🔢 mathematics

Realizability-preserving finite element discretizations of the $M_1$ model for dose calculation in proton therapy

यह शोध पत्र प्रोटॉन थेरेपी डोज़ गणना के लिए एक नियतात्मक (deterministic), यथार्थता-संरक्षण (realizability-preserving) परिमित तत्व (finite element) ढांचे को प्रस्तुत करता है जो भौतिक रूप से स्वीकार्य, सटीक डोज़ वितरण सुनिश्चित करने के लिए एक मोनोलिथिक कॉनवेक्स लिमिटिंग रणनीति और स्ट्रैंग-प्रकार के ऑपरेटर स्प्लिटिंग का उपयोग करके ऊर्जा-निर्भर $M_1$ मोमेंट मॉडल को ऊर्जा के विपरीत दिशा में हल करता है।

मूल लेखक: Paul Moujaes, Dmitri Kuzmin, Christian Bäumer

प्रकाशित 2026-03-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Paul Moujaes, Dmitri Kuzmin, Christian Bäumer

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

यहाँ इस शोध पत्र का विवरण दिया गया है, जिसे जटिल भौतिकी और गणित से बदलकर एक ऐसी कहानी में अनुवादित किया गया है जिसे आप कॉफी पीते हुए आसानी से समझ सकते हैं।

बड़ी तस्वीर: प्रोटॉन से पेंटिंग करना

कल्पना कीजिए कि आप एक कुशल चित्रकार हैं जो एक कैनवास पर एक विशिष्ट स्थान (ट्यूमर) को नष्ट करने की कोशिश कर रहे हैं, बिना उसके आस-पास के सुंदर दृश्यों (स्वस्थ ऊतकों) को खराब किए। आपके पास एक विशेष ब्रश है जो सूक्ष्म, अत्यंत तीव्र कणों को छोड़ता है जिन्हें प्रोटॉन कहा जाता है।

इस ब्रश का जादू यह है कि यह हर जगह पेंट नहीं छिड़कता। यह कैनवास के माध्यम से यात्रा करता है, अपनी गति खोता है, और फिर ठीक लक्ष्य पर अपनी सारी ऊर्जा एक छोटे, सटीक विस्फोट के रूप में छोड़ देता है। इस विस्फोट को ब्रैग पीक (Bragg Peak) कहा जाता है। यदि आप बिल्कुल सटीक भविष्यवाणी कर सकें कि यह विस्फोट कहाँ होगा, तो आप अविश्वसनीय सटीकता के साथ कैंसर का इलाज कर सकते हैं।

हालाँकि, यह भविष्यवाणी करना कि यह विस्फोट ठीक कहाँ गिरेगा, कंप्यूटरों के लिए एक दुःस्वप्न है। प्रोटॉन इधर-उधर उछलते हैं, धीमे होते हैं, और एक मशीन में पिनबॉल की तरह बिखर जाते हैं। इसकी गणना करने के लिए, आपको आमतौर पर एक "मोंटे कार्लो" (Monte Carlo) सिमुलेशन की आवश्यकता होती है, जो हर एक पिनबॉल के गिरने की प्रक्रिया को एक-एक करके सिम्युलेट करने जैसा है। यह अविश्वसनीय रूप से सटीक है, लेकिन इसमें इतनी अधिक कंप्यूटर शक्ति लगती है कि यह डॉक्टरों के लिए रोज़ाना उपयोग करने के लिए बहुत धीमा है।

समस्या: "M1" शॉर्टकट

इस शोध पत्र के लेखक एक तेज़ तरीका चाहते थे। उन्होंने M1 मॉडल नामक एक गणितीय शॉर्टकट का उपयोग किया।

M1 मॉडल को मौसम के पूर्वानुमान की तरह समझें।

असली चीज़ (मोंटे कार्लो): हर एक बारिश की बूंद के रास्ते को ट्रैक करना।
M1 मॉडल: बूंदों को ट्रैक करने के बजाय, आप केवल "बादल" (वहाँ कितना पानी है) और "हवा" (औसत रूप से वह किस दिशा में चल रही है) को ट्रैक करते हैं।

