⚡ electrical engineering

A Continuous-Time and State-Space Relaxation of the Linear Threshold Model with Nonlinear Opinion Dynamics

यह शोध पत्र निरंतर-समय और अवस्था-स्थान (state-space) सीमाओं को दूर करने के लिए 'नॉनलीन ओपिनियन डायनेमिक्स' का उपयोग करके 'लीनियर थ्रेशोल्ड मॉडल' के एक निरंतर-समय और अवस्था-स्थान विश्रांति (relaxation) को प्रस्तुत करता है, जो यह सिद्ध करता है कि नया ढांचा डिस्क्रीट कैस्केड को सटीक रूप से पुनः प्राप्त कर सकता है और साथ ही सबथ्रेशोल्ड सिग्नलिंग और टेम्पोरली डिस्ट्रीब्यूटेड इनपुट्स के विश्लेषण को सक्षम बनाता है।

मूल लेखक: Ian Xul Belaustegui, Himani Sinhmar, Ling-Wei Kong, Andrew Michael Hein, Naomi Ehrich Leonard

प्रकाशित 2026-04-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ian Xul Belaustegui, Himani Sinhmar, Ling-Wei Kong, Andrew Michael Hein, Naomi Ehrich Leonard

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 यह समझने की कोशिश कर रहे हैं कि एक शहर में अफवाह कैसे फैलती है, या कैसे एक भीड़ अचानक किसी कथित खतरे को देखकर भागने का निर्णय लेती है। वैज्ञानिकों ने इन चीजों का अध्ययन करने के लिए लंबे समय से लिनियर थ्रेशोल्ड मॉडल (LTM) नामक एक उपकरण का उपयोग किया है।

LTM को एक लाइट स्विच की तरह समझें।

नियम: शहर के हर व्यक्ति के पास एक "स्विच" (एक थ्रेशोल्ड या सीमा) होता है। यदि उनके पर्याप्त पड़ोसी पहले से ही "ऑन" (अफवाह के बारे में बात कर रहे) हैं, तो स्विच पलट जाता है।
समस्या: इस पुराने मॉडल में, लोग या तो पूरी तरह से सो रहे होते हैं (0) या पूरी तरह से जाग रहे होते हैं (1)। इसमें कोई "सुस्ती" या "आधी नींद" वाली अवस्था नहीं होती। साथ ही, स्विच एक विशिष्ट, सटीक क्षण पर ही पलटता है। यदि आप थ्रेशोल्ड से थोड़ा सा भी नीचे फुसफुसाते हैं, तो कुछ नहीं होता। यदि आप बस थोड़ा सा ऊपर जाते हैं, तो पूरा शहर तुरंत जाग जाता है। यह वास्तविक मनुष्यों (और जानवरों) के निर्णय लेने के अनिश्चित, धीमे और सूक्ष्म तरीके को पकड़ने के लिए बहुत कठोर है।

नया विचार: "डिमर स्विच" (Dimmer Switch)

इस शोध पत्र के लेखक कहते हैं, "आइए उस भारी-भरकम लाइट स्विच को एक डिमर स्विच से बदल दें।"

वे एक नया मॉडल पेश करते हैं जिसे नॉनलीनियर ओपिनियन डायनेमिक्स (NOD) कहा जाता है। 'ऑन/ऑफ' अवस्थाओं के बजाय, लोगों के पास एक निरंतर "राय का स्तर" (opinion level) होता है जो 0 से 1 के बीच हो सकता है।

उपमा: कल्पना कीजिए कि किसी व्यक्ति की राय रेडियो के वॉल्यूम की तरह है।
- पुराने मॉडल में, वॉल्यूम या तो म्यूट (Muted) था या फुल (Maxed Out)।
- नए मॉडल में, वॉल्यूम को धीरे-धीरे बढ़ाया जा सकता है। एक व्यक्ति "फुसफुसा" (सबथ्रेसहोल्ड) भी सकता है या "चिल्ला" (एक्टिव) भी सकता है।

यह बेहतर क्यों है? (रचनात्मक रूपक)

