तकनीकी सारांश: ऑनलाइन मल्टीपल टेस्टिंग पर एक रिग्रेट परिप्रेक्ष्य (A Regret Perspective on Online Multiple Testing)

1. समस्या विवरण (Problem Statement)

ऑनलाइन मल्टीपल टेस्टिंग (OMT) अनुक्रमिक अनुमान (sequential inference) की समस्या को संबोधित करता है जहाँ परिकल्पनाएँ (hypotheses) समय के साथ बाह्य रूप से आती हैं, जिसके लिए शून्य परिकल्पनाओं (null hypotheses) को अस्वीकार करने या बनाए रखने के लिए तत्काल और अपरिवर्तनीय निर्णय लेने की आवश्यकता होती है। पारंपरिक OMT साहित्य लक्षित स्तर $\alpha$ के नीचे फॉल्स डिस्कवरी रेट (FDR) को बनाए रखते हुए सांख्यिकीय शक्ति (statistical power) को अधिकतम करने पर केंद्रित है। हालाँकि, यह शोधपत्र तर्क देता है कि FDR और पावर का अलग-अलग मूल्यांकन करना आधुनिक स्वचालित पाइपलाइनों में फॉल्स पॉजिटिव (Type I त्रुटियों) और फॉल्स नेगेटिव (Type II त्रुटियों) की अत्यधिक विषम लागतों (asymmetric costs) को छिपा देता है।

पहचानी गई मुख्य समस्या थ्रेशोल्ड डिप्लेशन (threshold depletion) है। सिग्नल-स्पार्स वातावरण (जैसे, "कोल्ड स्टार्ट" या शुद्ध शोर के कालखंड) में, नियतात्मक (deterministic) एल्गोरिदम जो कड़ाई से FDR को नियंत्रित करते हैं, अक्सर अपनी परीक्षण क्षमता ($\alpha$-wealth) को समाप्त कर देते हैं, जिससे उनके निर्णय थ्रेशोल्ड शून्य की ओर निरंतर घटते जाते हैं। यह एल्गोरिदम को बाद में आने वाले वास्तविक सिग्नलों के प्रति "अंधा" बना देता है, जिससे बड़ी संख्या में खोजों को छोड़ दिया जाता है। इसके विपरीत, निरंतर शक्ति बनाए रखने का प्रयास करने वाले एल्गोरिदम रैखिक फॉल्स पॉजिटिव दंड (linear false positive penalties) का जोखिम उठाते हैं। यह शोधपत्र तर्क देता है कि मौजूदा प्रतिमान इन दो प्रकार की त्रुटियों के बीच गैर-स्थिर पारेटो फ्रंटियर (non-stationary Pareto frontier) को नेविगेट करने में विफल रहते हैं।

2. कार्यप्रणाली (Methodology)

2.1 भारित रिग्रेट मीट्रिक (The Weighted Regret Metric)

FDR और पावर के मूल्यांकन को एकीकृत करने के लिए, लेखक भारित रिग्रेट (Weighted Regret) पेश करते हैं। पारंपरिक मीट्रिक के विपरीत जो FDR (एक सशर्त दर) और पावर (एक मार्जिनल प्रायिकता) को अलग-अलग मानते हैं, भारित रिग्रेट दोनों त्रुटि प्रकारों को एक एकल संचयी हानि मुद्रा (cumulative loss currency) में मैप करता है:
$$\text{Regret}_T(a, b) = a \cdot V_T + b \cdot M_T$$
जहाँ $V_T$ कुल फॉल्स पॉजिटिव की संख्या है, $M_T$ कुल फॉल्स नेगेटिव की संख्या है, और $a, b > 0$ डोमेन-विशिष्ट दंड भार (penalty weights) हैं। उद्देश्य एक सर्वज्ञ ओरेकल (omniscient Oracle) के सापेक्ष अपेक्षित भारित रिग्रेट को कम करना है।

2.2 रिग्रेट संरक्षण की द्वैतता (The Duality of Regret Conservation)

