🔢 mathematics

Neural Prime Sieves: Density-Driven Generalization and Empirical Evidence for Hardy-Littlewood Asymptotics

यह शोध पत्र प्राइमफैमिलीनेट (PrimeFamilyNet) को प्रस्तुत करता है, जो एक घनत्व-चालित न्यूरल नेटवर्क है जो विशेष अभाज्य परिवारों को संभाव्य रूप से फ़िल्टर करने के लिए नौ परिमाणों (orders of magnitude) तक सफलतापूर्वक सामान्यीकरण करता है, $10^{16}$ पर पृथक अभाज्य संख्याओं के लिए लगभग पूर्ण रिकॉल प्राप्त करता है और स्पष्ट घनत्व पर्यवेक्षण के बिना हार्डी-लिटलवुड एसिम्प्टोटिक्स (Hardy-Littlewood asymptotics) को अनुभवजन्य रूप से मान्य करता है।

मूल लेखक: Manik Kakkar

प्रकाशित 2026-04-06

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Manik Kakkar

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 एक जासूस हैं जो एक विशाल, लगातार बढ़ती भीड़ में विशिष्ट प्रकार के लोगों को खोजने की कोशिश कर रहे हैं। यह भीड़ अभाज्य संख्याओं (Prime Numbers) से बनी है (जैसे 2, 3, 5, 7, 11, जिन्हें केवल 1 और स्वयं से ही विभाजित किया जा सकता है)।

सदियों से, गणितज्ञों ने जाना है कि इन संख्याओं के कुछ "परिवार" विशेष संबंध रखते हैं। उदाहरण के लिए:

जुड़वां अभाज्य (Twin Primes): जोड़ीदार जो पड़ोसी हैं, जैसे 11 और 13।
विलगित अभाज्य (Isolated Primes): वे संख्याएँ जो बिल्कुल अकेली हैं, आस-पास उनके कोई अभाज्य पड़ोसी नहीं हैं।
सोफी जर्मेन अभाज्य (Sophie Germain Primes): ऐसी संख्याएँ, जिन्हें दोगुना करने और एक जोड़ने पर एक और अभाज्य संख्या प्राप्त होती है।

बड़ी समस्या यह है कि जैसे-जैसे संख्याएँ बहुत बड़ी (खरबों और पद्मों में) होती जाती हैं, ये परिवार अलग तरह से व्यवहार करते हैं। कुछ बहुत दुर्लभ हो जाते हैं, जबकि अन्य "सामान्य" बहुमत बन जाते हैं।

चुनौती: "नो-फ्यूचर" (भविष्य-रहित) नियम

आमतौर पर, यह अनुमान लगाने के लिए कि कोई संख्या किस परिवार से संबंधित है, आपको उसके पड़ोसियों को देखने की आवश्यकता होती है। लेकिन इस प्रयोग में, शोधकर्ताओं ने अपने AI को एक सख्त नियम दिया: "आप केवल पीछे देख सकते हैं। आपको आगे देखने से वर्जित है।"

कल्पना कीजिए कि आप अनुमान लगाने की कोशिश कर रहे हैं कि आपका अगला पड़ोसी कौन है, लेकिन आपको केवल अपने पीछे रहने वाले लोगों और सड़क के इतिहास को देखने की अनुमति है। आप बाड़ के ऊपर से झाँककर यह नहीं देख सकते कि वास्तव में आपके बगल में कौन खड़ा है।

समाधान: "न्यूरल सीव" (Neural Sieve)

शोधकर्ताओं ने एक अत्यंत बुद्धिमान AI बनाया (जिसे PrimeFamilyNet कहा गया) और इसे 2,00,000 अभाज्य संख्याएँ खिलाईं। उन्होंने इसे निम्नलिखित चीजें देखने के लिए प्रशिक्षित किया:

"बैकवर्ड गैप" (पिछला अंतर): पिछला अभाज्य नंबर कितनी दूर था।
"मॉड्यूलर रेसिड्यू" (Modular Residue): यह कहने का एक शानदार तरीका है कि, "यदि मैं इस संख्या को 30 जैसी छोटी संख्याओं से विभाजित करूँ, तो शेषफल क्या होगा?"

