Sterile mosquito release via intelligent proportional controllers

यहाँ ISCS 2026 में प्रस्तुत शोध पत्र "इंटेलिजेंट प्रोपोर्शनल कंट्रोलर्स के माध्यम से स्टेरिल मॉस्किटो रिलीज़" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र मच्छर आबादी को नियंत्रित करने की चुनौती को संबोधित करता है ताकि वेक्टर-जनित रोगों (जैसे डेंगू, ज़िका, चिकनगुनिया) को कम किया जा सके। पारंपरिक नियंत्रण विधियाँ, जैसे कि कीटनाशक, पर्यावरणीय प्रदूषण, जैव विविधता की हानि और तीव्र कीटनाशक प्रतिरोध से ग्रस्त हैं। जबकि स्टेरिल इनसेक्ट तकनीक (SIT)—वन्य प्रजनन को दबाने के लिए बाँझ (sterilized) नर मच्छरों को छोड़ना—एक आशाजनक जैविक विकल्प है, इसके कार्यान्वयन में महत्वपूर्ण नियंत्रण-सैद्धांतिक बाधाएँ आती हैं:

• मॉडल जटिलता (Model Complexity): मौजूदा रणनीतियाँ साधारण अवकल समीकरणों (ODEs) की जटिल प्रणालियों पर निर्भर करती हैं जो पारिस्थितिक अनिश्चितताओं के कारण वास्तविक दुनिया के परिदृश्यों में सटीक रूप से पैरामीटराइज करना कठिन होता है।
• विच्छिन्न कार्यान्वयन (Discrete Implementation): व्यवहार में, बाँझ मच्छरों को निरंतर (continuously) नहीं छोड़ा जा सकता है; उन्हें विच्छिन्न स्पंदों (discrete pulses) में छोड़ा जाता है (जैसे, सप्ताह में दो बार)। अधिकांश नियंत्रण सिद्धांत निरंतर इनपुट मानते हैं, जिससे सैद्धांतिक मॉडल और परिचालन वास्तविकता के बीच एक अंतर पैदा होता है।
• नमूनाकरण और मजबूती (Sampling and Robustness): ऐसी मजबूत रणनीतियों का अभाव है जो मॉडल मिसमैच (खराब पैरामीटर ज्ञान) और इम्पल्सिव (विच्छिन्न) नियंत्रण की विशिष्ट बाधाओं को संभाल सकें, साथ ही महामारी को रोकने के लिए जनसंख्या को एक महत्वपूर्ण सीमा ($V_c$) से नीचे बनाए रख सकें।

2. कार्यप्रणाली (Methodology)

लेखक एक मॉडल-फ्री कंट्रोल (MFC) दृष्टिकोण प्रस्तावित करते हैं, जो मच्छर पारिस्थितिकी तंत्र के सटीक वैश्विक गणितीय मॉडल की आवश्यकता को समाप्त करता है। कार्यप्रणाली में तीन मुख्य घटक शामिल हैं:

A. अल्ट्रा-लोकल मॉडलिंग (Ultra-Local Modeling)

संपूर्ण पारिस्थितिकी तंत्र के लिए जटिल ODEs व्युत्पन्न करने के बजाय, सिस्टम को एक अल्ट्रा-लोकल मॉडल द्वारा स्थानीय रूप से अनुमानित किया जाता है:
$$y^{(\nu)} = F + \alpha u$$
जहाँ:

• $y$ आउटपुट है (वन्य मच्छर जनसंख्या)।
• $u$ नियंत्रण इनपुट है (बाँझ मच्छर रिलीज)।
• $F$ एक पद है जिसमें सभी अज्ञात गतिकी (dynamics), विक्षोभ (disturbances) और गैर-रैखिकता (nonlinearities) समाहित हैं।
• $\alpha$ एक स्केलिंग स्थिरांक है।
• $\nu$ व्युत्पत्ति क्रम (derivation order) है (जिसे 1 पर सेट किया गया है)।

