🤖 machine learning

SMT-AD: a scalable quantum-inspired anomaly detection approach

यह शोध पत्र SMT-AD को प्रस्तुत करता है, जो फूरियर-असिस्टेड फीचर एम्बेडिंग के साथ सुपरपोज्ड मैट्रिक्स प्रोडक्ट ऑपरेटर्स पर आधारित एक अत्यधिक समानांतर करने योग्य (highly parallelizable) क्वांटम-प्रेरित विसंगति पहचान विधि है, जो न्यूनतम कॉन्फ़िगरेशन के साथ मानक डेटासेट्स पर प्रतिस्पर्धी प्रदर्शन प्राप्त करती है और कुशल मॉडल संपीड़न एवं फीचर चयन की सुविधा प्रदान करती है।

मूल लेखक: Apimuk Sornsaeng, Si Min Chan, Wenxuan Zhang, Swee Liang Wong, Joshua Lim, Dario Poletti

प्रकाशित 2026-04-09

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Apimuk Sornsaeng, Si Min Chan, Wenxuan Zhang, Swee Liang Wong, Joshua Lim, Dario Poletti

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

यहाँ SMT-AD पेपर का सरल भाषा, रोज़मर्रा के उदाहरणों और रचनात्मक रूपकों (metaphors) का उपयोग करते हुए विवरण दिया गया है।

बड़ी तस्वीर: "सबसे अलग" को पहचानना

कल्पना कीजिए कि आप एक व्यस्त रेलवे स्टेशन पर सुरक्षा गार्ड हैं। आपका काम उस एक व्यक्ति को पहचानना है जो वहां फिट नहीं बैठता।

सामान्य लोग सूट पहने हुए हैं, ब्रीफकेस ले जा रहे हैं, और एक अनुमानित लय में चल रहे हैं।
विसंगतियां (Anomalies) (बुरे लोग) शायद जोकर की ड्रेस पहने हुए हों, पीछे की ओर दौड़ रहे हों, या एक विशाल हवा वाला बत्तख (inflatable duck) लेकर चल रहे हों।

समस्या यह है कि आपने पहले कभी "जोकर की ड्रेस" नहीं देखी है। आप केवल यह जानते हैं कि एक "सामान्य" व्यक्ति कैसा दिखता है। यही विसंगति पहचान (Anomaly Detection) की चुनौती है: कंप्यूटर को यह सिखाना कि सामान्य क्या है ताकि वह किसी भी विचलन (deviation) को तुरंत पकड़ सके।

नया समाधान: SMT-AD

लेखक एक नया टूल प्रस्तावित करते हैं जिसे SMT-AD (Superposition of Multiresolution Tensors for Anomaly Detection) कहा जाता है। यह एक "क्वांटम-प्रेरित" विधि है, लेकिन इसके डरावने नाम से घबराएं नहीं। इसे एक सुपर-पावर्ड, मल्टी-लेंस कैमरे के रूप में सोचें जो डेटा को एक बहुत ही विशिष्ट तरीके से देखता है।

यह कैसे काम करता है, यहाँ तीन सरल चरणों में दिया गया है:

1. "रैंकिंग" फ़िल्टर (Preprocessing)

कंप्यूटर द्वारा डेटा को देखने से पहले, यह उसे साफ़ करता है।

उदाहरण: कल्पना कीजिए कि आपके पास ऊंचाइयों की एक सूची है: 5 फीट, 6 फीट, 7 फीट, और 100 फीट (एक दैत्य)। यदि आप केवल नंबरों को देखते हैं, तो 100 फीट का दैत्य सब कुछ बिगाड़ देगा।
SMT-AD क्या करता है: कच्चे नंबरों को देखने के बजाय, यह उन्हें रैंक करता है। यह कहता है, "ठीक है, यह सबसे छोटा व्यक्ति है, यह दूसरा सबसे छोटा है..." यह हर किसी को 0 और 1 के बीच एक स्कोर में बदल देता है। यह सुनिश्चित करता है कि एक अजीब आउटलायर पूरे सिस्टम को खराब न कर दे।