सोचिए कि "शेषफल" एक फिंगरप्रिंट (उंगलियों के निशान) की तरह है। जिस तरह एक फिंगरप्रिंट बिना चेहरा देखे किसी व्यक्ति की पहचान बताता है, उसी तरह शेषफल AI को संख्या की "पारिवारिक संरचना" के बारे में बताता है।

जादुई परिणाम: "विलगित" का आश्चर्य

AI को एक अरब ( $10^9$ ) तक की संख्याओं पर प्रशिक्षित किया गया। फिर, शोधकर्ताओं ने इसका परीक्षण नौ गुना बड़े नंबरों (अपार $10^{16}$ —एक ऐसी संख्या जिसमें 16 शून्य हैं) पर किया।

यहाँ चौंकाने वाला हिस्सा है:

अधिकांश परिवारों के लिए (जैसे Twins): जैसे-जैसे संख्याएँ बढ़ीं, AI खराब होता गया। यह समझ में आता है क्योंकि जैसे-जैसे संख्याएँ बढ़ती हैं, "जुड़वां अभाज्य" दुर्लभ होते जाते हैं। AI ने इस गिरावट की सही भविष्यवाणी की।
"विलगित अभाज्य" (Isolated Primes) के लिए: जैसे-जैसे संख्याएँ बढ़ीं, AI बेहतर होता गया। इसकी सटीकता 81% से बढ़कर 98% हो गई।

क्यों?
"लाल गेंद ढूँढने" के खेल की तरह सोचें।

एक छोटे कमरे में (छोटी संख्याएँ), बहुत सारी लाल गेंदें (Twins) और बहुत सारी नीली गेंदें (Isolated) होती हैं। नीली गेंदों को पहचानना कठिन होता है क्योंकि लाल गेंदें हर जगह मौजूद होती हैं।
एक विशाल स्टेडियम में (विशाल संख्याएँ), लाल गेंदें लगभग गायब हो जाती हैं। अब नीली गेंदें भारी बहुमत में हैं।
क्योंकि AI ने केवल कमरे का आकार याद नहीं किया, बल्कि खेल के नियमों (गणितीय फिंगरप्रिंट) को सीखा, उसने महसूस किया: "आह, इस विशाल स्टेडियम में, लगभग हर कोई नीला है। मैं नीले वालों को अविश्वसनीय सटीकता के साथ पहचान सकता हूँ क्योंकि लाल वाले इतने दुर्लभ हैं।"

AI ने केवल अनुमान नहीं लगाया; इसने उस गणितीय नियम को सीखा जो कहता है कि "जैसे-जैसे संख्याएँ बढ़ती हैं, विलगित अभाज्य सामान्य बन जाते हैं।" इसने यह बिना बताए समझ लिया कि "बड़े स्टेडियम में लगभग हर कोई नीला है। मैं नीले वालों को अविश्वसनीय सटीकता के साथ पहचान सकता हूँ क्योंकि लाल वाले इतने दुर्लभ हैं।" इसने अतीत को देखकर भविष्य का अनुमान लगाया।

"टाइम ट्रैवल" टेस्ट

यह साबित करने के लिए कि AI धोखाधड़ी नहीं कर रहा था, शोधकर्ताओं ने एक "चीटर" (धोखेबाज) संस्करण बनाया जिसे आगे देखने (अगले पड़ोसी को देखने) की अनुमति थी।

चीटर (Cheater): Twins के लिए 100% सटीकता प्राप्त की क्योंकि इसने बस पड़ोसी को देख लिया।
ईमानदार AI (Honest AI): विलगित अभाज्य के लिए बिना आगे देखे 98% सटीकता प्राप्त की।

यह साबित करता है कि AI ने संख्याओं की गहरी संरचना को सीखा, न कि केवल एक शॉर्टकट।

"लॉस फंक्शन" सबक (प्रशिक्षण कोच)

शोधकर्ताओं ने AI को "कोच" करने के विभिन्न तरीके (सीखने के विभिन्न गणितीय सूत्र) भी आजमाए।

