस्त सूप से शुरू करते हैं।
आप धीरे-धीरे थोड़ा सा "परफेक्ट" सूप डालते हैं और उसे चलाते हैं।
समय के साथ, आपका अस्त-व्यस्त सूप परफेक्ट सूप में बदल जाता है।

लेखकों ने सिद्ध किया कि जैसे-जैसे आप चलाते हैं, "अव्यवस्था" (Entropy) कम होती जाती है, और "जानकारी" (Fisher Information) एक अनुमानित तरीके से व्यवहार करती है। उन्होंने एक लॉग-सोबोलेव इनइक्वालिटी (Log-Sobolev Inequality) स्थापित की, जो मूल रूप से एक नियम है जो कहता है: "आपका सूप वर्तमान में जितनी तेज़ी से बदल रहा है (उच्च फिशर इंफॉर्मेशन), उतनी ही तेज़ी से वह पूर्णता तक पहुँचेगा।"

4. "स्टीन डिस्क्रीपेंसी": अंतिम गुणवत्ता जांच

अंतिम भाग में, लेखक एक नया टूल पेश करते हैं जिसे स्टीन डिस्क्रीपेंसी (Stein Discrepancy) कहा जाता है।

रूपक (Metaphor): कल्पना कीजिए कि आपके पास एक "परफेक्ट सांचा" (रेडेमैकर डिस्ट्रीब्यूशन) है। आप अपने सूप को इस सांचे में डालते हैं। यदि सूप पूरी तरह से फिट बैठता है, तो डिस्क्रीपेंसी शून्य है। यदि यह बाहर छलक जाता है या खाली जगह छोड़ देता है, तो डिस्क्रीपेंसी अधिक है।
खोज: उन्होंने सिद्ध किया कि यह "छलकना" (डिस्क्रीपेंसी) एक शक्तिशाली भविष्यवक्ता है।
- यदि आपके सूप की डिस्क्रीपेंसी कम है, तो वह परफेक्ट सूप के बहुत करीब है।
- उन्होंने इसका उपयोग एक बेरी-एसेन बाउंड (Berry-Esseen bound) को सिद्ध करने के लिए किया। सरल शब्दों में: "अब हम ठीक से गणना कर सकते हैं कि आपको कितनी बार चलाना (या कितनी सामग्रियां मिलानी) होगा, इससे पहले कि आपका सूप परफेक्ट परिणाम से अविभाज्य हो जाए।"

5. बड़ी तस्वीर: नियमों का एक पदानुक्रम (A Hierarchy of Rules)

यह पेपर एक मानचित्र खींचता है (टेक्स्ट में चित्र 1) जो दिखाता है कि ये सभी माप एक-दूसरे से कैसे संबंधित हैं।

दूरी (Wasserstein): सूप परफेक्ट रेसिपी से कितनी दूर है?
एन्ट्रॉपी (Entropy): सूप कितना अराजक है?
फिशर इंफॉर्मेशन (Fisher Information): सूप में कितना "सिग्नल" है?
स्टीन डिस्क्रीपेंसी (Stein Discrepancy): सूप परफेक्ट सांचे से कितना बाहर छलक रहा है?

लेखकों ने दिखाया कि ये सभी अवधारणाएं आपस में जुड़ी हुई हैं। यदि आप एक को जानते हैं (जैसे छलकना), तो आप अन्य चीजों का (जैसे पूर्णता से दूरी) अनुमान लगा सकते हैं। उन्होंने सिद्ध किया कि बुलियन दुनिया में, ये संबंध हमारी सामान्य दुनिया और "फ्री" दुनिया के नियमों के समान दिखते हैं, जो यह सुझाव देते हैं कि रैंडमनेस (यादृच्छिकता) के काम करने का एक गहरा, सार्वभौमिक ढांचा है।

सारांश

यह पेपर एक विशिष्ट, अमूर्त गणितीय दुनिया (बुलियन प्रोबेबिलिटी) में रैंडमनेस को मापने के लिए एक संपूर्ण टूलकिट बनाने के बारे में है।

उन्होंने इस दुनिया के लिए एन्ट्रॉपी और फिशर इंफॉर्मेशन को परिभाषित किया।
उन्होंने दिखाया कि जब आप सामग्रियां मिलाते हैं (सेंट्रल लिमिट थ्योरम), तो ये मात्राएं कैसे व्यवहार करती हैं।
उन्होंने सिद्ध किया कि मिश्रण करते समय "अव्यवस्था" (messiness) अनुमानित रूप से कम होती जाती है।
उन्होंने एक नया "गुणवत्ता चेक" (स्टीन डिस्क्रीपेंसी) बनाया जो ठीक से बताता है कि आप परफेक्ट परिणाम के कितने करीब हैं।