1. "फुसफुसाने" का प्रभाव (Subthreshold Signaling)
पुराने मॉडल में, यदि आप ऐसी अफवाह फुसफुसाते हैं जो सुनने के लिए बहुत धीमी है, तो वह गायब हो जाती है। नए मॉडल में, भले ही कोई भी व्यक्ति थोड़ा सा भी बोलता है, तो भी वह कमरे के वॉल्यूम में बहुत मामूली सा योगदान देता है।

जादू: यदि शहर के सभी लोग एक ही समय में थोड़ा-थोड़ा फुसफुसाते हैं, भले ही कोई भी अकेला व्यक्ति इतना तेज न हो कि घबराहट पैदा कर सके, तो उन सबका संयुक्त वॉल्यूम अंततः पूरे समूह के लिए स्विच को पलटने के लिए पर्याप्त शोर पैदा कर सकता है।
वास्तविक दुनिया: यह समझाता है कि कैसे एक "गलत अलार्म" (false alarm) हो सकता है। शायद किसी भी पक्षी ने शिकारी को स्पष्ट रूप से नहीं देखा, लेकिन कुछ पक्षियों ने घबराहट में हलचल की। वे सूक्ष्म हलचलें (सबथ्रेसहोल्ड सिग्नल) झुंड के माध्यम से फैलीं, जिससे अंततः पूरा समूह उड़ गया, भले ही किसी ने भी खतरे को स्पष्ट रूप से नहीं देखा था।

2. संदेश की "लय" (समय का महत्व)
पुराना मॉडल समय को एक टिक-टिक करती घड़ी की तरह मानता है जहाँ हर कोई ठीक उसी सेकंड में अपने पड़ोसियों की जांच करता है।

नया दृष्टिकोण: नया मॉडल समय को एक सिम्फनी (Symphony) की तरह मानता है। यह मायने रखता है कि सुर कब बजाए जाते हैं।
प्रयोग: लेखकों ने दिखाया कि यदि सभी को एक ही समय में संदेश मिलता है, तो यह एक कैस्केड (एक बड़ी प्रतिक्रिया) का कारण बन सकता है। लेकिन यदि वे समान संदेश थोड़े अलग-अलग समय पर दिए जाते—जैसे कि एक ड्रमर द्वारा अलग-अलग समय पर स्नेयर ड्रम बजाना—तो प्रतिक्रिया समाप्त हो सकती है। इनपुट का समय परिणाम को बदल देता है, जिसे पुराना "लाइट स्विच" मॉडल नहीं देख सका।

वैज्ञानिक सेतु (Scientific Bridge)

लेखकों ने केवल पुराने मॉडल को फेंका नहीं है; उन्होंने एक सेतु बनाया है।

उन्होंने सिद्ध किया कि यदि आप "डिमर स्विच" को बिल्कुल सही तरीके से ट्यून करते हैं (विशिष्ट गणितीय मापदंडों को समायोजित करके), तो नया मॉडल बिल्कुल पुराने लाइट स्विच मॉडल की तरह व्यवहार करता है।
इसका अर्थ है कि वे नए, जटिल व्यवहार का अनुमान लगाने के लिए पुराने, सरल गणित का उपयोग कर सकते हैं, लेकिन वे उन चीजों का अध्ययन करने के लिए "जटिलता बढ़ा" भी सकते हैं जिन्हें पुराना मॉडल छोड़ गया था।

मुख्य निष्कर्ष

यह शोध पत्र एक ब्लैक-एंड-व्हाइट कार्टून से हाई-डेफिनिशन मूवी में अपग्रेड करने जैसा है।

पुराना तरीका: लोग या तो "ऑन" हैं या "ऑफ"। निर्णय तुरंत होते हैं।
नया तरीका: लोग अपनी "राय का स्तर" बढ़ा रहे हैं। छोटे, कमजोर संकेत बड़े बदलाव ला सकते हैं। संदेशों का समय मायने रखता है।

इस नए "डिमर स्विच" दृष्टिकोण का उपयोग करके, वैज्ञानिक अंततः यह अध्ययन कर सकते हैं कि कैसे एक नेटवर्क में छोटे, सूक्ष्म बदलाव व्यवहार में बड़े, अचानक बदलावों की ओर ले जा सकते—चाहे वह शेयर बाजार की गिरावट हो, कोई वायरल ट्रेंड हो, या खतरों से बचने के लिए भागते जानवरों का झुंड हो।