2. "मल्टी-लेंस" दृश्य (Fourier Embedding)

यही असली जादू है। अधिकांश AI मॉडल डेटा को एक एकल "लेंस" के माध्यम से देखते हैं। SMT-AD इसे विभिन्न ज़ूम स्तरों के कई लेंसों के माध्यम से एक साथ देखता है।

उदाहरण: कल्पना कीजिए कि आप एक पेंटिंग देख रहे हैं।
- लेंस 1 (वाइड एंगल): आप बड़ी तस्वीर देखते हैं (पूरा जंगल)।
- लेंस 2 (ज़ूम इन): आप पेड़ों को देखते हैं।
- लेंस 3 (मैक्रो): आप पत्तियों और उनकी नसों को देखते हैं।
SMT-AD क्या करता है: यह हर डेटा के टुकड़े को विभिन्न "रेज़ोल्यूशन" या आवृत्तियों (frequencies) पर देखने के लिए एक गणितीय ट्रिक (Fourier modes) का उपयोग करता है। एक सामान्य क्रेडिट कार्ड लेनदेन "वाइड एंगल" पर सहज और अनुमानित लग सकता है, लेकिन जब आप ज़ूम इन करते हैं, तो एक विसंगति (anomaly) टेढ़ी-मेढ़ी और अजीब दिख सकती है। इन सभी कोणों को एक साथ देखकर, यह मॉडल उन सूक्ष्म सुरागों को पकड़ लेता है जिन्हें अन्य मॉडल छोड़ देते हैं।

3. "सुपरपोजिशन" टीम (The Model)

यहीं "क्वांटम" वाला हिस्सा आता है, लेकिन इसे विशेषज्ञों की एक टीम के रूप में सोचें।

उदाहरण: एक बड़े, महंगे जासूस को केस सुलझाने के लिए काम पर रखने के बजाय, SMT-AD 30 या 40 छोटे, विशिष्ट जासूसों की एक टीम काम पर लगाता है।
- प्रत्येक जासूस बहुत सरल है (वे केवल एक विशिष्ट कोण को देखते हैं)।
- वे सभी एक ही समय में काम करते हैं (पैरेलल प्रोसेसिंग)।
- वे अपना अंतिम निर्णय लेने के लिए अपनी राय को मिलाते हैं।
यह क्यों शानदार है: क्योंकि यह टीम सरल हिस्सों से बनी है, इसलिए पूरा सिस्टम अविश्वसनीय रूप से हल्का (lightweight) है। इसे चलाने के लिए सुपरकंप्यूटर की आवश्यकता नहीं है; यह एक लैपटॉप या कारखाने के फर्श पर लगे एक छोटे उपकरण (edge computing) पर भी चल सकता है।

यह निर्णय कैसे लेता है: "सामान्यता स्कोर" (Normality Score)

जब विशेषज्ञों की टीम डेटा के एक नए टुकड़े (जैसे क्रेडिट कार्ड लेनदेन) को देखती है, तो वे उसे एक सामान्यता स्कोर (Normality Score) देते हैं।

स्कोर 1.0 के करीब: "यह बिल्कुल वैसा ही दिखता है जैसा हमने पहले सामान्य लोगों को देखा था। उन्हें जाने दें।"
स्कोर 0.0 के करीब: "यह अजीब लग रहा है। यह पैटर्न में फिट नहीं बैठता। रुकें और जांच करें।"

यह पुराने तरीकों से बेहतर क्यों है?

पेपर इसकी तुलना तीन अन्य प्रसिद्ध तरीकों से करता है:

OC-SVM: एक कठोर बाड़ की तरह। यह सभी "सामान्य" लोगों के चारों ओर एक आदर्श घेरा बनाने की कोशिश करता है। यदि कोई थोड़ा भी बाहर कदम रखता है, तो यह उसे फ्लैग कर देता है। यह सटीक है लेकिन भारी और धीमा है।
Isolation Forest: "केक काटने" के खेल की तरह। यह डेटा को तब तक आधा-आधा काटता रहता है जब तक कि वह अजीब चीजों को अलग न कर दे। यह तेज़ है लेकिन कभी-कभी सूक्ष्म सुरागों को मिस कर देता है।
TNAD (पिछला Tensor Network तरीका): थोड़ा जटिल और स्केल करने में कठिन है।