एक कोच (जिसे Focal Loss कहा गया) बहुत कठोर था। इसने AI को दुर्लभ और कठिन मामलों को अनदेखा करने के लिए कहा। परिणाम? AI पूरी तरह से दुर्लभ परिवारों को खोजना भूल गया।
दूसरा कोच (Asymmetric Loss) शुरू में बहुत अच्छा था लेकिन जब संख्याएँ बहुत बड़ी हुईं तो विफल हो गया।
सबसे अच्छा कोच (Weighted BCE) स्थिर था। इसने AI को दुर्लभ मामलों के प्रति सावधान रहना सिखाया, जिससे यह विशाल, अनदेखी संख्याओं पर भी सटीक परिणाम दे सका।

मुख्य निष्कर्ष

यह शोध पत्र एक ऐसे छात्र को खोजने जैसा है जिसने केवल 1900 तक के इतिहास का अध्ययन किया है, लेकिन जब उससे 2050 के बारे में पूछा गया, तो उसने एक विशिष्ट तकनीक के उदय की सही भविष्यवाणी की क्योंकि वह 1900 के तथ्यों के बजाय अंतर्निहित रुझानों को समझता था।

AI ने सीखा कि अभाज्य संख्याएँ एक छिपे हुए, लयबद्ध पैटर्न (Hardy-Littlewood conjecture) का पालन करती हैं। भले ही वह भविष्य के प्रति अंधा था, फिर भी उसने अतीत का उपयोग करके आश्चर्यजनक सटीकता के साथ भविष्य की भविष्यवाणी की। यह एक शक्तिशाली अनुस्मारक है कि कभी-कभी, आगे देखने का सबसे अच्छा तरीका पीछे देखना होता है।

यहाँ माणिक कक्कड़ के शोध पत्र "Neural Prime Sieves: Density-Driven Generalisation and Empirical Evidence for Hardy–Littlewood Asymptotics" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र कम्प्यूटेशनल नंबर थ्योरी (संख्या सिद्धांत) की एक मौलिक चुनौती को संबोधित करता है: ज्ञात अभाज्य संख्याओं (primes) के प्रवाह से विशिष्ट अभाज्य परिवारों (जैसे कि ट्विन, सोफी जर्मेन, सेफ, चेन, आइसोलेटेड प्राइम्स) की पहचान करना।

शास्त्रीय विधियों की सीमा: शास्त्रीय छलनी (sieves) भाज्य संख्याओं (composites) को हटा देती हैं लेकिन सह-अभाज्य (coprime) उम्मीदवारों को संभाव्य भार (probabilistic weights) प्रदान नहीं करती हैं।
पूर्ववर्ती ML की सीमा: अभाज्यता या अभाज्य सदस्यता की भविष्यवाणी करने के पिछले मशीन लर्निंग प्रयास विफल रहे हैं क्योंकि अभाज्य संकेतक अनुक्रम (prime indicator sequence) एल्गोरिद्मिक रूप से यादृच्छिक (Kolmogorov complexity) होता है। कच्चे पूर्णांकों (raw integers) पर प्रशिक्षित मॉडल लगभग शून्य ट्रू पॉजिटिव दर प्राप्त करते हैं।
मुख्य प्रश्न: क्या एक डीप न्यूरल नेटवर्क, जो एक सीमित सीमा ( $10^7$ से $10^9$ ) के भीतर केवल कारण संबंधी विशेषताओं (causal features) (अगले अभाज्य से पहले उपलब्ध जानकारी) पर प्रशिक्षित है, एक संभाव्य फिल्टर के रूप में सामान्यीकरण (generalize) कर सकता है और बिना किसी स्पष्ट घनत्व पर्यवेक्षण (density supervision) के हार्डी-लिटिलवुड एसिम्प्टोटिक्स (Hardy–Littlewood asymptotics) के घनत्व रुझानों को अंतर्निहित रूप से पकड़ सकता है?