यहाँ शोध पत्र "A Continuous-Time and State-Space Relaxation of the Linear Threshold Model with Nonlinear Opinion Dynamics" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

लीनियर थ्रेशोल्ड मॉडल (LTM) सामूहिक व्यवहारों (complex contagions) के प्रसार के अध्ययन के लिए एक आधारभूत ढांचा है। हालाँकि, वास्तविक दुनिया के जैविक और इंजीनियर प्रणालियों पर लागू होने पर मानक LTM फॉर्मूलेशन दो महत्वपूर्ण सीमाओं से ग्रस्त हैं:

विच्छिन्न अवस्था और समय (Discrete State and Time): यह मॉडल बाइनरी अवस्थाओं (सक्रिय/निष्क्रिय) और विच्छिन्न टाइमस्टेप्स पर निर्भर करता है। यह अमूर्तता व्यक्तिगत निर्णय लेने की निरंतर प्रक्रियाओं को पकड़ने में विफल रहती है और यह विश्लेषण करने में भी अक्षम है कि आंतरिक संज्ञानात्मक गतिशीलता (cognitive dynamics) बाहरी उत्तेजनाओं के साथ समय के साथ कैसे परस्पर क्रिया करती है।
सबथ्रेशोल्ड सिग्नलिंग (Subthreshold Signaling) को मॉडल करने में असमर्थता: एक पूर्णतः निष्क्रिय प्रणाली में, LTM नोड्स तब तक सक्रिय अवस्था में नहीं बदल सकते जब तक कि पड़ोसियों का भारित योग (weighted sum) थ्रेशोल्ड से सख्ती से अधिक न हो जाए। यह "स्वत:स्फूर्त गलत अलार्म" (spontaneous false alarms) या कमजोर, सबथ्रेशोल्ड संकेतों के संचय से प्रेरित कैस्केड की संभावना को खारिज करता है, जो प्रकृति में अक्सर देखे जाते हैं।
कालिक गतिशीलता (Temporal Dynamics) का अभाव: मानक LTM यह पता लगाने में सक्षम नहीं है कि इनपुट्स का समय (timing) या वितरण (distribution) कैस्केड के उद्भव को कैसे प्रभावित करता है, क्योंकि यह समय को निरंतर प्रवाह के बजाय स्टेप्स के एक अनुक्रम के रूप में मानता है।

2. कार्यप्रणाली (Methodology)

लेखक नॉनलीनियर ओपिनियन डायनेमिक्स (NOD) ढांचे पर आधारित LTM का एक सतत-समय और स्टेट-स्पेस रिलैक्सेशन (Continuous-Time and State-Space Relaxation) प्रस्तावित करते हैं।