यह बहुत तेज़ है। लेकिन एक पेंच है: कभी-कभी, जब आप गणित को सरल बनाते हैं, तो कंप्यूटर भ्रमित हो जाता है और असंभव भौतिकी बनाने लगता है। यह गणना कर सकता है कि एक बादल में "नेगेटिव पानी" है या हवा प्रकाश की गति से भी तेज़ चल रही है। प्रोटॉन की दुनिया में, इसका अर्थ है कि कंप्यूटर विकिरण (रेडिएशन) की ऐसी खुराक की भविष्यवाणी कर सकता है जो भौतिक रूप से असंभव है, जो रोगी के लिए खतरनाक है।

समाधान: "गार्जियन" एल्गोरिदम

लेखकों ने एक नया कंप्यूटर कोड (फाइनाइट एलीमेंट डिस्क्रीटाइजेशन) बनाया है जो एक सख्त संरक्षक की तरह कार्य करता है। वे इसे रियलाइज़ेबिलिटी-प्रिजर्विंग MCL स्कीम (Realizability-Preserving MCL Scheme) कहते हैं।

यह कैसे काम करता है, इसके लिए एक सरल उपमा देखें:

1. पीछे की यात्रा (टाइम ट्रैवल)
आमतौर पर, हम समय में आगे बढ़ते हुए चीजों को सिम्युलेट करते हैं। लेकिन प्रोटॉन के लिए, उन्हें ऊर्जा के मामले में पीछे (backward in energy) चलते हुए सोचना आसान है। कल्पना कीजिए कि प्रोटॉन एक दौड़ रहे हैं। वे पूरी ऊर्जा के साथ शुरू करते हैं और दौड़ते समय इसे खोते जाते हैं। कंप्यूटर फिनिश लाइन (शून्य ऊर्जा) से शुरू होता है और शुरुआती रेखा (उच्च ऊर्जा) की ओर पीछे की ओर काम करता है ताकि यह पता लगाया जा सके कि वे हर चरण पर कहाँ थे।

2. "बार" अवस्था (सुरक्षा जाल)
जैसे-जैसे कंप्यूटर पथ की गणना करता है, वह "बार स्टेट्स" (bar states) बनाता है। इन्हें एक रोलरकोस्टर पर सेफ्टी रेल (सुरक्षा रेल) की तरह समझें।

कंप्यूटर अगला चरण गणना करने की कोशिश करता है।
परिणाम स्वीकार करने से पहले, "गार्जियन" (MCL एल्गोरिदम) जाँचता है: "क्या यह परिणाम भौतिक रूप से संभव है? क्या हमने गलती से नकारात्मक ऊर्जा बना दी है?"
यदि उत्तर "नहीं" है, तो गार्जियन गणना को धीरे से वापस सुरक्षित ट्रैक पर ले आता है। यह कॉन्वेक्स लिमिटिंग (Convex Limiting) नामक तकनीक का उपयोग करता है, जो एक स्मार्ट फिल्टर की तरह है जो चित्र को धुंधला किए बिना खुरदरे किनारों को चिकना कर देता है।

3. विभाजन रणनीति (स्ट्रैंग स्प्लिटिंग - Strang Splitting)
प्रोटॉन एक साथ दो काम कर रहे हैं: आगे बढ़ना और बगल में बिखरना (स्कैटरिंग)। दोनों को एक साथ करना अव्यवful है। लेखकों की विधि समस्या को दो आसान चरणों में विभाजित करती है, जैसे कि एक नृत्य:

चरण A: प्रोटॉन को आगे बढ़ाएं (ट्रांसपोर्ट)।
चरण B: उन्हें थोड़ा बिखरने दें (फोर्सिंग)।
दोहराएं।
हर एक चरण के बाद सावधानीपूर्वक छोटे कदम उठाकर और सुरक्षा रेलों की जाँच करके, कंप्यूटर यह गारंटी देता है कि परिणाम हमेशा भौतिक रूप से वास्तविक है।

परिणाम: एक सटीक खुराक

लेखकों ने अपने नए "गार्जियन" कोड का परीक्षण तीन परिदृश्यों पर किया:

एक साधारण पानी का टैंक: उन्होंने इसकी तुलना "गोल्ड स्टैंडर्ड" (धीमे, पूर्ण सिमुलेशन) से की। उनके नए कोड ने एक मोटे, तेज़ ग्रिड के साथ भी गोल्ड स्टैंडर्ड से लगभग पूरी तरह मेल खाया।
विभिन्न ऊतकों वाला एक रोगी: उन्होंने मांसपेशियों, हड्डियों और फेफड़ों से होकर गुजरने वाली एक बीम का सिमुलेशन किया। कोड ने डेटा में "भूतों" या अजीब लहरों को बनाए बिना इन ऊतकों के बीच के तीव्र बदलावों को संभाला।
दो बीम का मिलना: उन्होंने एक ही समय में दो बीम चलाने की कोशिश की। यहाँ, उन्होंने एक सीमा पाई: M1 मॉडल (मौसम का पूर्वानुमान) दो क्रॉसिंग बीम और एक बड़ी तिरछी बीम के बीच अंतर नहीं कर सकता है। वे एक में विलीन हो जाते हैं। यह "शॉर्टकट" गणित का एक ज्ञात दोष है, लेकिन लेखकों ने साबित किया कि उनका कोड इसे बिना क्रैश हुए सुरक्षित रूप से संभालता है।

यह क्यों मायने रखता है

यह शोध पत्र इसलिए एक बड़ी उपलब्धि है क्योंकि यह पूर्ण सिमुलेशन की सुरक्षा के साथ शॉर्टकट की गति प्रदान करता है।

पहले: डॉक्टरों को एक रेडिएशन योजना की गणना करने के लिए घंटों इंतजार करना पड़ता था, या उन्हें उन अनुमानों का उपयोग करना पड़ता था जो थोड़े गलत हो सकते थे।
अब: इस नई पद्धति के साथ, डॉक्टर मिनटों में अत्यधिक सटीक और सुरक्षित रेडिएशन योजना प्राप्त कर सकते हैं। यह सुनिश्चित करता है कि "पेंट" ट्यूमर पर ठीक वहीं लगे जहाँ उसकी आवश्यकता है, जिससे स्वस्थ ऊतकों की रक्षा होती है, और कंप्यूटर कभी भी कोई खतरनाक गणितीय गलती नहीं करता है।

संक्षेप में, उन्होंने एक स्मार्ट, सुरक्षा-जाँच वाला कैलकुलेटर बनाया है जो डॉक्टरों को कैंसर का इलाज अधिक तेज़ी से और अधिक सटीकता से करने में सक्षम बनाता है।

यहाँ प्रोटॉन थेरेपी में डोज़ कैलकुलेशन के लिए M1 मॉडल के रियलिज़ेबिलिटी-प्रिजर्विंग (वास्तविकता-संरक्षण) परिमित तत्व विखंडन (finite element discretizations) पर आधारित शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

प्रोटॉन थेरेपी ब्रैग पीक प्रभाव (Bragg peak effect) पर निर्भर करती है, जहाँ प्रोटॉन एक विशिष्ट गहराई पर अधिकतम ऊर्जा जमा करते हैं, जिससे स्वस्थ ऊतकों को बचाते हुए ट्यूमर को सटीक रूप से लक्षित करना संभव होता है। सटीक डोज़ कैलकुलेशन उपचार योजना (treatment planning) के लिए अत्यंत महत्वपूर्ण है।

वर्तमान मानक: मोंटे कार्लो (MC) एल्गोरिदम उच्च सटीकता के कारण नैदानिक स्वर्ण मानक (clinical gold standard) हैं, लेकिन उनकी गणना लागत अत्यधिक है, जो उन्हें नियमित, तीव्र नैदानिक उपयोग के लिए अनुपयुक्त बनाती है।
नियतात्मक विकल्प (Deterministic Alternatives): बोल्ट्ज़मैन ट्रांसपोर्ट समीकरण और इसका फॉकर–फ़्लॉक (Fokker–Planck) सन्निकटन तेज़ विकल्प प्रदान करते हैं, लेकिन इनमें उच्च-आयामी फेज़ स्पेस (स्थान, ऊर्जा, दिशा) शामिल होता है।
मोमेंट मॉडल (Moment Models): M1 मॉडल (एक टू-मोमेंट सन्निकटन) आयामीता को कम करने के लिए शून्यवें (घनत्व) और प्रथम (संवेग/फ्लक्स) कोणीय मोमेंट्स को विकसित करता है। हालाँकि, यह प्रणाली अपूर्ण (unclosed) है; दूसरे मोमेंट को क्लोजर रिलेशन के माध्यम से सन्निकट किया जाना चाहिए।
मुख्य चुनौती: भौतिक वास्तविकता (Physical Realizability) सुनिश्चित करना। पुनर्गठित मोमेंट्स का एक गैर-ऋणात्मक कोणीय वितरण (non-negative angular distribution) के अनुरूप होना चाहिए। यदि संख्यात्मक समाधान "रियलाइज़ेबल सेट" (जहाँ $\psi^{(0)} > 0$ और $|\psi^{(1)}| < \psi^{(0)}$ है) से बाहर निकल जाता है, तो सिस्टम अपनी हाइपरबोलिसिटी खो देता है, जिससे गैर-भौतिक दोलन (oscillations), ऋणात्मक घनत्व, या सिमुलेशन विफलता होती है। मौजूदा विधियाँ अक्सर बिना किसी गैर-भौतिक विक्षोभ के निरंतर परिमित तत्व विखंडन (continuous finite element discretizations) में वास्तविकता बनाए रखने में संघर्ष करती हैं।