यह शोधपत्र एक मौलिक सैद्धांतिक सीमा स्थापित करता है जिसे रिग्रेट संरक्षण की द्वैतता (Duality of Regret Conservation) कहा जाता है। यह सिद्ध करता है कि विशुद्ध रूप से नियतात्मक, इतिहास-निर्भर OMT प्रक्रियाएं अनिवार्य रूप से $\Omega(T)$ का रैखिक रिग्रेट दंड वहन करती हैं। यह दो विशिष्ट तंत्रों के माध्यम से होता है:

1. पावर बैरियर (The Power Barrier): न्यूनतम पहचान शक्ति बनाए रखने के लिए एक सकारात्मक थ्रेशोल्ड लोअर बाउंड की आवश्यकता होती है, जो स्थिर वातावरण में अनिवार्य रूप से रैखिक फॉल्स पॉजिटिव संचय को ट्रिगर करता है।
2. FDR बैरियर (The FDR Barrier): नियतात्मक वेल्थ मैनेजमेंट के माध्यम से FDR को कड़ाई से नियंत्रित करने से थ्रेशोल्ड क्षय (decay) होता है। बर्स्टी (bursty) वातावरण में (शुद्ध नल्स के लंबे कालखंड के बाद सिग्नल आना), यह क्षय थ्रेशोल्ड को शून्य कर देता है, जिससे रैखिक फॉल्स नेगेटिव संचय होता है।

परिणामस्वरूप, कोई भी विशुद्ध रूप से नियतात्मक एल्गोरिदम दोनों त्रुटि प्रकारों के लिए उप-रैखिक (sublinear) रिग्रेट को एक साथ प्राप्त नहीं कर सकता है।

2.3 डिकपल्ड-ओएमटी (Decoupled-OMT - DOMT) एल्गोरिदम

इन संरचनात्मक सीमाओं को दूर करने के लिए, लेखक Decoupled-OMT (DOMT) का प्रस्ताव करते हैं, जो एक मेटा-रैपर एल्गोरिदम है जिसे आधारभूत (baseline) नियतात्मक प्रक्रियाओं (जैसे, LOND, LORD, SAFFON) को थ्रेशोल्ड डिप्लेशन से बचाने के लिए डिज़ाइन किया गया है।

मुख्य तंत्र:
DOMT प्रत्येक चरण $t$ पर निर्णय थ्रेशोल्ड में एक इतिहास-डिकपल्ड, कड़ाई से गैर-ऋणात्मक यादृच्छिक विक्षेपण (strictly non-negative random perturbation) पेश करता है:
$$\lambda_t = \min(1, \lambda_t^{\text{base}} + \xi_t)$$
जहाँ $\lambda_t^{\text{base}}$ आधारभूत प्रक्रिया द्वारा निर्धारित थ्रेशोल्ड है, और $\xi_t = \epsilon_t Z_t$ एक्सप्लोरेशन टर्म है।

• एक्सप्लोरेशन एम्प्लीट्यूड (Exploration Amplitude): $\epsilon_t = \kappa \frac{\alpha}{\sqrt{t}}$, जो $O(t^{-1/2})$ दर से घटता है।
• यादृच्छिकता (Randomness): $Z_t \sim \text{Uniform}[0, 1]$ i.i.d. है।
• कॉज़ल डिकपलिंग (Causal Decoupling): महत्वपूर्ण रूप से, आधारभूत प्रक्रिया की आंतरिक स्थिति (wealth) को केवल वर्चुअल थ्रेशोल्ड $\lambda_t^{\text{base}}$ और संबंधित वर्चुअल निर्णय का उपयोग करके अपडेट किया जाता है। वास्तविक निर्णय $\lambda_t$ का उपयोग करता है, लेकिन "शोर" $\xi_t$ को आधारभूत प्रक्रिया के स्टेट अपडेट से गणितीय रूप से अलग (quarantined) रखा जाता है।

विशेषताएं:

• शून्य अतिरिक्त फॉल्स नेगेटिव: चूंकि $\xi_t \ge 0$ है, DOMT का रिजेक्शन सेट बेसलाइन का उपसमुच्चय (subsumes) होता है ($R_t^{\text{DOMT}} \supseteq R_t^{\text{base}}$), जो बेसलाइन के सापेक्ष कोई भी खोई हुई खोज न होने की गारंटी देता है।
• अनंत सुरक्षा (Asymptotic Safety): स्थिर वातावरण में, एक्सप्लोरेशन शोर वास्तविक खोजों के संचय द्वारा कम (diluted) हो जाता है, जिससे बेसलाइन प्रक्रिया का सटीक अनंत FDR नियंत्रण बना रहता है।
• परिमित-नमूना सीमाएं (Finite-Sample Bounds): अत्यधिक कोल्ड-स्टार्ट (शुद्ध नल्स) में, DOMT अतिरिक्त फॉल्स पॉजिटिव की पूर्ण संख्या को $O(\sqrt{T})$ तक सीमित करता है, जिससे विनाशकारी रैखिक त्रुटि संचय को रोका जा सकता है।

3. प्रमुख योगदान (Key Contributions)

1. मीट्रिक नवाचार: भारित रिग्रेट का परिचय, जो अलग-थलग FDR/पावर मूल्यांकन से आगे बढ़कर विषम Type I और Type II त्रुटियों को स्पष्ट रूप से संतुलित करता है।
2. सैद्धांतिक निचली सीमा: रिग्रेट संरक्षण की द्वैतता का प्रमाण, जो यह स्थापित करता है कि नियतात्मक एल्गोरिदम (निरंतर सतर्कता बनाम थ्रेशोल्ड क्षय के कारण) अनिवार्य रूप से $\Omega(T)$ रैखिक रिग्रेट दंड वहन करते हैं।
3. एल्गोरिद्मिक समाधान: DOMT का प्रस्ताव, जो एक प्लग-एंड-प्ले मेटा-रैपर है जो थ्रेशोल्ड डिप्लेशन को कम करने के लिए इतिहास-डिकपल्ड, कड़ाई से गैर-ऋणात्मक स्टोकेस्टिक एक्सप्लोरेशन का उपयोग करता है, बिना इसकी अंतर्निहित सुपर-मार्टिंगेल सुरक्षा गुणों से समझौता किए।
4. रिग्रेट विश्लेषण: यह प्रमाण कि DOMT बर्स्टी वातावरण में बेसलाइन की तुलना में अपेक्षित भारित रिग्रेट में $\Omega(\sqrt{T})$ का ऑर्डर-ऑप्टिमल (order-optimal) कमी प्राप्त करता है।
5. फेज ट्रांजिशन लक्षण वर्णन: एक क्लोज्ड-फॉर्म "कोल्ड-स्टार्ट टैक्स" ($M^*$) का व्युत्पन्न, जो दंड अनुपात $b/a$ के लिए एक महत्वपूर्ण थ्रेशोल्ड है, जो यह निर्धारित करता है कि कब स्टोकेस्टिक एक्सप्लोरेशन सैद्धांतिक रूप से फायदेमंद हो जाता है। यह टैक्स शुद्ध-शोर कालखंडों के दौरान एक्सप्लोरेशन की लागत को मापता है।

4. परिणाम (Results)

