💻 computer science

When Equality Fails as a Rewrite Principle: Provenance and Definedness for Measurement-Bearing Expressions

यह शोध पत्र मापन-वहन करने वाले अभिव्यक्तियों (measurement-bearing expressions) के लिए एक एकीकृत औपचारिक अर्थविज्ञान प्रस्तुत करता है जो अवलोकन पुन: उपयोग (observation reuse) और विभाजन-प्रेरित डोमेन अंतरों जैसी समस्याओं के कारण साधारण बीजगणितीय समानता के एक रीराइट सिद्धांत के रूप में विफल होने को दर्शाते हुए, साउंड वन-वे रीराइटिंग और इंटरचेंजेबिलिटी निर्णयों को स्थापित करने के लिए प्रोवेनेंस (provenance) और डिफाइंडनेस (definedness) को ट्रैक करता है, जिसके सभी परिणाम लीन 4 (Lean 4) में औपचारिक रूप से प्रस्तुत किए गए हैं।

मूल लेखक: David B. Hulak, Arthur F. Ramos, Ruy J. G. B. de Queiroz

प्रकाशित 2026-04-10

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: David B. Hulak, Arthur F. Ramos, Ruy J. G. B. de Queiroz

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 शेफ हैं जो एक रेसिपी को बेहतर बनाने की कोशिश कर रहे हैं। आपके पास अपने निर्देशों को सरल बनाने के लिए नियमों का एक सेट है: "यदि आप नमक जोड़ते हैं और फिर नमक की उतनी ही मात्रा घटा देते हैं, तो आप बस '0 नमक' लिख सकते हैं।" एक आदर्श, गणितीय दुनिया में, यह नियम हमेशा काम करता है।

लेकिन वास्तविक दुनिया में मापन (जैसे कि थोड़ा डगमगाते हाथ से खाना बनाना, या एक ऐसे पैमाने से सामग्री मापना जिसमें थोड़ी सी ढील हो) के मामले में, यह सरल नियम आपदा का कारण बन सकता है।

यह शोध पत्र इस बारे में है कि क्यों गणितीय समानता एक खतरनाक मार्गदर्शक है जब आप वास्तविक दुनिया के डेटा के साथ काम कर रहे होते हैं, और कैसे नियमों का एक बेहतर सेट बनाया जाए जो आपके प्रयोग को खराब न करे।

यहाँ सरल उपमाओं का उपयोग करके इसका विवरण दिया गया है:

1. मापन के दो जाल (The Two Traps of Measurement)

लेखक कहते हैं कि दो मुख्य कारण हैं जिनसे आप एक मापन सूत्र (formula) को दूसरे से नहीं बदल सकते, भले ही वे कागज पर समान दिखते हों।

जाल #1: "कॉपी-पेस्ट" बनाम "दो अलग कप" की समस्या (Provenance)

कल्पना कीजिए कि आपके पास पानी का एक कप है।

परिदृश्य A: आप पानी को एक कटोरे में डालते हैं, फिर उसे वापस कप में डालते हैं। यदि आप "कटोरे में पानी माइनस कप में पानी" की गणना करते हैं, तो आपको शून्य प्राप्त होता है। यह सुरक्षित है क्योंकि यह वही पानी (वही "टोकन") है।
परिदृश्य B: आपके पास पानी के दो समान कप हैं। आप कप 1 को एक कटोरे में डालते हैं, फिर कप 2 को कटोरे में डालते हैं। यदि आप "कप 1 से पानी माइनस कप 2 से पानी" की गणना करते हैं, तो आप यह मान नहीं सकते कि परिणाम शून्य है। भले ही दोनों कप "250ml" कहें, एक वास्तव में 250.1ml हो सकता है और दूसरा 249.9ml।

सबक: गणित में, $x - x = 0$ होता है। मापन में, यदि $x$ और $x$ दो अलग-अलग अवलोकनों (observations) से आते हैं (भले ही वे समान दिखें), तो $x - x$ अनिवार्य रूप से शून्य नहीं है। यह जानने के लिए कि क्या वे एक ही वस्तु हैं या केवल एक जैसे दिखने वाले हैं, आपको हर मापन के "आईडी कार्ड" (provenance) को ट्रैक करने की आवश्यकता है।