$F$ पूर्व निर्धारित रूप से ज्ञात नहीं है, लेकिन इसे एक छोटे समय अंतराल $\tau$ पर इनपुट और आउटपुट डेटा के इतिहास के आधार पर वास्तविक समय में ($F_{est}$) अनुमानित किया जाता है।

B. इंटेलिजेंट प्रोपोशनल (iP) कंट्रोलर

एक संदर्भ प्रक्षेपवक्र (reference trajectory $y^*$) को ट्रैक करने के लिए एक फीडबैक कंट्रोलर डिज़ाइन किया गया है जो जनसंख्या को महत्वपूर्ण सीमा $V_c$ से नीचे ले जाता है। कंट्रोल लॉ निम्नलिखित है:
$$u = \frac{-F_{est} - \dot{y}^* + K_p e}{\alpha}$$
जहाँ $e = y - y^*$ ट्रैकिंग त्रुटि है और $K_p$ एक प्रोपोशनल गेन है। यह संरचना अज्ञात गतिकी ($F$) को रद्द करने और त्रुटि को शून्य करने की अनुमति देती है।

C. विच्छिन्न/इम्पल्सिव कंट्रोल अनुकूलन (Discrete/Impulsive Control Adaptation)

निरंतर सिद्धांत और विच्छिन्न अभ्यास के बीच के अंतर को पाटने के लिए, लेखक निरंतर नियंत्रण सिग्नल $V(t)$ को स्पंदों (pulses) के एक अनुक्रम में अनुकूलित करते हैं।

• नमूनाकरण (Sampling): रिलीज प्रत्येक $J$ दिनों में होती है (जैसे, $J=3$ या $J=6$)।
• आयाम गणना (Amplitude Calculation): स्पंद के आयाम $\delta_k$ की गणना वांछित निरंतर नियंत्रण और वास्तविक सिस्टम रिस्पॉन्स के बीच औसत अंतर को न्यूनतम करके की जाती है, जिसमें स्टेरिल मॉस्किटो कम्पार्टमेंट की ज्ञात गतिकी ($\dot{x}_4 = u - \delta_S x_4$) का उपयोग किया जाता है। यह सुनिश्चित करता है कि विच्छिन्न स्पंद प्रभावी रूप से निरंतर नियंत्रण क्रिया का अनुमान लगाते हैं।

3. प्रमुख योगदान (Key Contributions)

• SIT के लिए MFC का प्रथम अनुप्रयोग: यह अध्ययन मच्छर नियंत्रण के लिए पारिस्थितिकी और चिकित्सा के मिलन बिंदु पर मॉडल-फ्री कंट्रोल और अल्ट्रा-लोकल मॉडल को लागू करने वाला पहला अध्ययन है।
• इम्पल्सिव कंट्रोल को संभालना: यह पेपर निरंतर मॉडल-फ्री कंट्रोल लॉ को विच्छिन्न, इम्पल्सिव रिलीज रणनीतियों में बदलने के लिए एक नया ढांचा प्रदान करता है, जो उस "आवश्यक नमूनाकरण प्रश्न" को संबोधित करता है जिसे अक्सर सैद्धांतिक नियंत्रण में अनदेखा किया जाता है।
• अनिश्चितता के प्रति मजबूती: यह दृष्टिकोण बिना किसी सटीक पैरामीटर ज्ञान (जैसे, जन्म दर, मृत्यु दर, मैथिंग प्राथमिकताएं) के कार्य करने के लिए स्पष्ट रूप से डिज़ाइन किया गया है, जो वास्तविक समय के अनुमान पर निर्भर करता है।
• थ्रेशोल्ड-आधारित उद्देश्य: नियंत्रण रणनीति कुल उन्मूलन (eradication) के बजाय एक विशिष्ट जनसंख्या थ्रेशोल्ड ($V_c$) को लक्षित करती है जो बेसिक रिप्रोडक्शन नंबर ($R_0$) से प्राप्त होता है, जो अधिक संसाधन-कुशल और लॉजिस्टिक रूप से व्यवहार्य है।

4. परिणाम (Results)

