🔬 condensed matter

Level 2.5 large deviations and uncertainty relations for self-interacting jump processes: tilting constructions and the emergence of time-scale separation

यह शोधपत्र एक एक्सपोनेंशियल टिल्टिंग निर्माण (exponential tilting construction) का उपयोग करके स्व-परस्पर क्रिया करने वाली जंप प्रक्रियाओं (self-interacting jump processes) के लिए एक लेवल-2.5 लार्ज डेविएशन सिद्धांत (large deviation principle) व्युत्पन्न करता है जो सूक्ष्म गतिकी (microscopic dynamics) और स्मृति-संचालित दर विकास (memory-driven rate evolution) के बीच एक समय-पैमाने के पृथक्करण (time-scale separation) को प्रकट करता है, जिससे गैर-मार्कोवियन प्रणालियों (non-Markovian systems) के लिए काइनेटिक और थर्मोडायनामिक अनिश्चितता संबंधों के विस्तार को सक्षम बनाया जा सके।

मूल लेखक: Francesco Coghi, Juan P. Garrahan

प्रकाशित 2026-03-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Francesco Coghi, Juan P. Garrahan

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 रसोई के फर्श पर एक नन्ही चींटी को इधर-उधर घूमते हुए देख रहे हैं। एक मानक, अनुमानित दुनिया में (जिसे वैज्ञानिक "मार्कोवियन" (Markovian) प्रणाली कहते हैं), चींटी का अगला कदम केवल इस बात पर निर्भर करता है कि वह अभी कहाँ है। यदि वह किसी खाने के कण पर है, तो वह बाईं ओर मुड़ सकती है; यदि वह एक साफ टाइल पर है, तो वह दाईं ओर मुड़ सकती है। उसे इस बात से कोई फर्क नहीं पड़ता कि वह पाँच मिनट पहले कहाँ थी। उसके पास कोई याददाश्त नहीं है।

लेकिन वास्तविक दुनिया में, कई सूक्ष्म जीव (और कुछ कृत्रिम रोबोट भी) अधिक समझदार होते हैं। वे फेरोमोन (pheromones) का एक निशान छोड़ते हैं, या वे चलते समय फर्श की बनावट को बदल देते हैं। इसका मतलब यह है कि उनका अगला कदम केवल इस पर निर्भर नहीं करता कि वे अभी कहाँ हैं, बल्कि इस पर भी निर्भर करता है कि वे कहाँ रहे हैं (इतिहास)। वे "स्व-परस्पर क्रियाशील" (self-interacting) होते हैं।

यह शोध पत्र इन याददाश्त रखने वाले यात्रियों के दुर्लभ, अजीब और अनपेक्षित व्यवहारों को समझने के बारे में है।

यहाँ शोध पत्र के बड़े विचारों का विवरण दिया गया, जिसमें सरल उपमाओं का उपयोग किया गया है:

1. समस्या: मशीन में "भूत" (The "Ghost" in the Machine)

चीजों के चलने के तरीके की भविष्यवाणी करने के लिए उपयोग किया जाने वाला अधिकांश गणित यह मानता है कि प्रणाली के पास कोई स्मृति नहीं होती है। लेकिन जब कोई जीव एक निशान छोड़ता है, तो वातावरण बदल जाता है। गणित जटिल हो जाता है क्योंकि खेल के नियम खिलाड़ी की पिछली चालों के आधार पर बदलते रहते हैं।

लेखकों ने यह उत्तर देने की कोशिश की: "यदि हम बहुत लंबे समय तक प्रतीक्षा करते हैं, तो इसकी कितनी संभावना है कि यह चींटी एक ऐसा अजीब रास्ता ले ले जो वह लगभग कभी नहीं लेती?"