2. कार्यप्रणाली (Methodology)

लेखक ऊर्जा-निर्भर M1 मॉडल के परिमित तत्व विखंडन पर आधारित एक नियतात्मक ढांचे (deterministic framework) का प्रस्ताव करते हैं, जिसमें मोनोलिथिक कॉन्वेक्स लिमिटिंग (Monolithic Convex Limiting - MCL) रणनीति का उपयोग किया गया है।

A. गणितीय सूत्रीकरण (Mathematical Formulation)

शासी समीकरण (Governing Equations): समीकरणों को फॉकर–फ़्लॉक समीकरण से व्युत्पन्न किया गया है, जिसमें ऊर्जा ( $E$ ) को एक छद्म-समय समन्वय (pseudo-time coordinate) के रूप में माना गया है। समीकरणों को $E_{max}$ से $E_{min}$ तक ऊर्जा में पीछे की ओर मार्च (backward in energy) करते हुए हल किया जाता है।
सिस्टम संरचना:
$\nabla \cdot \mathbf{f}(\mathbf{u}) - \frac{\partial (S\mathbf{u})}{\partial E} = -\sigma \mathbf{u}$
जहाँ $\mathbf{u} = (\psi^{(0)}, \psi^{(1)})^T$ , $S$ स्टॉपिंग पावर है, और $\sigma$ स्कैटरिंग (प्रकीर्णन) को दर्शाता है।
क्लोजर (Closure): सिस्टम को क्लोज करने के लिए एक एंट्रॉपी-आधारित सन्निकटन (एडिंगटन फैक्टर) का उपयोग किया जाता है, जो यह सुनिश्चित करता है कि दूसरा मोमेंट $\psi^{(2)}$ एक गैर-ऋणात्मक वितरण के अनुरूप हो।
ऑपरेटर स्प्लिटिंग (Operator Splitting): लेखक स्टिफ (stiff) स्कैटरिंग सोर्स टर्म्स को होमोजेनियस ट्रांसपोर्ट सिस्टम से अलग करने के लिए स्ट्रैंग-टाइप ऑपरेटर स्splitting (Strang-type operator splitting) का उपयोग करते हैं।
1. स्कैटरिंग स्टेप: धनात्मकता (positivity) बनाए रखने के लिए इसे सटीक रूप से (या मिडपॉइंट नियम के माध्यम से) हल किया जाता है।
2. ट्रांसपोर्ट स्टेप: ट्रांसपोर्ट सिस्टम को हल करने के लिए एक स्पष्ट (explicit) स्ट्रॉन्ग-स्टेबिलिटी-प्रिजर्विंग रनगे–कुटा (SSP-RK) विधि का उपयोग किया जाता है।