यह एक अजीब, नए प्रकार के खाना पकाने के लिए अंतिम कुकबुक लिखने जैसा है, जो यह सिद्ध करता है कि इस अजीब किचन में भी, स्वाद (या संभावनाओं) के मिलने को नियंत्रित करने वाले सख्त और सुंदर नियम मौजूद हैं।

यहाँ गुइलाउम सेब्रोन और केवेई पान के शोध पत्र "Functional Inequalities for Boolean Entropy" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण और संदर्भ

यह शोध पत्र बुलियन स्वतंत्रता (Boolean independence) के लिए एक व्यापक सूचना-सैद्धांतिक ढांचे के विकास को संबोधित करता है, जो शास्त्रीय और मुक्त स्वतंत्रता (Speicher द्वारा स्थापित) के साथ गैर-कोम्यूटेटिव संभाव्यता का तीसरा स्तंभ है। जबकि बुलियन एंट्रॉपी को हाल ही में पान द्वारा विशिष्ट रैंडम मैट्रिक्स मॉडल में बड़े विचलन (large deviations) के दर फलन (rate function) के रूप में पेश किया गया था, इससे संबंधित फिशर सूचना (Fisher information) और कार्यात्मक असमानताओं (functional inequalities) (शास्त्रीय और मुक्त संभाव्यता में समान) का एक पूर्ण सिद्धांत अनुपस्थित था।

लेखकों का लक्ष्य है:

डी ब्रुइन पहचान (de Bruijn identity) के माध्यम से बुलियन फिशर सूचना को परिभाषित करना।
बुलियन सेंट्रल लिमिट थ्योरम (CLT) में एकदिष्टता (monotonicity) गुणों को स्थापित करना।
एंट्रॉपी, फिशर सूचना और परिवहन दूरियों (transport distances) को जोड़ने वाली कार्यात्मक असमानताओं (Log-Sobolev, Talagrand, HWI, HSI) को सिद्ध करना।
एक "नॉन-माइक्रोस्टेट्स" दृष्टिकोण (रैंडम मैट्रिक्स सन्निकटन से स्वतंत्र अंतर्निहित परिभाषाएँ) विकसित करना और इसकी "माइक्रोस्टेट्स" दृष्टिकोण के साथ तुलना करना।
बुलियन CLT के लिए मात्रात्मक बेरी-एसियन बाउंड्स (Berry-Esseen bounds) प्राप्त करने के लिए स्टीन की विधि (Stein's method) को लागू करना।

2. कार्यप्रणाली

लेखक एक दोहरी पद्धति का उपयोग करते हैं, जो मुक्त संभाव्यता में वॉयकुलेसकी (Voiculescu) के माइक्रोस्टेट्स और नॉन-माइक्रोस्टेट्स के बीच के अंतर को दर्शाती है:

माइक्रोस्टेट्स दृष्टिकोण (Microstates Approach):
- बुलियन एंट्रॉपी $\Gamma(\mu)$ को लघुगणकीय समाकलन $\int \log|x| d\mu(x)$ के रूप में परिभाषित करता है।
- बुलियन फिशर सूचना $\Psi(\mu)$ को बुलियन हीट सेमग्रुप (स्केल्ड रेडिमैचर वेरिएबल के साथ कॉन्वोल्यूशन) के साथ एक डी ब्रुइन पहचान के माध्यम से परिभाषित करता है।
- यह बुलियन कॉन्वोल्यूशन की विश्लेषणात्मक संरचना और कॉची ट्रांसफॉर्म (Cauchy transform) के गुणों पर निर्भर करता है।
- विश्लेषणात्मक सुगमता और धनात्मकता सुनिश्चित करने के लिए मुख्य रूप से सममित संभाव्यता मापों (symmetric probability measures) पर ध्यान केंद्रित करता है।
नॉन-माइक्रोस्टेट्स दृष्टिकोण (Non-microstates Approach):
- इसे बुलियन श्विंगर-डायसन समीकरण (Boolean Schwinger-Dyson equation) से व्युत्पन्न किया गया है।
- रेडिमैचर वितरण के लिए $x \mapsto 1/x$ को "स्कोर फंक्शन" के रूप में पहचानता है।
- नॉन-माइक्रोस्टेट्स फिशर सूचना $\Psi^*(\mu) = \int x^{-2} d\mu(x)$ और एंट्रॉपी $\Gamma^*(\mu) = -\frac{1}{2}\log(\int x^{-2} d\mu(x))$ को परिभाषित करता है।
- यह दृष्टिकोण कई मामलों में केवल बीजगणितीय पहचान (algebraic identities) प्रदान करता है, न कि असमानताएँ, क्योंकि बुलियन कॉन्वोल्यूशन के तहत ये मात्राएँ रैखिक व्यवहार प्रदर्शित करती हैं।
स्टीन की विधि (Stein's Method):
- रेडिमैचर लक्ष्य वितरण के लिए स्टीन की विधि को अनुकूलित करता है।
- दूसरे क्षण (second moment) के 1 से विचलन पर आधारित एक बुलियन स्टीन विसंगति (Boolean Stein discrepancy) $D^*(\mu|b)$ पेश करता है।
- वासरस्टीन दूरियों (Wasserstein distances) को बांधने और अभिसरण दरों को प्राप्त करने के लिए इस विसंगति का उपयोग करता है।