SMT-AD जीतता है क्योंकि:

यह तेज़ और हल्का है: यह बहुत कम "पैरामीटर्स" (मेमोरी) का उपयोग करता है। यह एक भारी टैंक के बजाय एक चिकनी इलेक्ट्रिक स्कूटर चलाने जैसा है।
यह सटीक है: क्रेडिट कार्ड धोखाधड़ी पकड़ने जैसे मानक परीक्षणों पर, यह दिग्गजों के बराबर या उनसे बेहतर प्रदर्शन करता है।
यह व्याख्या योग्य (Explainable) है: यह सबसे अच्छी बात है। क्योंकि मॉडल विशेषज्ञों की एक टीम की तरह बना है, हम पूछ सकते हैं, "आपने इसे क्यों फ्लैग किया?"
- मॉडल विशिष्ट विशेषताओं की ओर इशारा कर सकता है (जैसे, "इस लेनदेन को इसलिए फ्लैग किया गया क्योंकि समय और स्थान मेल नहीं खाते थे, न कि इसलिए कि राशि अधिक थी")।
- यह आपको यह भी बता सकता है कि कौन सी विशेषताएं सबसे महत्वपूर्ण हैं, जिससे आप बेकार डेटा को हटाकर मॉडल को और भी छोटा और तेज़ बना सकते हैं।

निष्कर्ष

SMT-AD धोखाधड़ी, त्रुटियों या गड़बड़ियों को खोजने का एक नया, अत्यधिक कुशल तरीका है। यह निम्न कार्य करता है:

डेटा को साफ़ करता है।
इसे एक साथ कई "ज़ूम स्तरों" के माध्यम से देखता है।
विसंगतियों को पकड़ने के लिए सरल डिटेक्टरों की एक हल्की टीम का उपयोग करता है।

यह छोटे उपकरणों पर चलने के लिए पर्याप्त तेज़ है, धोखेबाजों को पकड़ने के लिए पर्याप्त स्मार्ट है, और यह समझाने के लिए पर्याप्त पारदर्शी है कि उसने उन्हें क्यों पकड़ा। यह डेटा से भरी दुनिया में सुरक्षा और निगरानी के भविष्य के लिए एक आदर्श उपकरण है।

यहाँ शोध पत्र "SMT-AD: a scalable quantum-inspired anomaly detection approach" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

विसंगति का पता लगाना (Anomaly detection) एक महत्वपूर्ण मशीन लर्निंग कार्य है जिसका उद्देश्य उन दुर्लभ या असामान्य नमूनों की पहचान करना है जो सामान्य डेटा के प्रमुख समूह से विचलित होते हैं। इसे अक्सर एक वन-क्लास लर्निंग (one-class learning) समस्या के रूप में फ्रेम किया जाता है, जहाँ मॉडल को विशेष रूप से सामान्य डेटा ( $N$ ) पर प्रशिक्षित किया जाता है और उन्हें सीखे गए "सामान्य" मैनिफोल्ड (manifold) से विचलन के रूप में विसंगतियों ( $A$ ) का पता लगाना होता है।

मौजूदा दृष्टिकोण कई चुनौतियों का सामना करते हैं:

शास्त्रीय विधियाँ (Classical Methods): वन-क्लास एसवीएम (OC-SVM) और आइसोलेशन फॉरेस्ट (IF) उच्च-आयामी डेटा या जटिल गैर-रेखीय सहसंबंधों (non-linear correlations) के साथ संघर्ष कर सकते हैं।
डीप लर्निंग (Deep Learning): ऑटोएनकोडर्स और GANs के लिए अक्सर महत्वपूर्ण कंप्यूटेशनल संसाधनों और बड़े डेटासेट की आवश्यकता होती है, और वे व्याख्या करने में कठिन हो सकते हैं।
टेंसर नेटवर्क (Tensor Networks): पिछले टेंसर-नेटवर्क-आधारित दृष्टिकोणों (जैसे, TNAD) ने आशाजनक परिणाम दिखाए हैं लेकिन वे अक्सर अनुक्रमिक अनुकूलन प्रक्रियाओं (sequential optimization procedures) पर निर्भर करते हैं जो स्केलेबिलिटी और समानांतरकरण (parallelization) को सीमित करते हैं।