जाल #2: "शून्य से विभाजन" का जाल (Definedness)

एक नियम की कल्पना करें जो कहता है: "किसी भी संख्या को स्वयं से विभाजित करें, और आपको 1 प्राप्त होगा।"

यदि आपके पास 5 जैसी संख्या है, तो $5/5 = 1$ । सुरक्षित।
लेकिन क्या होगा यदि आपका मापन शून्य हो सकता है? यदि आप $x/x$ लिखते हैं, और $x$ शून्य हो जाता है, तो गणित टूट जाता है (शून्य से विभाजन)।
संख्या 1 हर जगह सुरक्षित है। लेकिन सूत्र $x/x$ खतरनाक है यदि $x$ शून्य हो सकता है।

सबक: आप किसी समस्या को ठीक करने के लिए एक खतरनाक सूत्र ( $x/x$ ) को एक सुरक्षित सूत्र ($1 $) से सुरक्षित रूप से बदल सकते हैं। लेकिन आप केवल इसलिए$ x/x $(जो कि एक सुरक्षित सूत्र है) को$ 1$ (जो कि एक खतरनाक सूत्र है) से नहीं बदल सकते क्योंकि वे समान दिखते हैं। "सुरक्षा क्षेत्र" (जहाँ गणित काम करता है) बदल गया है।

2. नए "सुरक्षा नियम" (The New "Safety Rules")

लेखक इन सूत्रों को दो अवधारणाओं का उपयोग करके सोचने का एक नया तरीका प्रस्तावित करते हैं:

"टोकन" (The Token - आईडी कार्ड): प्रत्येक मापन को एक अद्वितीय आईडी मिलती है। यदि आप एक ही आईडी को दो बार देखते हैं, तो कंप्यूटर जानता है कि यह बिल्कुल वही छिपी हुई वैल्यू है। यदि आप दो अलग-अलग आईडी देखते हैं, भले ही वे समान दिखें, तो कंप्यूटर उन्हें संभावित रूप से अलग मानता है।
"ग्राह्य डोमेन" (The "Admissible Domain" - सुरक्षा क्षेत्र): किसी सूत्र को सरल बनाने से पहले, आपको जांचना होगा: "क्या यह नया सूत्र उन सभी स्थितियों में काम करता है जहाँ पुराना वाला काम करता था?"
- यदि पुराना सूत्र तब काम करता था जब तापमान 0°C था, और नया सूत्र 0°C पर क्रैश हो जाता है, तो आप बदलाव नहीं कर सकते।
- यदि पुराना सूत्र 0°C पर क्रैश हो गया था, और नया वाला वहां काम करता है, तो आप बदलाव कर सकते हैं (आप इसे सुरक्षित बना रहे हैं)।

3. यह क्यों महत्वपूर्ण है (द "शेफ डिलेमा")

शोध पत्र एक विशिष्ट उदाहरण का उपयोग करता है: एक सिग्नल को मापना, बैकग्राउंड शोर को घटाना, और एक संदर्भ (reference) से विभाजित करना।

यदि आप "आईडी कार्ड" को ट्रैक नहीं करते हैं, तो आप गलती से यह सोच सकते हैं कि आप उस शोर को रद्द कर सकते हैं जिसे वास्तव में दो अलग-अलग बार अलग से मापा गया था।
यदि आप "सुरक्षा क्षेत्र" की जांच नहीं करते हैं, तो आप एक ऐसे सूत्र को सरल बना सकते हैं जो अधिकांश तापमानों पर ठीक काम करता है, लेकिन एक ऐसे सूत्र में बदल सकता है जो तापमान शून्य होने पर फट जाता है।

4. "कठोरता" की खोज (The "Strictness" Discovery)

लेखकों ने एक आश्चर्यजनक बात पाई: सरलीकरण अक्सर एकतरफा रास्ता है।

आप एक जटिल, खतरनाक सूत्र को एक सरल, सुरक्षित सूत्र में बदल सकते हैं।
लेकिन आप अक्सर वापस नहीं जा सकते। एक बार जब आप "खतरा" (singularity) हटा देते हैं, तो आप उस जानकारी को खो देते हैं कि खतरा पहले कहाँ था। यह एक बॉक्स से चेतावनी लेबल हटाने जैसा है; बॉक्स अभी भी वहीं है, लेकिन आप भूल गए हैं कि वह फट सकता है।