3. प्रमुख योगदान और परिणाम

A. परिभाषाएँ और मौलिक पहचान

बुलियन फिशर सूचना (माइक्रोस्टेट्स):
$\Psi(\mu) = \iint \frac{\log x^2 - \log y^2}{x^2 - y^2} d\mu(x)d\mu(y)$
डी ब्रुइन पहचान का पालन करता है: $\frac{d}{dt}\Gamma(X+\sqrt{t}B) = \frac{1}{2}\Psi(X+\sqrt{t}B)$ ।
बुलियन फिशर सूचना (नॉन-माइक्रोस्टेट्स):
$\Psi^*(\mu) = \int \frac{1}{x^2} d\mu(x)$
एक सरल डी ब्रुइन पहचान का पालन करता है और बुलियन कॉन्वोल्यूशन के तहत रैखिक रूप से व्यवहार करता है।
सापेक्ष मात्राएँ (Relative Quantities): लेखक रेडिमैचर वितरण $b = \frac{1}{2}\delta_{-1} + \frac{1}{2}\delta_{1}$ के सापेक्ष सापेक्ष एंट्रॉपी और फिशर सूचना को परिभाषित करते हैं, जो एक संतुलन अवस्था (equilibrium state) के रूप में कार्य करता है (शास्त्रीय/मुक्त सेटिंग्स में गाऊसी वितरण के समान)।

B. सेंट्रल लिमिट थ्योरम में एकदिष्टता

फिशर सूचना एकदिष्टता: यह शोध पत्र सिद्ध करता है कि बुलियन CLT अनुक्रम $S_n = \frac{1}{\sqrt{n}}\sum X_i$ के साथ बुलियन फिशर सूचना $\Psi(S_n)$ गैर-बढ़ता (non-increasing) है। समानता तभी होती है जब चर स्केल्ड रेडिमैचर वितरण हों।
एंट्रॉपी एकदिष्टता: इसके परिणामस्वरूप, बुलियन एंट्रॉपी $\Gamma(S_n)$ गैर-घटता (non-decreasing) है, जो पिछले कार्यों में स्थापित एकदिष्टता का एक नया प्रमाण प्रदान करता है।

C. कार्यात्मक असमानताएँ (Functional Inequalities)

लेखक परिवहन ( $W_2$ ), एंट्रॉपी ( $\Gamma$ ), और फिशर सूचना ( $\Psi$ ) को जोड़ने वाली असमानताओं का एक पदानुक्रम स्थापित करते हैं।

टैलग्रांड असमानता (Talagrand Inequality): $W_2(\mu, b)^2 \leq 2\Gamma(\mu|b)$ ।
लॉग-सोबोलेव असमानता (LSI): $\Gamma(\mu|b) \leq \frac{1}{2}\Psi(\mu|b)$ $Γ (μ ∣ b) \leq \frac{1}{2} Ψ (μ ∣ b)$ ।
- इसे माइक्रोस्टेट्स और नॉन-माइक्रोस्टेट्स दोनों सेटिंग्स के लिए सिद्ध किया गया है।
- बुलियन ऑर्नस्टीन-उहलेनबेक प्रक्रिया के साथ सापेक्ष एंट्रॉपी के घातांकीय क्षय (exponential decay) को दर्शाता है।
HWI असमानता (Otto-Villani):
$\Gamma(\mu|b) \leq W_2(\mu, b)\sqrt{\Psi^*(\mu|b)} - \frac{1}{2}W_2(\mu, b)^2$
यह परिवहन और फिशर सूचना के बीच मध्यस्थता करता है।
HSI असमानता (Ledoux-Nourdin-Peccati):
$2\Gamma(\mu|b) \leq D^*(\mu|b)^2 \cdot \log\left(1 + \frac{\Psi^*(\mu|b)}{D^*(\mu|b)^2}\right)$
यह एंट्रॉपी को सीधे स्टीन विसंगति से जोड़ता है।