लेखक एक ऐसा समाधान प्रस्तावित करते हैं जो कंप्यूटेशनल दक्षता (computational efficiency), स्केलेबिलिटी (scalability), व्याख्यात्मकता (interpretability) और टैबुलर डेटा पर प्रदर्शन (performance) के बीच संतुलन बनाता है।

2. कार्यप्रणाली: SMT-AD

लेखक SMT-AD (Superposition of Multiresolution Tensors for Anomaly Detection) पेश करते हैं, जो क्वांटम-प्रेरित टेंसर नेटवर्क पर आधारित एक फ्रेमवर्क है। यह वर्कफ़्लो तीन मुख्य चरणों से बना है:

A. प्रीप्रोसेसिंग और फीचर एम्बेडिंग (Preprocessing and Feature Embedding)

रैंक-आधारित सामान्यीकरण (Rank-based Normalization): कच्चे फीचर्स को रैंक ट्रांसफॉर्मेशन का उपयोग करके स्वतंत्र रूप से सामान्यीकृत किया जाता है ताकि मानों को $[0, 1]$ अंतराल पर मैप किया जा सके। यह आउटलेर्स के प्रभाव को कम करता है और मार्जिनल्स को यूनिफॉर्म डिस्ट्रीब्यूशन के रूप में मानकीकृत करता है।
फूरियर-सहायक मल्टीरेज़ोल्यूशन एम्बेडिंग (Fourier-Assisted Multiresolution Embedding): प्रत्येक सामान्यीकृत फीचर को एक मैट्रिक्स प्रोडक्ट स्टेट (MPS) का उपयोग करके उच्च-आयामी संरचित प्रतिनिधित्व में मैप किया जाता है।
- एक एकल एम्बेडिंग के बजाय, मॉडल फ्रीक्वेंसी मोड्स की एक पदानुक्रम (hierarchy) का उपयोग करता है ( $p = 1, \dots, P$ )।
- एक फीचर $l$ और मोड $p$ के लिए, इनपुट को क्यूबिट-जैसे स्टेट में मैप किया जाता है:
  $|\Psi^{(p)}_n\rangle = \bigotimes_{l=1}^L \begin{pmatrix} \cos(\omega_p \tilde{x}_{nl}) \\ \sin(\omega_p \tilde{x}_{nl}) \end{pmatrix}$
  जहाँ $\omega_p = \pi/2^p$ है।
- इन मोड्स को स्टैक करने से मॉडल डेटा में मोटे (coarse) और सूक्ष्म (fine-grained) दोनों प्रकार के परिवर्तनों को पकड़ने में सक्षम होता है।

B. सीखने योग्य ऑपरेटर (MPO सुपरपोजिशन)

मुख्य नवाचार वर्गीकरण ऑपरेटर है, जिसे बॉन्ड-डायमेंशन-1 मैट्रिक्स प्रोडक्ट ऑपरेटर्स (MPOs) के सुपरपोजिशन के रूप में बनाया गया है।

संरचना: मॉडल $P$ रेज़ोल्यूशन स्केल के माध्यम से $M$ मिश्रण घटकों (mixture components) का एक सुपरपोजिशन लागू करता है।
पैरामीटर्स: प्रत्येक घटक में सीखने योग्य कोणों $\theta_{l}^{mp}$ द्वारा परिभाषित साइट-वाइज $SO(2)$ रोटेशन शामिल हैं।
आउटपुट: इनपुट MPS को इन रैंक-1 MPOs के रैखिक संयोजन के माध्यम से एक आउटपुट MPS $|\Phi_n\rangle$ में बदल दिया जाता है।
स्केलेबिलिटी: सीखने योग्य पैरामीटर्स की संख्या फीचर्स की संख्या ( $L$ ), एम्बेडिंग रेज़ोल्यूशन की संख्या ( $P$ ), और सुपरपोज्ड कंपोनेंट्स की संख्या ( $M$ ) के साथ रैखिक रूप से (linearly) बढ़ती है। विशेष रूप से, पैरामीटर गणना $MP(L+1)$ है।