5. "प्रमाण" (The "Proof" - कंप्यूटर चेक)

लेखकों ने केवल इसे लिखा नहीं है; उन्होंने एक विशाल डिजिटल प्रमाण प्रणाली बनाई है (Lean 4 नामक टूल का उपयोग करके) जो उनके तर्क के हर चरण की जांच करती है। उन्होंने सिद्ध किया कि:

यदि आप "आईडी कार्ड" (provenance) को अनदेखा करते हैं, तो आपको गलत उत्तर मिलते हैं।
यदि आप "सुरक्षा क्षेत्रों" (definedness) को अनदेखा करते हैं, तो आपको गलत उत्तर मिलते हैं।
सुरक्षित होने के लिए आपको दोनों की आवश्यकता है।

मुख्य निष्कर्ष (The Big Takeaway)

विज्ञान और इंजीनियरिंग की दुनिया में, गणितीय समानता पर्याप्त नहीं है। दो सूत्र समान दिख सकते हैं, लेकिन यदि एक विशिष्ट मापन के पुन: उपयोग पर निर्भर करता है, या यदि एक विशिष्ट स्थितियों में क्रैश हो जाता है, तो वे परस्पर विनिमेय (interchangeable) नहीं हैं।

वैज्ञानिकों के लिए सुरक्षित सॉफ़्टवेयर लिखने के लिए, हमें एक ऐसी प्रणाली की आवश्यकता है जो कुछ भी सरल बनाने से पहले दो प्रश्न पूछे:

"क्या ये एक ही भौतिक वस्तु हैं, या केवल एक जैसे दिखने वाले हैं?" (Provenance)
"क्या यह नया सूत्र उन सभी स्थानों पर काम करता है जहाँ पुराना वाला काम करता था?" (Definedness)

यदि आप दोनों का उत्तर "हाँ" में नहीं दे सकते, तो आपको सूत्र को वैसा ही रहने देना चाहिए।

यहाँ हुलाक, रामोस और डी क्यूरोइज़ के शोध पत्र "When Equality Fails as a Rewrite Principle: Provenance and Definedness for Measurement-Bearing Expressions" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र मापन-युक्त अभिव्यक्तियों (uncertainty के साथ देखे गए डेटा वाले व्यंजक) को लागू करने में मानक बीजगणितीय समानता (algebraic equality) के उपयोग में एक मौलिक दोष को संबोधित करता है। वैज्ञानिक कंप्यूटिंग और सिम्बोलिक मैनिपुलेशन में, एक अभिव्यक्ति को दूसरी अभिव्यक्ति से बदलना (rewriting) अक्सर तब सुरक्षित माना जाता है जब वे बीजगणितीय रूप से समान हों। हालाँकि, लेखक दो विशिष्ट विफलता मोडों की पहचान करते हैं जहाँ बीजगणितीय समानता एक सुदृढ़ 'रीराइट प्रिंसिपल' के रूप में विफल हो जाती है:

प्रोवेनेंस विफलता (Provenance Failure - टोकन पहचान): मानक बीजगणितीय सरलीकरण डेटा के मूल (origin) की अनदेखी करता है।
- उदाहरण: $x - x$ को $0 $में सरल बनाना तभी सुरक्षित है जब$ x$ एक ही मापन टोकन (measurement token) का दो बार पुन: उपयोग हो। यदि $x_1$ और $x_2$ समान अंतराल वाले दो अलग-अलग मापन हैं, तो $x_1 - x_2$ आवश्यक रूप से $0$ नहीं होगा।
- मुद्दा: शास्त्रीय इंटरवल अंकगणित (interval arithmetic) और आयामी विश्लेषण (dimensional analysis) "प्रोवेनेंस-अंध" (provenance-blind) होते हैं, जो सभी चरों को स्वतंत्र मानकर गलत सरलीकरण या अनिश्चितता का अतिरंजित अनुमान प्रस्तुत करते हैं।
परिभाषितता विफलता (Definedness Failure - सिंगुलैरिटी): वे बीजगणितीय रूप जो अपने साझा डोमेन पर सहमत होते हैं, वे इस मामले में भिन्न हो सकते हैं कि वे कहाँ परिभाषित हैं।
- उदाहरण: $x/x$ का मान $x \neq 0$ के लिए $1 $होता है, लेकिन$ x=0 $पर यह अपरिभाषित है। स्थिरांक$ 1 $हर जगह परिभाषित है।$ 1 $को$ x/x$ से बदलना एक सिंगुलैरिटी (singularity) पेश करता है (अर्थात उस स्थिति में अभिव्यक्ति को अपरिभाषित बना देता है जहाँ वह पहले परिभाषित थी), जो असुरक्षित है।
- मुद्दा: मानक समानता जाँच अक्सर डोमेन प्रतिबंधों की अनदेखी करती है, जिससे ऐसी "असुरक्षित" सरलीकरण संभव होती है जो सिंगुलैरिटी पेश करती हैं या यह पहचानने में विफल रहती है कि दो फलन केवल एक प्रतिबंधित उपसमुच्चय (subset) पर ही "समान" हैं।

मूल समस्या यह है कि वैज्ञानिक संदर्भों में सुदृढ़ रीराइट वर्गीकरण के लिए न तो केवल प्रोवेनेंस ट्रैकिंग और न ही केवल डिफाइंडनेस चेकिंग पर्याप्त है।

2. कार्यप्रणाली (Methodology)

लेखक एक एकीकृत अर्थपूर्ण ढांचा (unified semantic framework) विकसित करते हैं जिसे Lean 4 में औपचारिक रूप दिया गया है (बिना sorry के, यह सुनिश्चित करते हुए कि सभी प्रमाण पूर्ण हैं)। कार्यप्रणाली में तीन स्तरों की सिमेंटिक्स शामिल है:

A. टोकन-संवेदनशील एनक्लोजर सिमेंटिक्स (प्रोवेनेंस परत)

सिंटैक्स: व्यंजक अंकगणितीय संचालन और मापे गए लीव्स (leaves) से बने होते हैं, जिन्हें Meas(t, I, d) के रूप में परिभाषित किया गया है, जहाँ $t$ एक ओपेक (opaque) टोकन है (जो अवलोकन घटना की पहचान करता है), $I$ एक परिमेय अंतराल (rational interval) है, और $d$ एक आयाम (dimension) है।
मूल्यांकन: एक टोकन एनवायरनमेंट $\sigma$ प्रत्येक टोकन को एक सटीक परिमेय मान निर्दिष्ट करता है। एक एनवायरनमेंट "टोकन-संगत" (token-consistent) है यदि निर्दिष्ट मान लीफ के अंतराल के भीतर आता है।
वॉरेंटेड एनक्लोजर (Warranted Enclosure): उन सभी संभावित मानों का सेट जो सभी टोकन-संगत एनवायरनमेंट में एक अभिव्यक्ति द्वारा लिए जा सकते हैं। महत्वपूर्ण रूप से, यदि एक टोकन $t$ दो बार आता है, तो दोनों उदाहरणों में $\sigma(t)$ एक ही मान होगा, जो निर्भरता (dependency) को कैप्चर करता है।

B. एडमिसेबल-डोमेन रिफाइनमेंट (डिफाइंडनेस परत)

सुपरिभाषितता (Well-Definedness): एक अभिव्यक्ति $\sigma$ पर तब सुव्यवस्थित है जब शून्य से विभाजन (division by zero) न हो।
एडमिसेबल डोमेन ($AdmDom$): उन टोकन-संगत एनवायरनमेंट का सेट जहाँ अभिव्यक्ति सुव्यवस्थित है।
डिफाइंड एनक्लोजर (Defined Enclosure): केवल एडमिसेबल डोमेन के भीतर उत्पन्न होने वाले मानों का सेट। यह परत सिंगुलैरिटी (जैसे $x/0$ ) द्वारा उत्पन्न मानों को फ़िल्टर करती है।