2. समाधान: "समय-यात्रा" वाली तरकीब (The "Time-Traveling" Trick)

इसे हल करने के लिए, लेखकों ने "एक्सपोनेंशियल टिल्टिंग" (Exponential Tilting) नामक एक चतुर गणितीय तरकीब का उपयोग किया।

उपमा: कल्पना कीजिए कि आप अगले साल के मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। यह कठिन है। लेकिन कल्पना कीजिए कि आप जादुई रूप से वायुमंडल को इस तरह "झुका" (tilt) सकते हैं कि एक तूफान सामान्य मौसम बन जाए। इस "झुके हुए" संसार में, तूफान बार-बार आता है।
शोध पत्र का कदम: लेखकों ने चींटी की दुनिया का एक नकली, "झुका हुआ" संस्करण बनाया जहाँ दुर्लभ, अजीब रास्ते बार-बार होते हैं। फिर उन्होंने गणना की कि वास्तविक दुनिया को इस नकली, अजीब दुनिया में बदलने के लिए कितने "प्रयास" (या ऊर्जा) की आवश्यकता होगी।
परिणाम: इस "प्रयास" को "लार्ज डेविएशन रेट फंक्शन" (Large Deviation Rate Function) कहा जाता है। यह हमें बताता है कि एक दुर्लभ घटना कितनी "महंगी" है। यह जितना अधिक महंगा होगा, इसके होने की संभावना उतनी ही कम होगी।

3. बड़ी खोज: तेज़ बनाम धीमी समय (Fast vs. Slow Time)

एक सबसे दिलचस्प खोज यह है कि ये प्रणालियाँ एक साथ दो अलग-अलग घड़ियों पर काम करती हैं।

तेज़ घड़ी (सूक्ष्म स्तर - Microscopic): यह चींटी द्वारा कदम उठाना है। कदम, कदम, कदम। यह बहुत तेज़ी से होता है।
धीमी घड़ी (स्मृति - Memory): यह वह निशान है जो चींटी पीछे छोड़ती है। निशान समय के साथ धीरे-धीरे बनता है। चींटी का व्यवहार बदलता रहता है जैसे-जैसे निशान मोटा होता जाता है, लेकिन निशान स्वयं एक "धीमी गति वाला" चर (variable) है।

लेखकों ने इन दो गतियों को अलग करना सीख लिया। उन्होंने तेज़ कदमों को ऐसे माना जैसे कि धीमा निशान एक क्षण के लिए स्थिर है, और फिर निशान को अपडेट होने दिया। इस "टाइम-स्केल सेपरेशन" (Time-Scale Separation) ने उन्हें अजीब रास्तों के लिए एक स्पष्ट सूत्र लिखने में सक्षम बनाया, जो पहले असंभव था।

4. खेल के नियम: अनिश्चितता संबंध (Uncertainty Relations)

भौतिकी में, "अनिश्चितता संबंध" (जैसे क्वांटम मैकेनिक्स में हाइजेनबर्ग के सिद्धांत) होते हैं जो कहते हैं कि आप एक साथ सब कुछ पूरी सटीकता से नहीं जान सकते। उदाहरण के लिए, यदि आप चाहते हैं कि कोई मशीन अत्यंत सटीक हो, तो उसे आमतौर पर बहुत अधिक ऊर्जा बर्बाद करनी पड़ती है (dissipation)।

लेखकों ने सिद्ध किया कि ये नियम स्मृति रखने वाली प्रणालियों पर भी लागू होते हैं, लेकिन वे अधिक जटिल हैं:

काइनेटिक अनिश्चितता संबंध (KUR): यह कहता है कि, "यदि आप चाहते हैं कि आपकी चींटी बिल्कुल सीधी रेखा में चले (कम उतार-चढ़ाव), तो उसे बहुत अधिक कदम उठाने होंगे (उच्च गतिविधि)।"
थर्मोडायनामिक अनिश्चितता संबंध (TUR): यह कहता है कि, "यदि आप चाहते हैं कि चींटी सटीक हो, तो उसे एंट्रॉपी (ऊष्मा/अपव्यय) के रूप में एक 'टैक्स' चुकाना होगा।"

ट्विस्ट: क्योंकि चींटी के पास स्मृति है, इसलिए "टैक्स" केवल इस बारे में नहीं है कि वह अभी क्या कर रही है। यह इस बारे में भी है कि उसने अतीत में क्या किया था। शोध पत्र दिखाता है कि स्मृति वास्तव में प्रणाली को कम कुशल (अधिक उतार-चढ़ाव) या कभी-कभी अधिक कुशल बना सकती है, यह इस बात पर निर्भर करता है कि स्मृति कैसे काम करती है।

5. "डिस्काउंट" कारक (The "Discount" Factor)