C. स्कोरिंग और ट्रेनिंग (Scoring and Training)

नॉर्मलिटी स्कोर (Normality Score): मॉडल एक निश्चित संदर्भ "सामान्य" स्टेट $|0\rangle^{\otimes L}$ और आउटपुट स्टेट $|\Phi_n\rangle$ के बीच स्क्वेयर्ड ओवरलैप के आधार पर एक स्कोर $a(x)$ प्रदान करता है:
$a(x) = |\langle 0\dots0 | \Phi_n \rangle|^2$
सामान्य नमल्स का स्कोर 1 के करीब होना चाहिए; विसंगतियाँ कम स्कोर देती हैं।
ट्रेनिंग ऑब्जेक्टिव: मॉडल को केवल सामान्य डेटा पर प्रशिक्षित किया जाता है, जिसमें नॉर्मलिटी स्कोर के नेगेटिव लॉग-लाइक्लीहुड (negative log-likelihood) को कम किया जाता है, जिसे पैरामीटर ब्लो-अप को रोकने के लिए टिखोनोव टर्म्स (Tikhonov terms) के साथ रेगुलराइज किया जाता है।

3. मुख्य योगदान (Key Contributions)

अत्यधिक समानांतर करने योग्य आर्किटेक्चर (Highly Parallelizable Architecture): पारंपरिक टेंसर नेटवर्क विधियों के विपरीत (जिन्हें लेफ्ट-टू-राइट अपडेट के लिए अनुक्रमिक स्वीप की आवश्यकता होती है), SMT-AD का सुपरपोजिशन स्ट्रक्चर बैचों और फ्रीक्वेंसी मोड्स के बीच वेक्टराइजेशन और समानांतरकरण (parallelization) की अनुमति देता है। यह इसे GPU एक्सेलरेशन और एज कंप्यूटिंग के लिए उपयुक्त बनाता है।
रैखिक पैरामीटर स्केलिंग (Linear Parameter Scaling): मॉडल प्रतिस्पर्धी प्रदर्शन के साथ उल्लेखनीय रूप से कम पैरामीटर्स प्राप्त करता है (उदाहरण के लिए, क्रेडिट कार्ड डेटासेट के लिए 620 पैरामीटर्स), जो फीचर साइज के साथ एक्सपोनेंशियल के बजाय रैखिक रूप से बढ़ता है।
क्वांटम मेट्रिक्स के माध्यम से व्याख्यात्मकता (Interpretability via Quantum Metrics): लेखक क्वांटम सूचना अवधारणाओं का उपयोग करके अपने मॉडल का विश्लेषण करने के लिए टेंसर नेटवर्क संरचना का लाभ उठाते हैं:
- एंटैंगलमेंट एंट्रॉपी (Entanglement Entropy): इसका उपयोग उन फीचर्स की पहचान करने के लिए किया जाता है जिनमें उच्च "नॉन-लोकल" सहसंबंध होते हैं। विसंगत नमूनों में उच्च एंट्रॉपी उन फीचर्स को उजागर करती है जो विसंगतियों को अलग करने के लिए महत्वपूर्ण हैं।
- म्युचुअल इंफॉर्मेशन (Mutual Information): इसका उपयोग फीचर-फीचर सहसंबंधों को विज़ुअलाइज़ करने के लिए किया जाता है, जो यह प्रकट करता है कि विसंगतियाँ केवल स्थानीयकृत विचलन के बजाय सहसंबंधों के सामूहिक पुनर्गठन (collective reorganization) द्वारा लक्षित होती हैं।
कैलिब्रेशन मैकेनिज्म (Calibration Mechanism): एम्बेडिंग रेज़ोल्यूशन ( $P$ ) एक कैलिब्रेशन पैरामीटर के रूप में कार्य करता है। मध्यम मान (जैसे, $P=2$ या $3 $) सामान्य और विसंगत स्कोर वितरणों के बीच सबसे अच्छा पृथक्करण प्रदान करते हैं, जिससे चरम$ P$ मानों में देखी जाने वाली अंडर-कॉन्फिडेंस या ओवर-कॉन्फिडेंस से बचा जा सकता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने पांच मानक टैबुलर डेटासेट्स: Wine, Lymphography, Thyroid, Satellite, और Credit Card पर OC-SVM, Isolation Forest (IF), और पिछले स्टेट-ऑफ-द-आर्ट TNAD के विरुद्ध SMT-AD का बेंचमार्किंग किया।