मॉडल फॉर्मूलेशन:
NOD मॉडल निम्नलिखित अवकल समीकरण (differential equation) का उपयोग करके निरंतर ओपिनियन स्टेट्स $z \in [0, 1]^n$ के विकास का वर्णन करता है:
$\dot{z} = -z + \text{sat}(\mu \odot z + k(z \odot z) + \gamma Az + b)$
जहाँ:
$z$ : निरंतर ओपिनियन वेक्टर।
$A$ : भारित एडजेसेंसी मैट्रिक्स (सामाजिक अंतःक्रियाएं)।
$\mu, k, \gamma$ : क्रमशः रैखिक स्व-सुदृढीकरण (linear self-reinforcement), गैर-रैखिक स्व-सुदृढीकरण (nonlinear self-reinforcement), और सामाजिक युग्मन (social coupling) के पैरामीटर।
$b$ : बाहरी इनपुट/बायस वेक्टर।
$\text{sat}(\cdot)$ : $[0, 1]$ में मैप करने वाला एक पीस-वाइज लीनियर सैचुरेशन फंक्शन।
LTM को NOD में मैप करना:
मुख्य कार्यप्रणाली में LTM के विच्छिन्न स्टेप-फंक्शन थ्रेशोल्ड को NOD मॉडल में निहित सुचारू सैडल-नोड बाइफरकेशन (saddle-node bifurcations) से बदलना शामिल है।
LTM सक्रियण स्थिति $(A\zeta)_i > \tau_i$ को NOD बाइफरकेशन थ्रेशोल्ड $b^*_i = \frac{(1-\mu_i)^2}{4k}$ में मैप किया गया है।
NOD पैरामीटर्स को इस प्रकार सेट करके कि $\tau_i = \frac{b^*_i}{\gamma}$ , लेखक एक सीधा संबंध बनाते हैं जहाँ विच्छिन्न थ्रेशोल्ड $\tau_i$ और निरंतर बाइफरकेशन बिंदु के बीच सीधा सामंजस्य होता है।
विश्लेषणात्मक दृष्टिकोण (Analytical Approach):
लेखक डायनेमिकल सिस्टम्स थ्योरी का उपयोग करते हैं, विशेष रूप से इनका विश्लेषण करते हैं:
इनवेरिएंट सेट्स (Invariant Sets): यह सिद्ध करना कि यूनिट हाइपरक्यूब इनवेरिएंट है और "पूर्णतः सक्रिय" अवस्था ( $z=1$ ) एक एसिम्प्टोटिकली स्टेबल इक्विलिब्रियम है।
बाइफरकेशन विश्लेषण (Bifurcation Analysis): उस टिपिंग पॉइंट का लक्षण वर्णन करना जहाँ एक एजेंट न्यूट्रल अवस्था से सक्रिय अवस्था में परिवर्तित होता है।
इंडक्टिव प्रूफ (Inductive Proofs): LTM के विच्छिन्न कैस्केड स्टेप्स को NOD के निरंतर प्रवाह से जोड़ने के लिए गणितीय आगमन (mathematical induction) का उपयोग करना।

3. मुख्य योगदान (Key Contributions)

यह शोध पत्र चार प्राथमिक सैद्धांतिक योगदान देता है:

औपचारिक रिलैक्सेशन प्रक्रिया: किसी भी दिए गए LTM इंस्टेंस से एक NOD इंस्टेंस बनाने की एक कठोर विधि, जो विच्छिन्न कैस्केड प्रक्रियाओं को निरंतर डायनेमिकल फ्लो से प्रभावी रूप से मैप करती है।
गारंटीकृत सक्रियण (Guaranteed Activation): यह प्रमाण कि किसी भी सीड सेट के लिए, यदि कोई नोड LTM में सक्रिय होता है, तो वह उपयुक्त पैरामीटर चयन के तहत NOD रिलैक्सेशन में सक्रिय होने की गारंटी रखता है।
एसिम्प्टोटिक इक्विवेलेंस (Asymptotic Equivalence): यह सिद्ध करना कि सोशल कपलिंग पैरामीटर ( $\gamma$ ) को पर्याप्त रूप से सीमित करके, निरंतर NOD डायनेमिक्स, LTM के विच्छिन्न कैस्केड सेट को सटीक रूप से पुनः प्राप्त (exactly recover) कर लेते हैं। यह एक गणना योग्य स्थिति स्थापित करता है जहाँ निरंतर मॉडल विच्छिन्न मॉडल के समान व्यवहार करता है।
विस्तारित विश्लेषणात्मक क्षमताएं: यह प्रदर्शन करना कि NOD ढांचा उन घटनाओं के अन्वेषण की अनुमति देता है जो LTM में असंभव हैं, विशेष रूप से:
- स्ट्रिक्टली सबथ्रेशोल्ड इनपुट्स (समय के साथ संचित होने वाले कमजोर संकेत) द्वारा संचालित कैस्केड।
- वितरित इनपुट्स में कालिक पृथक्करण (temporal separation) की महत्वपूर्ण भूमिका।

4. मुख्य परिणाम (Key Results)