शोध पत्र के गणित में एक अजीब दिखने वाला पद है: $e^{-t}$ (एक एक्सपोनेंशियल डिस्काउंट)।

उपमा: एक मिटती हुई याद के बारे में सोचें। दस साल पहले की गई गलती आज के मूड को उतना प्रभावित नहीं करती जितना कि दस मिनट पहले की गई गलती।
शोध पत्र का अंतर्दृष्टि: जब किसी दुर्लभ घटना की लागत की गणना की जाती है, तो प्रणाली अतीत को "डिस्काउंट" (कम महत्व देना) करती है। बहुत समय पहले हुई घटनाओं का वर्तमान उतार-चढ़ाव की "लागत" में उतना योगदान नहीं होता जितना कि अभी हो रही घटनाओं का। ऐसा इसलिए है क्योंकि दूर के अतीत की स्मृति वर्तमान तक पहुँचते-पहुँचते "धुंधली" हो जाती है।

सारांश: यह क्यों मायने रखता है?

यह शोध पत्र उन प्रणालियों के लिए एक नया "नियम पुस्तिका" देता है जो अपने अतीत से सीखती हैं।

जीवविज्ञानियों के लिए: यह समझाने में मदद करता है कि बैक्टीरिया या चींटियाँ बिना किसी केंद्रीय मस्तिष्क के कैसे समन्वय करती हैं।
इंजीनियरों के लिए: यह बेहतर रोबोटों को डिजाइन करने में मदद करता है जो अपने स्वयं के "निशान" छोड़कर जटिल वातावरण में नेविगेट कर सकें।
भौतिकविदों के लिए: यह सरल, स्मृति-रहित गणित और जीवित दुनिया की जटिल, स्मृति-युक्त वास्तविकता के बीच के अंतर को पाटता है।

संक्षेप में: भले ही खेल के नियम आपके पिछले कार्यों के कारण बदलते रहें, फिर भी इस बात पर सख्त गणितीय सीमाएँ हैं कि आपका भविष्य कितना अजीब हो सकता है। और इस शोध पत्र ने उन सीमाओं के लिए सूत्र खोज लिया है।

यहाँ फ्रैंसेस्को कोघी और जुआन पी. गाराहन के शोध पत्र "Level 2.5 large deviations and uncertainty relations for self-interacting jump processes: tilting constructions and the emergence of time-scale separation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

यह शोध पत्र स्व-परस्पर क्रिया करने वाली जंप प्रक्रियाओं (Self-Interacting Jump Processes - SIJPs) में उतार-चढ़ाव (fluctuations) के लक्षण वर्णन की चुनौती को संबोधित करता है। मानक मार्कोव प्रक्रियाओं के विपरीत, SIJPs गैर-मार्कोवियन (non-Markovian) प्रणालियाँ हैं जहाँ संक्रमण दरें (transition rates) सिस्टम के अपने इतिहास पर निर्भर करती हैं, विशेष रूप से अनुभवजन्य अवलोकनों (empirical observables) जैसे कि अनुभवजन्य अधिभोग माप (empirical occupation measure - अवस्थाओं में बिताया गया समय) और अनुभवजन्य फ्लक्स (empirical flux - जंप की संख्या) पर।

संदर्भ: ये प्रक्रियाएँ उन प्रणालियों का मॉडल बनाती हैं जिनमें दीर्घकालिक स्मृति (long-range memory) और फीडबैक होता है, जैसे कि रासायनिक निशान छोड़ने वाले जैविक एजेंट (जैसे E. coli, चींटियाँ) या कृत्रिम सक्रिय पदार्थ (artificial active matter)।
अंतराल (Gap): जबकि मार्कोवियन प्रणालियों के लिए लार्ज डेविएशन थ्योरी (LD) अच्छी तरह स्थापित है (अधिभोग और फ्लक्स के लिए Level 2.5 LDs), SIJPs के लिए इन परिणामों का विस्तार करना कठिन है क्योंकि इसमें अंतर्निहित स्मृति प्रभाव (memory effects) होते हैं। मौजूदा विधियाँ अक्सर अधिभोग और फ्लक्स के संयुक्त उतार-चढ़ाव या फीडबैक लूप की विशिष्ट प्रकृति को पकड़ने में विफल रहती हैं।
लक्ष्य: एक व्यापक श्रेणी के SIJPs के लिए Level 2.5 लार्ज डेविएशन (LD) सिद्धांत को व्युत्पन्न करना और इस ढांचे का उपयोग करके सामान्यीकृत काइनेटिक (KUR) और थर्मोडायनामिक अनसर्टेन्टी रिलेशंस (TUR) प्राप्त करना, जो गैर-मार्कोवियन परिवेशों में करंट और फ्लक्स अवलोकनों की सटीकता को सीमित करते हैं।