प्रदर्शन (Performance):
- SMT-AD ने सभी डेटासेट्स में सभी बेसलाइन्स के बराबर या उनसे बेहतर AUROC स्कोर प्राप्त किया।
- अत्यधिक असंतुलित Credit Card डेटासेट (0.17% विसंगतियाँ) पर, SMT-AD ने 94.8% का AUROC प्राप्त किया, जो OC-SVM (93.9%) और TNAD (92.0%) से बेहतर रहा।
- हालांकि क्रेडिट कार्ड डेटासेट पर कुछ बेसलाइन्स की तुलना में AUPRC कम था (थ्रेशोल्ड संवेदनशीलता के कारण), फिर भी यह रैंडम गेसिंग (0.17% बेसलाइन) की तुलना में एक बड़ा सुधार था।
दक्षता (Efficiency):
- SMT-AD को बेसलाइन्स की तुलना में काफी कम पैरामीटर्स की आवश्यकता थी (जैसे, क्रेडिट कार्ड के लिए 620 बनाम 45,075 के OC-SVM)।
- ट्रेनिंग टाइम कॉम्प्लेक्सिटी अनुकूल रूप से स्केल करती है, और मॉडल GPU एक्सेलरेशन के लिए अत्यधिक अनुकूल है।
फीचर सिलेक्शन (Feature Selection): उच्च एंटैंगलमेंट एंट्रॉपी वाले फीचर्स को चुनकर, लेखकों ने मॉडल के आकार को और कम कर दिया (380 पैरामीटर्स तक), जबकि AUPRC में सुधार किया, जो दर्शाता है कि मॉडल प्रभावी रूप से सबसे प्रासंगिक फीचर्स की पहचान करता है।

5. महत्व और प्रभाव (Significance and Impact)

एज डिप्लॉयमेंट (Edge Deployment): कम पैरामीटर काउंट और उच्च समानांतर क्षमता SMT-AD को एज कंप्यूटिंग और IoT वातावरण के लिए एक आदर्श उम्मीदवार बनाती है जहाँ संसाधन सीमित होते हैं।
व्याख्यात्मकता (Interpretability): एंटैंगलमेंट एंट्रॉपी और म्युचुअल इंफॉर्मेशन का उपयोग करके यह समझाना कि कोई नमूना विसंगति क्यों है, "ब्लैक बॉक्स" डीप लर्निंग और व्याख्यात्मक सांख्यिकीय मॉडलों के बीच के अंतर को पाटता है।
स्केलेबिलिटी (Scalability): कर्नेल विधियों (OC-SVM) की क्यूबिक कॉम्प्लेक्सिटी और पिछले टेंसर नेटवर्क दृष्टिकोणों की अनुक्रमिक बाधाओं से बचकर, SMT-AD बड़े, उच्च-आयामी डेटासेट्स में विसंगति का पता लगाने के लिए एक स्केलेबल पथ प्रदान करता है।

निष्कर्षतः, SMT-AD प्रदर्शित करता है कि क्वांटम-प्रेरित टेंसर नेटवर्क, जब मल्टीरेज़ोल्यूशन फूरियर एम्बेडिंग और सुपरपोजिशन स्ट्रक्चर के साथ संयुक्त होते हैं, तो वे वन-क्लास विसंगति का पता लगाने के लिए एक अत्यधिक कुशल, व्याख्यात्मक और अत्याधुनिक समाधान प्रदान कर सकते हैं।