2. कार्यप्रणाली (Methodology)

2.1 डेटा और फीचर इंजीनियरिंग

मॉडल, PRIMEFAMILYNET, को $[10^7, 10^9]$ की सीमा से 200,000 लेबल किए गए अभाज्य संख्याओं पर प्रशिक्षित किया गया था।

पूर्णतः कारण संबंधी विशेषताएँ (Strictly Causal Features): $x(p)$ के लिए इनपुट वेक्टर केवल अभाज्य अनुक्रम के इतिहास (पूर्ववर्ती और मॉड्यूलर अवशेषों) पर निर्भर करता है, कभी भी अगले अंतराल ( $g_+ = p_+ - p$ ) पर नहीं। यह डेटा लीकेज को रोकता है।
विशेषता वेक्टर (25 आयाम):
- प्रिमोरियल अवशेष (Primorial Residues): 6, 30, 210, और 2310 के मॉड्यूलर अवशेष। ये नियतात्मक छलनी बाधाओं (deterministic sieve constraints) को एनकोड करते हैं (जैसे, $p \pmod{30}$ यह निर्धारित करता है कि $p+2$ के संभावित मान क्या होंगे)।
- लघु अभाज्य अवशेष (Small Prime Residues): पहली 12 अभाज्य संख्याओं के मॉड्यूलर अवशेष।
- पिछला अंतराल (Backward Gap): पिछले अभाज्य तक का अंतराल ( $g_-$ ), जिसे नॉर्मलाइज़ किया गया है।
- स्केल और अंक विशेषताएँ (Scale & Digit Features): लॉगरिदमिक स्केल, बिट-लेंथ, और दशमलव अंक गुण।
लक्ष्य परिवार (Target Families): सात परिवारों की एक साथ भविष्यवाणी की गई: ट्विन (Twin), कज़िन (Cousin), सेक्सी (Sexy), सोफी जर्मेन (Sophie Germain), सेफ (Safe), चेन (Chen), और आइसोलेटेड (Isolated) अभाज्य।

2.2 मॉडल आर्किटेक्चर

आर्किटेक्चर: 1.25 मिलियन पैरामीटर्स के साथ एक मल्टी-हेड रेसिड्यूअल MLP।
संरचना:
1. 512 आयामों में इनपुट प्रोजेक्शन (LayerNorm + GELU)।
2. दो स्टैक्ड रेसिड्यूअल ब्लॉक्स।
3. एक साझा 128-आयामी एम्बेडिंग की ओर संकीर्ण प्रोजेक्शन।
4. सात स्वतंत्र सिग्मॉइड हेड्स (sigmoid heads), प्रत्येक के लिए एक अभाज्य परिवार, जो एक संभाव्यता $[0, 1]$ आउटपुट देता है।
प्रशिक्षण प्रोटोकॉल: Cosine Annealing के साथ AdamW द्वारा अनुकूलित। मजबूती के लिए तीन रैंडम सीड्स का उपयोग किया गया।
लॉस फंक्शन्स (Loss Functions): एक व्यवस्थित तुलना की गई:
- फ्रीक्वेंसी-वेटेड बाइनरी क्रॉस-एन्ट्रॉपी (wBCE)।
- फोकल लॉस (Focal Loss)।
- एसिमेट्रिक लॉस (ASL)।

2.3 मूल्यांकन रणनीति (Evaluation Strategy)

आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) परीक्षण: मॉडल का मूल्यांकन $10^{10}, 10^{12}, 10^{14},$ और $10^{16}$ के स्केल्स पर किया गया, जो इसके प्रशिक्षण रेंज से नौ गुना अधिक है।
नियंत्रण मॉडल (Control Models):
- नॉन-कॉज़ल अपर बाउंड: एक मॉडल जिसे फॉरवर्ड गैप ( $g_+$ ) दिया गया, जो अंतराल-परिभाषित परिवारों (जैसे, $g_+=2 \iff$ ट्विन) को आसानी से हल करता है। यह सैद्धांतिक अधिकतम प्रदर्शन स्थापित करता है।
- XGBoost बेसलाइन: डीप लर्निंग की तुलना ग्रेडिएंट-बूस्टेड ट्रीज़ से करने के लिए।