B. विखंडन रणनीति (Discretization Strategy)

परिमित तत्व स्थान (Finite Element Space): पीसवाइज लीनियर (P1) या मल्टीलीनियर (Q1) तत्वों का उपयोग करके कंटीन्यूअस गैलर्किन (CG) विखंडन।
लो-ऑर्डर स्कीम (IDP आधार):
- मास लंपिंग (mass lumping) और आर्टिफिशियल ग्राफ विस्कोसिटी (GLF फ्लक्स) का उपयोग करके एक लो-ऑर्डर स्कीम बनाई गई है।
- यह स्कीम इनवेरिएंट डोमेन प्रिजर्विंग (IDP) होने के लिए सिद्ध है, जिसका अर्थ है कि नोडल अवस्थाएँ उत्तल (convex) रियलाइज़ेबल सेट $\mathcal{R}_1$ के भीतर रहती हैं।
- पड़ोसी नोड्स के उत्तल संयोजन (convex combination) का विश्लेषण करने के लिए "बार स्टेट्स" (bar states) (मध्यवर्ती अवस्थाओं) की अवधारणा पेश की गई है।
हाई-ऑर्डर करेक्शन और MCL:
- उच्च-क्रम सटीकता प्राप्त करने के लिए, लो-ऑर्डर स्कीम में एंटीडिफ्यूसिव फ्लक्स जोड़े जाते हैं।
- मोनोलिथिक कॉन्वेक्स लिमिटिंग (MCL): इन फ्लक्सों को सीमित किया जाता है ताकि यह सुनिश्चित हो सके कि परिणामी "फ्लक्स-करेक्टेड बार स्टेट्स" रियलाइज़ेबल सेट के भीतर रहें।
- दोहरे प्रतिबंध (Dual Constraints): लिमिटर निम्नलिखित को लागू करता है:
  1. धनात्मकता (Positivity): $\psi^{(0)} > 0$ ।
  2. रियलिज़ेबिलिटी प्रतिबंध: $|\psi^{(1)} < \psi^{(0)}$ (यह सुनिश्चित करना कि फ्लक्स की गति प्रकाश की गति/भौतिक सीमा से अधिक न हो)।
- एक क्वाड्रेटिक असमानता प्रतिबंध (quadratic inequality constraint) को यह निर्धारित करने के लिए हल किया जाता है कि सुधार कारक $\alpha_{ij}^{IDP}$ एंटीडिफ्यूसिव फ्लक्स को कितना स्केल करे, ताकि सटीकता से बहुत अधिक समझौता किए बिना वास्तविकता (realizability) को संतुष्ट किया जा सके।

C. डोज़ कैलकुलेशन (Dose Calculation)

जमा की गई डोज़ $D(x)$ ऊर्जा रेंज के ऊपर स्टॉपिंग पावर के भारित (weighted) ज़ीरोथ मोमेंट का इंटीग्रल है।
इंटीग्रल को ऊर्जा के पीछे की ओर विकास (backward energy evolution) के दौरान ट्रेपेज़ॉइडल नियम (trapezoidal rule) का उपयोग करके संचित किया जाता है।
एक कटऑफ ऊर्जा $E_{min}$ का उपयोग किया जाता है; इसके नीचे, अवशिष्ट ऊर्जा को स्थानीय रूप से जमा माना जाता है।

3. प्रमुख योगदान (Key Contributions)

रियलिज़ेबिलिटी-प्रिजर्विंग CG स्कीम: ऊर्जा-निर्भर M1 मॉडल के लिए पहले प्रमाणित IDP कंटीन्यूअस फाईनाइट एलीमेंट विखंडन का निर्माण। पिछले कार्यों ने मुख्य रूप से समय-निर्भर या ऊर्जा-स्वतंत्र मामलों पर ध्यान केंद्रित किया था।
स्ट्रैंग-MCL एल्गोरिदम: एक नवीन स्ट्रैंग स्प्लिटिंग और MCL का संयोजन जो स्टिफ स्कैटरिंग टर्म्स को स्पष्ट रूप से (explicitly) संभालता है, जबकि स्कैटरिंग टर्म्स के सटीक एकीकरण के माध्यम से IDP गुण को बनाए रखता है।
स्टिफनेस (Stiffness) को संभालना: यह विधि स्कैटरिंग को ट्रांसपोर्ट से अलग करती है, जिससे सोर्स टर्म्स के सटीक एकीकरण के माध्यम से स्कैटरिंग स्टेप को हल करना संभव होता है, जो धनात्मकता बनाए रखने के लिए महत्वपूर्ण है।
विषम मीडिया (Heterogeneous Media) में मजबूती: यह स्कीम सामग्री के विच्छेदन (जैसे हड्डी, फेफड़े, मांसपेशी इंटरफेस) को बिना किसी स्प्यूरियस दोलन या गैर-भौतिक अवस्था उत्पन्न किए संभालने के लिए डिज़ाइन की गई है।