2. कार्यप्रणाली (Methodology)

लेखक एक औपचारिक एक्सपोनेंशियल टिल्टिंग (exponential tilting - माप परिवर्तन) निर्माण का उपयोग करते हैं, जिसे मार्कोवियन LD सिद्धांत से अनुकूलित किया गया है, लेकिन SIJPs की गैर-मार्कोवियन प्रकृति को संभालने के लिए विस्तारित किया गया है।

एक्सपोनेंशियल टिल्टिंग (Exponential Tilting): वे एक सहायक समय-असमरूप मार्कोव प्रक्रिया (time-inhomogeneous Markov process) पेश करते हैं जो एक दुर्लभ घटना (एक विशिष्ट जोड़ी: अनुभवजन्य अधिभोग $\ell$ और फ्लक्स $\phi$ ) को उत्पन्न करने के लिए "टिल्ट" की गई है।
समय-पैमाने का पृथक्करण (Time-Scale Separation): इस शोध पत्र का एक महत्वपूर्ण निष्कर्ष दो अलग-अलग समय पैमानों की पहचान है:
1. तीव्र पैमाना ( $\tau_{micro}$ ): सूक्ष्म जंप गतिकी (microscopic jump dynamics), जो तेजी से मिश्रित (mix) होती है।
2. धीमा पैमाना ( $\tau_{slow}$ ): अनुभवजन्य अवलोकन (स्मृति) का विकास, जो अवलोकन की परिभाषा में $1/t$ औसत कारक के कारण धीरे-धीरे बदलता है।
गणितीय व्युत्पत्ति:
- यह मानते हुए कि समय के छोटे अंतराल पर धीमे चर (अधिभोग और फ्लक्स) स्थिर रहते हैं जहाँ तीव्र गतिकी मिश्रित होती है, लेखक समय-पैमाने के पृथक्करण का उपयोग करते हैं।
- वे मूल SIJP पथ माप (path measure) और टिल्ट की गई मार्कोव पथ माप के बीच राडन-निकोडिम डेरिवेटिव (Radon-Nikodym derivative) की गणना करते हैं।
- समय पुनर्गठन (Time Rescaling) ( $t \to e^t$ ) और समय उत्क्रमण (Time Reversal) के माध्यम से, वे रेट फंक्शनल को एक ऐसे रूप में परिवर्तित करते हैं जिसमें एक्सपोनेंशियल डिस्काउंटेड (exponentially discounted) इंटीग्रल शामिल है। यह डिस्काउंट फैक्टर ( $e^{-t}$ ) इस तथ्य को दर्शाता है कि (उलटे समय में) हालिया इतिहास का दूरस्थ इतिहास की तुलना में उतार-चढ़ाव की लागत पर अधिक प्रभाव पड़ता है।
वेरिएशनल सिद्धांत (Variational Principle): अंतिम Level 2.5 रेट फंक्शन $I_{2.5}(\ell, \phi)$ विशिष्ट उतार-चढ़ाव के बाधाओं (constraints) को पूरा करने वाले सभी संभावित समय-निर्भर घनत्व और फ्लक्स प्रक्षेप पथों (trajectories) पर डिस्काउंटेड रिलेटिव एंट्रॉपी को मिनिमाइज़ करके प्राप्त किया जाता है।

3. मुख्य योगदान (Key Contributions)

A. SIJPs के लिए Level 2.5 लार्ज डेविएशन सिद्धांत

यह शोध पत्र अनुभवजन्य अधिभोग माप ( $L$ ) और अनुभवजन्य फ्लक्स मैट्रिक्स ( $\Phi$ ) के संयुक्त उतार-चढ़ाव को नियंत्रित करने वाले रेट फंक्शन को व्युत्पन्न करता है।