3. मुख्य योगदान और निष्कर्ष (Key Contributions & Findings)

3.1 घनत्व-संचालित सामान्यीकरण (The "Isolated Prime" Phenomenon)

सबसे महत्वपूर्ण निष्कर्ष यह है कि आइसोलेटेड प्राइम रिकॉल (Recall) स्केल के साथ निरंतर बढ़ा, जो $5 \times 10^8$ पर 0.809 से बढ़कर $10^{16}$ पर 0.984 हो गया।

महत्व: सात में से केवल यही एक परिवार है जिसका प्रदर्शन स्केल बढ़ने के साथ सुधरा।
तंत्र (Mechanism): जैसे-जैसे $N \to \infty$ , ट्विन प्राइम्स का घनत्व $1/(\log N)^2$ के रूप में घटता है, जबकि आइसोलेटेड प्राइम्स का घनत्व कुल संख्या के सापेक्ष बढ़ता है। मॉडल ने, जो केवल कारण संबंधी मॉड्यूलर अवशेषों पर प्रशिक्षित था, सीखा कि आइसोलेटेड प्राइम का "सिग्नेचर" अधिक स्पष्ट और अलग करना आसान हो जाता है क्योंकि ट्विन प्राइम्स दुर्लभ होते जाते हैं।
सीखने का प्रमाण: चूंकि रिकॉल एक क्लास-विशिष्ट अनुपात (class prevalence के प्रति अपरिवर्तनीय) है, इसलिए यह सुधार क्लास की व्यापकता (prevalence) के कारण नहीं हो सकता। यह सिद्ध करता है कि मॉडल ने बिना किसी स्पष्ट फॉर्मूला के, हार्डी-लिटिलवुड एसिम्प्टोटिक रुझानों को अंतर्निहित रूप से सीख लिया है।

3.2 कार्य-कारणता की लागत (The Cost of Causality)

चेन प्राइम्स (Chen primes) के लिए (जहाँ $p+2$ अभाज्य या सेमीप्राइम है), कॉज़ल मॉडल ने नॉन-कॉज़ल मॉडल से बेहतर प्रदर्शन किया, और यह हर स्केल पर हुआ।
कारण: फॉरवर्ड गैप $g_+$ केवल यह बताता है कि $p+2$ अभाज्य है या नहीं। यह सेमीप्राइम मामले के बारे में कोई जानकारी नहीं देता। कॉज़ल मॉडल ने, मॉड्यूलर अवशेषों का उपयोग करके, दोनों (प्राइम और सेमीप्राइम) मामलों के लिए मॉड्यूलर बाधाओं को सफलतापूर्वक पकड़ा, जिससे पता चलता है कि मॉड्यूलर अंकगणित की विशेषताएँ कच्चे गैप सांख्यिकी की तुलना में अधिक सूचनात्मक हैं।
कॉज़ल मॉडल ने आइसोलेटेड प्राइम्स के लिए लगभग पूर्ण रिकॉल ( $10^{16}$ पर $0.984$) प्राप्त किया, जबकि उसने कभी भी फॉरवर्ड गैप नहीं देखा, जो यह सिद्ध करता है कि बैकवर्ड-लुकिंग मॉड्यूलर फीचर्स पर्याप्त हैं।

3.3 लॉस फंक्शन संवेदनशीलता (Loss Function Sensitivity)

फोकल लॉस (Focal Loss): स्पार्स अल्जेब्रिक परिवारों (सोफी जर्मेन और सेफ प्राइम्स) के लिए बुरी तरह विफल रहा, जिससे सभी स्केल्स पर रिकॉल 0.000 हो गया। इसने कठिन उदाहरणों के लिए ग्रेडिएंट को बहुत अधिक दबा दिया।
एसिमेट्रिक लॉस (ASL): इसने इन-डिस्ट्रीब्यूशन रिकॉल के लिए बेहतर प्रदर्शन किया, लेकिन आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) में तेजी से गिरावट आई। सोफी जर्मेन और सेफ प्राइम्स के लिए, ASL रिकॉल $10^{16}$ पर गिर गया, जबकि wBCE ने मजबूत प्रदर्शन बनाए रखा।
निष्कर्ष: इन-डिस्ट्रीब्यूशन रिकॉल, स्केल-जनरलाइजेशन कार्यों के लिए एक भ्रामक मानदंड है। वितरण बदलाव (distribution shift) वाले कार्यों के लिए फ्रीक्वेंसी-वेटेड BCE अधिक अनुशंसित है।