थ्योरम 1 (Inclusion): किसी भी सीड सेट $I$ के लिए, LTM में सक्रिय नोड्स का सेट ( $C_{LTM}$ ), NOD में सक्रिय नोड्स ( $C_{NOD}$ ) का एक उपसमुच्चय (subset) है। यह पुष्टि करता है कि NOD एक वैध रिलैक्सेशन है।
थ्योरम 2 (Exact Recovery): एक थ्रेशोल्ड $\gamma^*$ मौजूद है कि सभी $\gamma < \gamma^*$ के लिए, $C_{NOD}(I) = C_{LTM}(I)$ । इसका अर्थ है कि निरंतर मॉडल को LTM के परिणामों की सटीक नकल करने के लिए ट्यून किया जा सकता है।
सबथ्रेशोल्ड कैस्केड्स: सिमुलेशन (Fig. 3) दर्शाते हैं कि जबकि LTM थ्रेशोल्ड से नीचे के इनपुट्स के साथ कैस्केड को ट्रिगर नहीं कर सकता, NOD ऐसा कर सकता है। यदि कमजोर इनपुट एक साथ या विशिष्ट टेम्पोरल डिले के साथ लागू किए जाते हैं, तो वे नेटवर्क के माध्यम से फीडबैक दे सकते हैं, जिससे सिस्टम टिपिंग पॉइंट को पार कर जाता है।
टेम्पोरल संवेदनशीलता (Temporal Sensitivity): पेपर दिखाता है कि NOD में इनपुट्स का समय महत्वपूर्ण है। यदि सबथ्रेशोल्ड इनपुट्स को यादृच्छिक रूप से विलंबित किया जाता है, तो यह कैस्केड को रोक सकता है, भले ही इनपुट की कुल ऊर्जा समान हो—एक सूक्ष्मता जो विच्छिन्न LTM में खो जाती है।
पैरामीटर संवेदनशीलता: पैरामीटर $k$ डायनेमिक्स की "स्विच-लाइक" प्रकृति को नियंत्रित करता है (उच्च $k$ = तीव्र संक्रमण), जबकि $\gamma$ सामाजिक जुड़ाव की शक्ति और सबथ्रेशोल्ड प्रभावों के परिमाण को नियंत्रित करता है।

5. महत्व (Significance)

यह कार्य विच्छिन्न कंटैजन मॉडल्स और निरंतर नेटवर्क डायनेमिक्स के बीच एक गणितीय रूप से कठोर सेतु (mathematically rigorous bridge) प्रदान करता है।

सैद्धांतिक प्रगति: यह निरंतर स्टेट-स्पेस में विच्छिन्न मॉडल्स को समाहित करके उनकी सीमाओं को हल करता है, जिससे नॉनलीन डायनेमिकल सिस्टम्स (जैसे बाइफरकेशन विश्लेषण, स्टेबिलिटी थ्योरी) के शक्तिशाली उपकरणों का अनुप्रयोग संभव होता है।
व्यावहारिक अनुप्रयोग: यह ढांचा जैविक प्रणालियों (जैसे पशु समूह पलायन प्रतिक्रियाओं) और इंजीनियर प्रणालियों (जैसे न्यूरल नेटवर्क, पावर ग्रिड) के मॉडलिंग के लिए अत्यधिक प्रासंगिक है जहाँ निर्णय लेना निरंतर होता है और सबथ्रेशोल्ड सिग्नलिंग आम है।
नए निष्कर्ष: यह प्रकट करता है कि "कमजोर" संकेत, जब वितरित और टेम्पोरल रूप से संरचित होते हैं, तो वैश्विक कैस्केड को ट्रिगर कर सकते हैं—एक ऐसी घटना जिसे विच्छिन्न मॉडल मौलिक रूप से मिस कर देते हैं। यह सुझाव देता है कि सामूहिक व्यवहार सूचना के टेम्पोरल स्ट्रक्चर के प्रति पहले की तुलना में अधिक संवेदनशील है।

निष्कर्षतः, लेखक सफलतापूर्वक प्रदर्शित करते हैं कि NOD ढांचा न केवल LTM का एक निष्ठावान रिलैक्सेशन है (विशिष्ट सीमाओं के तहत इसके परिणामों को पुनः प्राप्त करता है), बल्कि वास्तविक दुनिया के निरंतर और समय-निर्भर सामूहिक निर्णय लेने की समृद्ध प्रकृति का अन्वेषण करने के लिए एक बेहतर उपकरण भी है।