मुख्य अंतर: शोध पत्र माइक्रोस्टेट्स और नॉन-माइक्रोस्टेट्स मात्राओं के बीच एक संरचनात्मक अंतर को उजागर करता है। नॉन-माइक्रोस्टेट्स सेटिंग में, कई असमानताएँ (जैसे Stam और Entropy Power) सटीक समानताएं (equalities) बन जाती हैं क्योंकि $\Psi^*$ बुलियन कॉन्वोल्यूशन के तहत रैखिक है। इसके अतिरिक्त, जबकि माइक्रोस्टेट्स एंट्रॉपी CLT में सीमा तक अभिसरित होती है, नॉन-माइक्रोस्टेट्स एंट्रॉपी स्थिर रहती है।

D. स्टीन की विधि और बेरी-एसियन बाउंड्स

स्टीन विसंगति (Stein Discrepancy): $D^*(\mu|b) = \sqrt{\int (x^2-1)^2 d\mu(x)}$ के रूप में परिभाषित है।
परिवहन नियंत्रण (Transport Control): लेखक सिद्ध करते हैं कि $W_1(\mu, b) \leq D^*(\mu|b)$ और $W_2(\mu, b) \leq D^*(\mu|b)$ (सममित मापों के लिए)।
मात्रात्मक CLT: एक सममित माप $\mu$ के लिए जिसका चौथा क्षण (fourth moment) परिमित है, वासरस्टीन दूरी में अभिसरण दर $O(n^{-1/2})$ है:
$W_2(\mu_n, b) \leq \frac{1}{\sqrt{n}}\sqrt{m_4(\mu) - 1}$
यह शास्त्रीय और मुक्त CLTs में इष्टतम दर से मेल खाता है।
एंट्रॉपी अभिसरण: HSI असमानता का उपयोग करते हुए, वे सापेक्ष एंट्रॉपी के अभिसरण की दर प्राप्त करते हैं:
$\Gamma(\mu_n|b) = O\left(\frac{\log n}{n}\right)$

4. महत्व और प्रभाव

त्रयी को पूर्ण करना (Completing the Triptych): यह कार्य बुलियन स्वतंत्रता को एक पूरी तरह से विकसित शाखा के रूप में सुदृढ़ करता है, यह स्थापित करता है कि इसमें शास्त्रीय और मुक्त संभाव्यता के समानांतर कार्यात्मक असमानताओं की एक समृद्ध संरचना है।
नए विश्लेषणात्मक उपकरण: बुलियन स्टीन विसंगति की शुरूआत और स्टीन की विधि का अनुकूलन बुलियन सेटिंग में मात्रात्मक सीमा सिद्धांतों के लिए शक्तिशाली नए उपकरण प्रदान करता है।
माइक्रोस्टेट्स बनाम नॉन-माइक्रोस्टेट्स: शोध पत्र एक स्पष्ट तुलनात्मक विश्लेषण प्रदान करता है, यह दिखाते हुए कि जहाँ नॉन-माइक्रोस्टेट्स दृष्टिकोण बीजगणितीय सरलता (सटीक समानताएं) प्रदान करता है, वहीं माइक्रोस्टेट्स दृष्टिकोण अधिक जटिल विश्लेषणात्मक व्यवहार (असमानताएं) को पकड़ता है, जैसा कि शास्त्रीय मामले में होता है।
इष्टतम दरें: वासरस्टीन दूरी के लिए $O(n^{-1//2})$ और एंट्रॉपी के लिए $O(\log n / n)$ अभिसरण दरों का व्युत्पन्न साहित्य के अंतराल को भरता है, जो कमजोर मेट्रिक्स या मजबूत क्षण धारणाओं तक सीमित पिछले परिणामों से बेहतर है।

5. सीमाएं और भविष्य का कार्य

वर्तमान सिद्धांत सममित संभाव्यता मापों तक सीमित है। लेखक नोट करते हैं कि गैर-सममित मामला फिशर सूचना के लिए काफी अधिक जटिल अभिव्यक्ति की ओर ले जाता है और अनुवाद अपरिवर्तनीयता (translation invariance) गुणों को अपरिभाषित छोड़ देता है। भविष्य का कार्य गैर-सममित मापों और बहुभिन्नरूपी विस्तारों (multivariate extensions) को संबोधित करेगा। इसके अतिरिक्त, लेखक एक प्रत्यक्ष HWI असमानता का अनुमान लगाते हैं जो माइक्रोस्टेट्स एंट्रॉपी $\Gamma$ और माइक्रोस्टेट्स फिशर सूचना $\Psi$ को जोड़ती है (बजाय वर्तमान में सिद्ध मिश्रित $\Gamma$ और $\Psi^*$ के)।