3.4 फीचर एब्लेशन (Feature Ablation)

प्रिमोरियल अवशेष (ग्रुप A) सबसे प्रमुख विशेषता थे। इन्हें हटाने से सोफी जर्मेन और सेफ प्राइम्स के लिए रिकॉल लगभग शून्य हो गया, जो पुष्टि करता है कि ये परिवार लगभग पूरी तरह से मॉड्यूलर बाधाओं द्वारा परिभाषित हैं, न कि गैप सांख्यिकी द्वारा।
बैकवर्ड गैप (ग्रुप C) आइसोलेटेड प्राइम्स की पहचान के लिए महत्वपूर्ण था।

4. महत्व और निहितार्थ (Significance and Implications)

संख्या सिद्धांत का अनुभवजन्य सत्यापन (Empirical Validation of Number Theory): यह शोध पत्र पहली बार मशीन-लर्निंग साक्ष्य प्रदान करता है कि एक डेटा-संचालित मॉडल हार्डी-लिटिलवुड k-tuple आसिम्प्टोटिक्स को अंतर्निहित रूप से सीख और एक्सट्रपलेट कर सकता है। मॉडल ने केवल अंकगणितीय विशेषताओं से आइसोलेटेड प्राइम्स के सही घनत्व पथ को पुनरुत्पादित किया।
अभाज्य भविष्यवाणी का पुनर्निर्धारण: यह दर्शाता है कि अभाज्य परिवारों (स्ट्रक्चर्ड मॉड्यूलर कंडीशंस) की भविष्यवाणी करना, अभाज्यता (एल्गोरिद्मिक रैंडमनेस) की भविष्यवाणी करने से मौलिक रूप से भिन्न है। पूर्ववर्ती वाला सीखा जा सकने योग्य और सामान्यीकरण योग्य है; बाद वाला नहीं।
संभाव्य छलनी (Probabilistic Sieving): मॉडल एक "न्यूरल छलनी" के रूप में कार्य करता है, जो उच्च रिकॉल बनाए रखते हुए वैलिडेशन स्केल्स पर खोज स्थान (search space) को 62–88% तक कम कर देता है, जिससे बड़े पैमाने पर अभाज्य खोजों में एक नया उपकरण मिलता है।
दुर्लभ-वर्ग शिक्षण के लिए मार्गदर्शन: यह अध्ययन रेखांकित करता है कि शिफ्टिंग क्लास डेंसिटी (जैसे अभाज्य परिवारों के लिए स्केल पर) वाले कार्यों के लिए, फोकल लॉस या ASL जैसे मानक लॉस फंक्शन नाजुक मॉडल बना सकते हैं। फ्रीक्वेंसी-वेटेड BCE बेहतर मजबूती प्रदान करता है।

सारांश

शोध पत्र PRIMEFAMILYNET को प्रस्तुत करता है, जो एक डीप रेसिड्यूअल नेटवर्क है जो सफलतापूर्वक केवल कारण संबंधी, बैकवर्ड-लुकिंग अंकगणितीय विशेषताओं का उपयोग करके अभाज्य परिवारों को छानने (sieve) में सक्षम है। $10^9$ से $10^{16}$ तक सामान्यीकरण करने की इसकी क्षमता और ट्विन प्राइम्स के दुर्लभ होने पर आइसोलेटेड प्राइम्स के प्रदर्शन में सुधार, विश्लेषणात्मक संख्या सिद्धांत (analytic number theory) की भविष्यवाणियों के एक नवीन, स्वतंत्र पुष्टिकरण के रूप में कार्य करती है, जो डीप लर्निंग और शास्त्रीय छलनी सिद्धांत (classical sieve theory) के बीच के अंतर को पाटती है।