लेखकों ने 4-कंपार्टमेंट मच्छर मॉडल (अंडे, जंगली नर, निषेचित मादाएं, बाँझ नर) का उपयोग करके व्यापक कंप्यूटर सिमुलेशन के माध्यम से रणनीति को मान्य किया।

• नॉमिनल केस ($J=3$ दिन): प्रत्येक 3 दिनों में स्पंदों के साथ, कंट्रोलर ने संदर्भ प्रक्षेपवक्र को पूरी तरह से ट्रैक किया। निरंतर कमांड का विच्छिन्न स्पंदों से पुनर्निर्माण अत्यधिक संतोषजनक था।
• विस्तारित नमूनाकरण ($J=6$ दिन): रिलीज के अंतराल को बढ़ाकर 6 दिन करने से कंट्रोल सैचुरेशन (अधिकतम रिलीज सीमा तक पहुँचना) के कारण मामूली गिरावट आई। हालांकि, सिस्टम ने उच्च ट्रैकिंग सटीकता बनाए रखी, जो लंबे नमूनाकरण अवधियों के प्रति लचीलेपन को प्रदर्शित करता है।
• डायनेमिक अनिश्चितता: जब बाँझ मच्छरों की मृत्यु दर ($\delta_S$) को 30% तक बदला गया (मॉडल मिसमैच का अनुकरण करते हुए), तो कंट्रोलर ने उत्कृष्ट प्रदर्शन बनाए रखा, हालांकि निरंतर सिग्नल का विच्छिन्न अनुमान मामूली विचलन दिखाया।
• पैरामेट्रिक अनिश्चितता (मोंटे कार्लो): सभी 8 मॉडल मापदंडों को उनके नॉमिनल मानों के 0.7 से 1.3 गुना के बीच यादृच्छिक भिन्नता के साथ 100 सिमुलेशन में:
  • 98% मामलों में ट्रैकिंग सफल रही।
  • केवल 2 मामलों में विफलता हुई जहाँ कंट्रोल सिग्नल लगातार संतृप्त (saturated) था, जो दर्शाता है कि विधि महत्वपूर्ण पैरामेट्रिक शोर के प्रति मजबूत है।

5. महत्व (Significance)

• व्यावहारिक व्यवहार्यता: जटिल, पैरामीटर-भारी मॉडलों से दूर हटकर, यह दृष्टिकोण एक ऐसी नियंत्रण रणनीति प्रदान करता है जिसे वास्तविक क्षेत्र की स्थितियों में लागू करना आसान है जहाँ डेटा शोर भरा और पैरामीटर अनिश्चित होते हैं।
• लागत और संसाधन दक्षता: रणनीति का लक्ष्य जनसंख्या को शून्य तक नहीं, बल्कि महामारी की दहलीज ($R_0 \leq 1$) से ठीक नीचे कम करना है। यह आवश्यक बाँझ मच्छरों की संख्या को कम करता है, जिससे उत्पादन लागत कम होती है और संसाधनों को अन्य क्षेत्रों (जैसे, "रोलिंग कारपेट" रणनीति) में आवंटित करने की अनुमति मिलती है।
• AI और कंट्रोल का अभिसरण: यह पेपर मॉडल-फ्री कंट्रोल को पारंपरिक विभेदक समीकरण-आधारित दृष्टिकोणों और जटिल प्रणालियों के लिए डीप लर्निंग के एक बेहतर विकल्प के रूप में स्थापित करता है, जो न्यूरल नेटवर्क की "ब्लैक बॉक्स" प्रकृति के बिना गैर-रैखिकता और विक्षोभ को संभालने की इसकी क्षमता का हवाला देता है।
• भविष्य का दृष्टिकोण: लेखक सुझाव देते हैं कि जबकि सेंसर की सीमाएं मौजूद हैं, इस पद्धति की मजबूती SIT हस्तक्षेपों के टेक्नोलॉजी रेडीनेस लेवल (TRL) को महत्वपूर्ण रूप से सुधार सकती है, जिससे वैश्विक सार्वजनिक स्वास्थ्य तैनाती के लिए ये अधिक व्यवहार्य हो सकते हैं।