परिणाम: रेट फंक्शन को टिल्टेड जेनरेटर और मूल अवस्था-निर्भर जेनरेटर के बीच एक डिस्काउंटेड रिलेटिव एंट्रॉपी (क्रैमर रेट फंक्शन) वाले वेरिएशनल समस्या के रूप में व्यक्त किया गया है।
नवीनता: मार्कोवियन LDs के विपरीत, SIJP रेट फंक्शन स्मृति चर के कंट्रैक्शन के कारण अनिवार्य रूप से उत्तल (convex) नहीं होता है। फंक्शनल रूप स्पष्ट रूप से एक एक्सपोनेंशियल डिस्काउंट $e^{-t}$ को शामिल करता है, जो सिस्टम की "स्मृति" को दर्शाता है।

B. सामान्यीकृत अनसर्टेन्टी रिलेशंस (Generalized Uncertainty Relations)

Level 2.5 LD की वेरिएशनल संरचना का उपयोग करते हुए, लेखक अवलोकनों के उतार-चढ़ाव पर सीमाएं (bounds) प्राप्त करते हैं:

SIJP-KUR (काइनेटिक अनसर्टेन्टी रिलेशन):
- यह एक फ्लक्स अवलोकन के वेरिएंस को औसत डायनामिकल एक्टिविटी (average dynamical activity) (कुल जंप दर) से जोड़ता है।
- सूत्र: $\frac{\text{var}(b)}{\bar{b}^2} \geq \frac{1}{k_{SIJP}}$ , जहाँ $k_{SIJP}$ डायनामिकल एक्टिविटी का एक समय-डिस्काउंटेड औसत है।
- महत्व: यह शास्त्रीय KUR को गैर-मार्कोवियन प्रणालियों तक विस्तारित करता है, यह दिखाते हुए कि सटीकता अभी भी गतिविधि द्वारा सीमित है, लेकिन "गतिविधि" को सिस्टम की स्मृति द्वारा भारित (weighted) किया जाना चाहिए।
SIJP-UKUR (अल्टीमेट काइनेटिक अनसर्टेन्टी रिलेशन):
- उन मामलों के लिए एक कड़ा (tighter) बाउंड प्रदान करता है जहाँ फीडबैक जंप घटनाओं (फ्लक्स-डिपेंडेंट रेट्स) पर निर्भर करता है।
- इसमें तात्कालिक स्थिर अवस्था (instantaneous steady state) में एक डायनेमिकली डिस्काउंटेड औसत जीवनकाल शामिल है, जो सेमी-मार्कोव प्रक्रियाओं के लिए "अल्टीमेट KUR" का सामान्यीकरण करता है।
SIJP-TUR (थर्मोडायनामिक अनसर्टेन्टी रिलेशन):
- करंट के उतार-चढ़ाव को एन्ट्रॉपी उत्पादन (entropy production) से जोड़ता है।
- सूत्र: $\frac{\text{var}(j)}{\bar{j}^2} \geq \frac{2}{\int_0^\infty e^{-t} \sigma_t dt}$ , जहाँ $\sigma_t$ तात्कालिक एन्ट्रॉपी उत्पादन दर है।
- महत्व: यह दर्शाता है कि स्व-परस्पर क्रिया करने वाले सिस्टम में करंट के उतार-चढ़ाव को कम करने से एन्ट्रॉपी उत्पादन के रूप में एक न्यूनतम लागत आती है, लेकिन यह लागत मेमोरी कर्नेल द्वारा प्रभावी रूप से "डिस्काउंट" की जाती है।

4. परिणाम और दृष्टांत उदाहरण (Results and Illustrative Examples)

लेखक दो-स्तरीय और तीन-स्तरीय मॉडलों पर संख्यात्मक सिमुलेशन और विश्लेषणात्मक सन्निकटन (analytical approximations) का उपयोग करके अपने सैद्धांतिक ढांचे को सत्यापित करते हैं:

दो-अवस्था फीडबैक मॉडल (Two-State Feedback Model):
- अधिभोग प्रायिकता पर रैखिक और घातीय (exponential) फीडबैक वाले सिस्टम का विश्लेषण किया गया।
- निष्कर्ष: सटीक Level 2 रेट फंक्शन (अधिभोग के लिए) बड़े उतार-चढ़ाव के लिए मानक मार्कोवियन (डॉन्स्कर-वरडावन) सीमाओं से काफी भिन्न होते हैं। मार्कोवियन सन्निकटन SIJPs में दुर्लभ घटनाओं को उत्पन्न करने के लिए आवश्यक "अचानक" (abrupt) इष्टतम प्रक्षेप पथों को पकड़ने में विफल रहता है।
- SIJP-KUR बाउंड को फ्लक्स उतार-चढ़ाव के लिए एक वैध ऊपरी सीमा के रूप में दिखाया गया, जो विशिष्ट और दुर्लभ दोनों व्यवहारों को कैप्चर करता है।
तीन-अवस्था चक्रीय मॉडल (Three-State Cyclic Models):
- गैर-संतुलन स्थिर अवस्थाओं (non-equilibrium stationary states) और चक्रीय धाराओं वाले सिस्टम का विश्लेषण किया गया।
- निष्कर्ष: इन जटिल गैर-मार्कोवियन सेटिंग्स में भी, SIJP-TUR और SIJP-UKUR कठोर ऊपरी सीमाओं के रूप में मान्य हैं।
- सिमुलेशन ने पुष्टि की कि स्व-परस्पर क्रिया (self-interaction) शुद्ध मार्कोवियन प्रणालियों की तुलना में उतार-चढ़ाव को बढ़ा सकती है, और व्युत्पन्न सीमाएं इस वृद्धि की सीमाओं की सही भविष्यवाणी करती हैं।

5. महत्व और प्रभाव (Significance and Impact)

सैद्धांतिक प्रगति: यह कार्य सामान्य स्व-परस्पर क्रिया करने वाली जंप प्रक्रियाओं के लिए Level 2.5 LDs के लिए पहला कठोर ढांचा प्रदान करता है, जो मार्कोवियन उतार-चढ़ाव सिद्धांत और जटिल गैर-मार्कोवियन गतिकी के बीच के अंतर को पाटता है।
अवधारणाओं का एकीकरण: यह स्मृति वाले सिस्टम के लिए स्टोकेस्टिक थर्मोडायनामिक्स (KUR, TUR) के शक्तिशाली उपकरणों को सफलतापूर्वक विस्तारित करता है, यह दिखाते हुए कि सटीकता, अपव्यय (dissipation) और गतिविधि के बीच मौलिक ट्रेड-ऑफ गैर-मार्कोवियन होने पर भी बने रहते हैं।
भौतिक अंतर्दृष्टि: रेट फंक्शनल में एक्सपोनेंशियल टाइम डिस्काउंट का उदय एक नई भौतिक अंतर्दृष्टि प्रदान करता है: स्व-परस्पर क्रिया करने वाले सिस्टम में, एक उतार-चढ़ाव की "लागत" (cost) हाल के अतीत (समय-उलटे चित्र में) में सिस्टम की स्थिति द्वारा दूरस्थ इतिहास की तुलना में अधिक भारी रूप से निर्धारित होती है।
अनुप्रयोग: ये परिणाम जैविक प्रणालियों (जैसे बैक्टीरिया का कीमोटैक्सिस, स्लाइम मोल्ड नेविगेशन) और सक्रिय पदार्थ (active matter) की दक्षता और विश्वसनीयता को समझने के लिए सीधे लागू होते हैं, जहाँ फीडबैक लूप और स्मृति गतिकी के अभिन्न अंग हैं। यह कृत्रिम स्वायत्त एजेंटों के नियंत्रण के लिए रणनीतियाँ डिजाइन करने के नए मार्ग भी खोलता है।

संक्षेप में, यह शोध पत्र स्व-परस्पर क्रिया करने वाले सिस्टम में दुर्लभ घटनाओं और परिशुद्धता सीमाओं के विश्लेषण के लिए एक व्यापक वेरिएशनल ढांचा स्थापित करता है, जो यह प्रकट करता है कि स्मृति कैसे उतार-चढ़ाव के परिदृश्य को मौलिक रूप से बदल देती है जबकि अनसर्टेन्टी रिलेशंस की मूल संरचना को बनाए रखती है।