4. संख्यात्मक परिणाम (Numerical Results)

विधि को विश्लेषणात्मक समाधानों और मोंटे कार्लो संदर्भों के विरुद्ध कई परिदृश्यों में मान्य किया गया:

विश्लेषणात्मक बेंचमार्क (समान जल/Homogeneous Water):
- स्कीम ब्रैग पीक डेप्थ-डोज़ कर्व को सटीक रूप से पुनरुत्पादित करती है।
- कन्वर्जेंस अध्ययन दिखाते हैं कि जबकि मोटे मेश (coarse meshes) पीक को थोड़ा काट देते हैं, महीन मेश ( $N_h = 2049$ ) विश्लेषणात्मक संदर्भ समाधान के लगभग पूरी तरह से मेल खाते हैं।
3D स्कैटरिंग प्रभाव:
- स्कैटरिंग के साथ और बिना सिमुलेशन ने भौतिक रूप से सुसंगत डोज़ वितरण दिखाया।
- स्कैटरिंग के कारण पीक की ऊंचाई थोड़ी कम होना और पार्श्व प्रसार (lateral spreading) देखा गया, जो भौतिक अपेक्षाओं के अनुरूप है।
विषम ज्यामिति (रोगी फैंटम/Patient Phantom):
- मांसपेशी, हड्डी, फेफड़े और पानी की स्लैब वाले सिमुलेशन ने सामग्री के तीक्ष्ण इंटरफेस को हल करने की क्षमता प्रदर्शित की।
- इंटरफेस पर कोई दोलन (oscillations) या गैर-भौतिक अवस्था नहीं पाई गई।
डबल बीम समस्या (सीमा विश्लेषण):
- लेखकों ने दो प्रतिच्छेद करने वाली बीमों का परीक्षण किया। अपेक्षित रूप से, M1 मॉडल के साथ, बीम एक औसत दिशा में यात्रा करने वाली एकल बीम में मिल गईं।
- इसने M1 की ज्ञात सीमा (मल्टी-स्ट्रीम प्रवाह को हल करने में असमर्थता) की पुष्टि की, लेकिन यह भी सत्यापित किया कि संख्यात्मक योजना स्थिर और भौतिक रूप से स्वीकार्य बनी रही।

5. महत्व और निष्कर्ष (Significance and Conclusion)

नैदानिक प्रासंगिकता: यह कार्य प्रोटॉन थेरेपी के लिए डोज़ कैलकुलेशन के लिए एक कम्प्यूटेशनल रूप से कुशल, नियतात्मक विकल्प प्रदान करता है। भौतिक निरंतरता की गारंटी के साथ मानक हार्डवेयर पर चलने की क्षमता इसे नियमित नैदानिक उपचार योजना के लिए एक मजबूत उम्मीदवार बनाती है।
गणितीय कठोरता: यह पेपर सोर्स टर्म्स के साथ हाइपरबोलिक बैलेंस लॉज़ के लिए निरंतर परिमित तत्व विधियों में वास्तविकता लागू करने के लिए एक कठोर गणितीय ढांचा स्थापित करता है, जो MCL कार्यप्रणाली को ऊर्जा-निर्भर ट्रांसपोर्ट तक विस्तारित करता है।
भविष्य की दिशाएं: लेखक नोट करते हैं कि हालांकि M1 मजबूत है, क्रॉसिंग बीम को संभालने में इसकी अक्षमता मॉडल की एक मौलिक भौतिक सीमा है, न कि संख्यात्मक। वे सुझाव देते हैं कि मल्टी-स्ट्रीम प्रभावों को हल करने के लिए M2 मॉडल (जिसमें दूसरा मोमेंट स्पष्ट रूप से शामिल है) तक इस MCL ढांचे को विस्तारित किया जाए, हालांकि इसमें अधिक जटिल टेंसर बाधाएं (tensor constraints) आती हैं।

संक्षेप में, यह शोध पत्र प्रोटॉन डोज़ कैलकुलेशन के लिए एक मजबूत, उच्च-क्रम और भौतिक रूप से सुसंगत संख्यात्मक पद्धति प्रस्तुत करता है जो नियतात्मक मॉडलों की गति और नैदानिक सुरक्षा के लिए आवश्यक भौतिक स्वीकार्यता के बीच के अंतर को सफलतापूर्वक पाटता है।