A unified variational framework for the inverse Kohn-Sham problem

यहाँ नान सेंग (Nan Sheng) के शोध पत्र "A unified variational framework for the inverse Kohn–Sham problem" का विस्तृत तकनीकी सारांश हिंदी में दिया गया है:

1. समस्या विवरण (Problem Statement)

इनवर्स कोह-शाम (Inverse Kohn–Sham - KS) समस्या एक स्थानीय प्रभावी विभव (local effective potential), $v_s(\mathbf{r})$, निर्धारित करने का प्रयास करती है, ताकि संगत KS प्रणाली का गैर-परस्पर क्रियाशील (non-interacting) ग्राउंड स्टेट एक निर्धारित लक्ष्य इलेक्ट्रॉन घनत्व, $\rho_{\text{tar}}(\mathbf{r})$, को पुनरुत्पादित कर सके।

यद्यपि घनत्व कार्यात्मक सिद्धांत (DFT) घनत्व और बाहरी विभव के बीच एक एक-से-एक पत्राचार (one-to-one correspondence) स्थापित करता है (होहेनबर्ग-लिब सिद्धांत), यह इनवर्स समस्या गणितीय रूप से चुनौतीपूर्ण है। मौजूदा इनवर्जन विधियाँ (जैसे Wu–Yang, Zhao–Morrison–Parr, PDE-constrained दृष्टिकोण) अक्सर विजातीय गणितीय भाषाओं (जैसे अपचयित अनुकूलन, दंड नियमितीकरण, प्रतिक्रिया-आधारित पुनरावृत्ति, आदि) में तैयार की जाती हैं। एकीकरण के इस अभाव के कारण इन विधियों के बीच संरचनात्मक संबंधों को समझना कठिन हो जाता है और उनकी स्थिरता, नियमकता (regularity) तथा संख्यात्मक विफलता मोड (जैसे कमजोर-अंतराल वाले शासन में खराब स्थिति, बेस-सेट आर्टिफैक्ट्स, और गैर-विशिष्टता) का व्यवस्थित विश्लेषण करना कठिन हो जाता है।

2. कार्यप्रणाली (Methodology)

लेखक सटीक DFT और उत्तल विश्लेषण (convex analysis) के दृष्टिकोण से इनवर्स KS समस्या की पुनर्व्याख्या करके एक एकीकृत परिवर्तनशील ढांचा (unified variational framework) विकसित करते हैं। कार्यप्रणाली मुख्य रूप से दो चरणों में आगे बढ़ती है:

A. परिवर्तनशील आधार: निश्चित-घनत्व बाधा खोज (Fixed-Density Constrained Search)

यह शोध पत्र तर्क देता है कि इनवर्स KS समस्या को केवल एक गैर-रैखिक मानचित्र $v \to \rho$ के व्युत्क्रम के रूप में नहीं, बल्कि सटीक DFT के भीतर निहित निश्चित-घनत्व गैर-परस्पर क्रियाशील बाधा खोज के रूप में देखा जाना चाहिए।

• मुख्य सूत्र: समस्या को लक्षित घनत्व $\rho_{\text{tar}}$ के बराबर होने की बाधा के अधीन गैर-परस्पर क्रियाशील गतिज ऊर्जा कार्यात्मक $T_s[\rho]$ को न्यूनतम करने के रूप में परिभाषित किया गया है:
  $$T_s[\rho_{\text{tar}}] = \inf_{\Phi \to \rho_{\text{tar}}} \langle \Phi | \hat{T} | \Phi \rangle$$
• गुणक मूल (Multiplier Origin): इस बाधाबद्ध न्यूनीकरण में, प्रभावी KS विभव $v_s$ स्वाभाविक रूप से घनत्व बाधा से जुड़े लाग्रेंज गुणक (Lagrange multiplier) के रूप में उभरता है।
• गणितीय परिवेश: समस्या को एक मिश्रित Banach–Sobolev परिवेश में तैयार किया गया है जहाँ घनत्व $X = L^1 \cap L^3$ में रहता है और विभव उसके द्वैत (dual) $X^* = L^\infty + L^{3/2}$ में रहता है।
• उप-विभेदक (Subdifferentials): यह ढांचा स्वीकार करता है कि $T_s[\rho]$ हर जगह अवकलनीय (differentiable) नहीं हो सकता है। फलस्वरूप, विभव को एक अद्वितीय शास्त्रीय अवकलज के बजाय $\partial T_s[\rho]$ के एक तत्व के रूप में पहचाना जाता है, जो गैर-विशिष्टता और प्रतिनिधित्व संबंधी मुद्दों को संबोधित करता है।