C. रीराइट जजमेंट्स (Rewrite Judgments)

लेखक तीन स्तर के रीराइट जजमेंट्स को परिभाषित करते हैं:

एनक्लोजर-आधारित: $e \rightsquigarrow e'$ यदि $Encl(e') \subseteq Encl(e)$ । (मान सुदृढ़ करने पर केंद्रित)।
डोमेन-जागरूक: $e \rightsquigarrow_d e'$ $e ⇝_{d} e^{'}$ यदि:
- लक्ष्य, स्रोत के हर स्थान पर स्वीकार्य है ( $AdmDom(e) \subseteq AdmDom(e')$ )।
- स्रोत के डोमेन पर लक्ष्य के मान, स्रोत के डिफाइंड एनक्लोजर के भीतर हैं।
सपोर्ट-सापेक्ष (Support-relative): स्वीकार्यता को एक विशिष्ट सेट $S$ के सापेक्ष संबंधबद्ध करता है, जिससे स्थानीय प्रमेयों (जैसे, "यदि अंतराल धनात्मक है तो सुरक्षित है") को वैश्विक सिद्धांत में एकीकृत किया जा सके।

3. मुख्य योगदान (Key Contributions)

एकीकृत सिमेंटिक्स: एक एकल ढांचा जो एक साथ टोकन पहचान (प्रोवेनेंस) और विभाजन सिंगुलैरिटी (डिफाइंडनेस) को ट्रैक करता है, यह दिखाते हुए कि वे ऑर्थोगोनल हैं और संयुक्त रूप से आवश्यक हैं।
औपचारिक रीराइट जजमेंट्स:
- एक-तरफा रीराइटिंग (One-way Rewriting): उन मामलों की पहचान करता है जहाँ सरलीकरण सुरक्षित है (एक सिंगुलैरिटी हटाना) लेकिन इसका उल्टा नहीं है।
- गैर-संक्रामकता (Non-Transitivity): सिद्ध करता है कि डोमेन-सुरक्षित रीराइटिंग संक्रामक नहीं है। स्थानीय रूप से सुरक्षित सरलीकरणों की एक श्रृंखला एक असुरक्षित वैश्विक परिणाम की ओर ले जा सकती है, जिसके लिए चरण-दर-चरण सत्यापन की आवश्यकता होती है।
- डोमेन नॉन-कोलैप्स (Domain Non-Collapse): ऐसे मामले प्रदर्शित करता है जहाँ दो अभिव्यक्तियाँ अपने साझा डोमेन पर सहमत होती हैं लेकिन स्वीकार्यता के संबंध में तुलनीय नहीं होती हैं (जैसे, $x/x$ बनाम $(x-1)/(x-1)$ ), जो किसी भी दिशा में प्रतिस्थापन को रोकता है।
वर्गीकरण परिवार (Classification Families):
- प्रोवेनेंस-संचालित: "सेम-टोकन कैंसिलेशन" (सुरक्षित) और "डिंस्टिंक्ट-टोकन कैंसिलेशन" (असुरक्षित) के बीच अंतर करता है।
- डिफाइंडनेस-संचालित: "पॉजिटिव-इंटरवल सेल्फ-डिवीजन" (1 के साथ विनिमेय) और "जीरो-क्रॉसिंग सेल्फ-डिवीजन" (केवल एक-तरफा) के बीच अंतर करता है।
अपर्याप्तता प्रमेय (Insufficiency Theorem): सिद्ध करता है कि टोकन पहचान को मिटाने (प्रोवेनेंस भूलने) से वे अंतर समाप्त हो जाते जिन्हें केवल डिफाइंडनेस द्वारा पुनः प्राप्त नहीं किया जा सकता है, और इसके विपरीत भी। दोनों अक्ष (axes) कड़ाई से आवश्यक हैं।
मैकेनाइजेशन: सभी 143 प्रमेयों और 45 परिभाषाओं को Lean 4 में औपचारिक रूप दिया गया है (लगभग 2,700 पंक्तियाँ), जो मापन सिमेंटिक्स के लिए एक मशीन-चेक्ड आधार प्रदान करता है।

4. मुख्य परिणाम (Key Results)