B. अनुकूलन-सैद्धांतिक वर्गीकरण (Optimization-Theoretic Classification)

इस परिवर्तनशील आधार पर निर्माण करते हुए, यह शोध पत्र मौजूदा इनवर्जन विधियों को इस आधार पर वर्गीकृत करता है कि वे दो परिभाषित संबंधोंों के साथ कैसे व्यवहार करती हैं:

1. KS अवस्था समीकरण (आइगेनवैल्यू समस्या)।
2. घनत्व-पुनरुत्पादन की स्थिति ($\rho = \sum |\phi_i|^2$)।

वर्गीकरण इस बात पर निर्भर करता है कि इन संबंधोंों को उद्देश्य (objectives), बाधाओं (constraints), दंडों (penalties), या व्यवहार्यता संबंधों (feasibility relations) के रूप में कैसे माना जाता है।

3. प्रमुख योगदान (Key Contributions)

1. मौजूदा विधियों का संरचनात्मक एकीकरण

यह शोध पत्र प्रदर्शित करता है कि प्रमुख इनवर्जन एल्गोरिदम ही एक ही अंतर्निहित परिवर्तनशील संरचना के विशिष्ट कार्यान्वयन हैं:

• Wu–Yang सूत्र: इसे एक अपचयित सटीक-गुणक सूत्र (reduced exact-multiplier formulation) के रूप में पहचाना गया है। यह घनत्व बाधा को सटीक रूप से लागू करता है और सीधे विभव स्थान पर अनुकूलन करने के लिए अवस्था चरों (state variables) को समाप्त करता है। यह द्वैत कार्यात्मक $W[v] = E_s[v] - \langle v, \rho_{\text{tar}} \rangle$ को अधिकतम करने के अनुरूप है।
• Zhao–Morrison–Parr (ZMP) विधि: इसे एक द्विघाती-दंड शिथिलता (quadratic-penalty relaxation) के रूप में पहचाना गया है। यह घनत्व बाधा को सटीक रूप से लागू करने के बजाय, गतिज ऊर्जा उद्देश्य में एक दंड पद $\frac{\lambda}{2}\|\rho - \rho_{\text{tar}}\|^2$ जोड़ता है। यह सटीक व्यवहार्यता के बदले मजबूती (robustness) का व्यापार करता है।
• PDE-नियंत्रित दृष्टिकोण: इन्हें स्पष्ट अवस्था-बाधा सूत्र (explicit state-constraint formulations) के रूप में पहचाना गया है। ये अनुकूलन समस्या में KS अवस्था समीकरणों को स्पष्ट बाधाओं के रूप में बनाए रखते हैं और अक्सर ग्रेडिएंट की गणना करने के लिए एडजॉइंट चरों (लाग्रेज गुणकों) का उपयोग करते हुए घनत्व-विसंगति उद्देश्य को न्यूनतम करते हैं।

2. नया अनुकूलन वर्गीकरण (New Optimization Taxonomy)

यह शोध पत्र इनवर्स KS समस्याओं को तीन अलग-अलग अनुकूलन आर्किटेक्चर में वर्गीकृत करने का प्रस्ताव करता है:

• एक उद्देश्य / एक बाधा: एक संबंध उद्देश्य है, दूसरा एक कठोर बाधा है (Wu–Yang और PDE-नियंत्रित विधियों को कवर करता है)।
• दो-उद्देश्य 'ऑल-एट-वन्स' (Two-Objective All-at-Once): दोनों अवस्था समीकरणों और घनत्व स्थितियों को एक संयुक्त उद्देश्य फलन में अवशेषों (residuals) के रूप में माना जाता है (जैसे, $\|R_i\|^2 + \|D\|^2$ को न्यूनतम करना)। यह ऑर्बिटल्स और विभवों के समवर्ती अनुकूलन की अनुमति देता है।
• दो बाधाएं / शून्य उद्देश्य (Two Constraints / Zero Objective - Feasibility View): दोनों संबंधों को एक साथ हल किए जाने वाले सख्त बाधाओं के रूप में माना जाता है, जो समस्या को अनुकूलन के बजाय व्यवहार्यता खोज (feasibility search) के रूप में प्रस्तुत करता है।

3. संख्यात्मक विकृतियों का स्पष्टीकरण (Clarification of Numerical Pathologies)

यह ढांचा समझाता है कि विभिन्न विधियाँ समान संख्यात्मक अस्थिरताओं से क्यों जूझती हैं:

• कमजोर-अंतराल अस्थिरता (Weak-Gap Instability): अपचयित गुणक (Wu–Yang) और स्पष्ट अवस्था-बाधा विधियों में, हेसियन (Hessian) या एडजॉइंट ऑपरेटर $\chi_s$ (KS प्रतिक्रिया फलन) पर निर्भर करते हैं। छोटे बैंड गैप या निकट-अपभ्रष्टता (near-degeneracy) वाले सिस्टम में, $\chi_s$ खराब स्थिति (ill-conditioned) में चला जाता है, जिससे दोलनी विभव (oscillatory potentials) और अभिसरण विफलता होती है।
• गैर-अवकलनीयता (Non-differentiability): सुचारू अवकलजों से उप-विभेदकों (subdifferentials) की ओर संक्रमण यह स्पष्ट करता है कि गैर-परस्पर क्रियाशील $v$-प्रतिनिधित्व योग्य घनत्वों के लिए इनवर्जन क्यों विफल हो जाता है।
• गेज संरचना (Gauge Structure): यह शोध पत्र स्पष्ट करता है कि विभव केवल एक योज्य स्थिरांक (additive constant) तक ही परिभाषित है। यह इस बात पर जोर देता है कि तुल्यता वर्ग $[v_s]$ से एक अद्वितीय प्रतिनिधि चुनने के लिए अनंत पर स्पर्शोन्मुखी सामान्यीकरण (asymptotic normalization) (अनंत पर क्षय दर को स्थिर करना) संरचनात्मक रूप से आवश्यक है।

4. विस्तार (Extensions)

यह ढांचा स्वाभाविक रूप से ऑगमेंटेड-लैग्रेंजियन (Augmented-Lagrangian) विधियों को समाहित करता है, जो शुद्ध दंड विधियों की अत्यधिक विषमता (anisotropy) के बिना, सटीक गुणकों और शुद्ध दंड सीमाओं के बीच मध्यस्थता करती हैं, जिससे स्थिरता में सुधार का मार्ग प्रशस्त होता है।

4. परिणाम (Results)

• सैद्धांतिक निरंतरता: यह शोध पत्र सफलतापूर्वक विजातीय एल्गोरिदम (Wu–Yang, ZMP, PDE-नियंत्रित) को लेवी-लीब (Levy–Lieb) बाधित खोज से प्राप्त एकल परिवर्तनशील आधार पर मैप करता है।
• वर्गीकरण: यह एक कठोर वर्गीकरण प्रदान करता है जो विधियों को उनके एल्गोरिदम कार्यान्वयन (जैसे, "प्रतिक्रिया-आधारित" बनाम "परिवर्तनशील") के बजाय उनके अनुकूलन संरचना (जैसे, "सटीक गुणक" बनाम "दंड") द्वारा वर्गीकृत करता है।
• विफलता मोड का निदान: विश्लेषण प्रकट करता है कि संख्यात्मक अस्थिरताएं (दोलन, अभिसरण की कमी) केवल एल्गोरिदम-विशिष्ट बग नहीं हैं, बल्कि अंतर्निहित परिवर्तनशील संरचना (जैसे, प्रतिक्रिया ऑपरेटर के स्पेक्ट्रल गुण या $T_s$ की गैर-सुचारूता) के स्वाभाविक परिणाम हैं।

5. महत्व (Significance)

• वैचारिक स्पष्टता: यह कार्य क्षेत्र को हेयुरिस्टिक एल्गोरिदम के संग्रह से हटाकर उत्तल विश्लेषण और बाधा अनुकूलन पर आधारित एक सुसंगत गणितीय सिद्धांत की ओर ले जाता है।
• एल्गोरिदम विकास: "ऑल-एट-वन्स" और "व्यवहार्यता" वर्गों की पहचान करके, यह शोध पत्र ऐसे नए इनवर्जन एल्गोरिदम विकसित करने के नए मार्ग खोलता जो कमज़ोर धारणाओं पर निर्भर नहीं हैं।
• अंतःविषय सेतु: यह इनवर्स KS समस्या को DFT, उत्तल विश्लेषण, गैर-सुचारू अनुकूलन और PDE-नियंत्रित नियंत्रण के चौराहे पर एक संरचित मॉडल समस्या के रूप में स्थापित करता है।
• बेंचमार्किंग: एकीकृत दृष्टिकोण मौजूदा विधियों की तुलना करने और उनकी सीमाओं का निदान करने के लिए एक स्पष्ट भाषा प्रदान करता है, जो मशीन लर्निंग क्षमता (potentials) को बेहतर बनाने और अनुमानित फलनों (functionals) में सुधार के लिए महत्वपूर्ण है।

संक्षेप में, नान सेंग का शोध पत्र इनवर्स KS सिद्धांत का एक मौलिक पुनर्गठन प्रदान करता है, यह प्रदर्शित करते हुए कि सभी प्रमुख इनवर्जन रणनीतियाँ एक ही बाधित-खोज परिवर्तनशील समस्या के विभिन्न रूप हैं, जो केवल सटीक बाधाओं और संख्यात्मक नियमितीकरण के बीच संतुलन के तरीके से भिन्न होती हैं।