रिडक्शन थ्योरम्स (Reduction Theorems): "यूनिवर्सली एडमिसेबल" खंड पर (जहाँ भाजक कभी शून्य नहीं होते), डोमेन-जागरूक परत एनक्लोजर-आधारित परत में समाहित हो जाती है। यह सिद्ध करता है कि नया सिद्धांत मौजूदा प्रोवेनेंस सिद्धांतों का एक कंजर्वेटिव एक्सटेंशन है।
रिकवरी थ्योरम्स (Recovery Theorems): ढांचा मानक वैज्ञानिक सरलीकरणों (कैंसिलेशन, बैकग्राउंड सबट्रैक्शन, पॉजिटिव सेल्फ-डिवीजन) को सपोर्ट-रिलेटिव लेयर के भीतर कॉन्टेक्स्टुअल प्रमेयों के रूप में आंतरिक रूप से शामिल करता है।
स्ट्रिक्टनेस परिणाम (Strictness Results):
- रिमूवेबल सिंगुलैरिटीज: $x/x \to 1$ को सरल बनाना केवल तभी सुरक्षित है जब $x$ के गैर-शून्य होने की गारंटी हो। यदि $x$ शून्य हो सकता है, तो रीराइट केवल एक-तरफा है ( $x/x \rightsquigarrow_d 1$ लेकिन इसके विपरीत नहीं)।
- इनकम्पैरेबल सिंगुलैरिटीज: $x/x$ और $(x-1)/(x-1)$ जैसी अभिव्यक्तियाँ जहाँ दोनों परिभाषित हैं वहाँ "समान" हैं, लेकिन उनमें से कोई भी दूसरे को प्रतिस्थापित नहीं कर सकता क्योंकि उनके एडमिसेबल डोमेन अलग-अलग बिंदुओं को बाहर करते हैं।
रीराइटिंग की गैर-संक्रामकता: पेपर एक मैकेनाइज्ड विटनेस (witness) प्रदान करता है जो दिखाता है कि $A \rightsquigarrow_d B$ और $B \rightsquigarrow_d C$ का अर्थ यह नहीं है कि $A \rightsquigarrow_d C$ । यह इस धारणा को चुनौती देता कि स्थानीय अनुकूलन (optimizations) स्वतः संयोजित होते हैं।

5. महत्व (Significance)

सैद्धांतिक प्रभाव: यह शोध पत्र इस धारणा को चुनौती देता है कि वैज्ञानिक कंप्यूटिंग में सिम्बोलिक ऑप्टिमाइज़ेशन के लिए बीजगणितीय समानता पर्याप्त है। यह स्थापित करता है कि प्रोवेनेंस (डेटा का मूल) और डिफाइंडनेस (डोमेन बाधाएं) स्वतंत्र अर्थपूर्ण आयाम हैं जिन्हें एक साथ ट्रैक किया जाना चाहिए।
व्यावहारिक अनुप्रयोग: यह वैज्ञानिक वर्कफ़्लो (जैसे, भौतिकी में सिग्नल प्रोसेसिंग, बैकग्राउंड सबट्रैक्शन) के लिए प्रमाणित सिम्बोलिक सिंपलीफायर बनाने के लिए एक कठोर आधार प्रदान करता है। यह उन स्वचालित उपकरणों के प्रति आगाह करता जो टोकन ट्रैकिंग के बिना केवल बीजगणितीय नियमों या इंटरवल अंकगणित पर निर्भर करते हैं, क्योंकि वे असुरक्षित परिणाम दे सकते हैं।
औपचारिक सत्यापन (Formal Verification): इन अवधारणाओं को Lean 4 में औपचारिक रूप देकर, लेखक डोमेन तर्क (जैसे, सुरक्षित रीराइट्स की ट्रांसिटिविटी को मान लेना) में सूक्ष्म त्रुटियों को रोकने के लिए एक "सिमेंटिक सर्टिफिकेशन" प्रदान करते हैं।
भविष्य की दिशाएँ: ढांचा यह सुझाव देता है कि भविष्य के रीराइट इंजनों को केवल पोस्ट-हॉक चेक के रूप में नहीं, बल्कि हर चरण में टोकन-जागरूकता और एडमिसेबिलिटी चेक्स को शामिल करना चाहिए।