सैद्धांतिक परिणाम

• नियतात्मकता का रैखिक रिग्रेट: प्रमेय 1 और 2 प्रदर्शित करते हैं कि कोई भी नियतात्मक एल्गोरिदम गैर-स्थिर सेटिंग्स में या तो रैखिक फॉल्स पॉजिटिव रिग्रेट (यदि शक्ति बनाए रख रहा है) या रैखिक फॉल्स नेगेटिव रिग्रेट (यदि FDR को कड़ाई से नियंत्रित कर रहा है) का सामना करता है।
• DOMT का उप-रैखिक रिग्रेट: प्रमेय 6 सिद्ध करता है कि बर्स्टी सिग्नल मॉडल के तहत, DOMT बेसलाइन की तुलना में अपेक्षित भारित रिग्रेट को $\Omega(\sqrt{T})$ से कम कर देता है।
• सुरक्षा गारंटी: प्रमेय 3 पुष्टि करता है कि DOMT अपनी आधारभूत प्रक्रिया का अनंत FDR नियंत्रण विरासत में प्राप्त करता है। प्रमेय 4 फॉल्स डिस्कवरी प्रोपोरशन (FDP) मुद्रास्फीति पर एक परिमित-नमूना उच्च-संभाव्यता सीमा प्रदान करता है, जो दिखाता है कि यह स्थिर व्यवस्थाओं में $O(1/\sqrt{t})$ के रूप में सहजता से स्केल करता है और प्रतिकूल कोल्ड-स्टार्ट में सख्ती से सीमित है।
• क्षय दर की इष्टतमता: शोधपत्र तर्क देता है कि $O(t^{-1/2})$ क्षय दर संरचनात्मक रूप से आवश्यक है। तेज़ क्षय (जैसे, $O(t^{-1})$) एक्सप्लोरेशन लागत को $O(\log T)$ तक संकुचित कर देगा, लेकिन साथ ही खोज रिकवरी को भी $O(\log T)$ तक रोक देगा, जिससे बेसलाइन के $\Omega(T)$ घाटे का मुकाबला करने में विफल रहेगा।

अनुभवजन्य परिणाम (Empirical Results)

सिंथेटिक डेटा और तीन वास्तविक दुनिया के डेटासेट (RNA-Seq माइक्रोएरे, S&P 500 वित्तीय विसंगतियां, और IMPC माउस फेनोटाइप डेटा) पर प्रयोग किए गए।

• स्थिर वातावरण: DOMT सख्त FDR नियंत्रण बनाए रखता है और लगातार बेसलाइनों की तुलना में सांख्यिकीय शक्ति में बेहतर प्रदर्शन करता है।
• बर्स्टी/कोल्ड-स्टार्ट वातावरण: नियतात्मक बेसलाइन पूर्ण थ्रेशोल्ड डिप्लेशन का सामना करती है, जिससे सिग्नल आने पर लगभग शून्य शक्ति रह जाती है। DOMT इन "मिनी-सूजनों" (mini-droughts) को सफलतापूर्वक पार करता है, विलंबित सिग्नल बर्स्ट को कैप्चर करता है और फॉल्स नेगेटिव में व्यापक कमी प्राप्त करता है।
• पारेटो फ्रंटियर: अनुभवजन्य परिणाम पुष्टि करते हैं कि DOMT गैर-स्थिर पारेटो फ्रंटियर को नेविगेट करता है, जो फॉल्स डिस्कवरी में एक सख्ती से सीमित टैक्स देकर फॉल्स नेगेटिव में एक व्यापक ऊर्ध्वाधर (vertical) कमी प्राप्त करता है।

5. महत्व और दावे (Significance and Claims)

शोधपत्र का दावा है कि भारित रिग्रेट (Weighted Regret) परिप्रेक्ष्य OMT के अनुकूलन उद्देश्य को 'प्रतिबंधित त्रुटि नियंत्रण' से बदलकर 'अनियंत्रित जोखिम न्यूनीकरण' में मौलिक रूप से बदल देता है। नियतात्मक ढांचों में रैखिक रिग्रेट की अनिवार्यता को सिद्ध करके, लेखक तर्क देते हैं कि स्टोकेस्टिक एक्सप्लोरेशन केवल एक ह्यूरिस्टिक नहीं बल्कि गैर-स्थिर वातावरण को नेविगेट करने के लिए एक गणितीय आवश्यकता है।

DOMT का महत्व इसकी यूनिवर्सल मेटा-रैपर के रूप में कार्य करने की क्षमता में निहित है। यह मौजूदा p-वैल्यू या e-वैल्यू प्रक्रियाओं (जैसे, LOND, LORD, SAFFRON, या SCORE) को प्रतिस्थापित नहीं करता है, बल्कि उन्हें समाहित करता है, जिससे उन्हें उनके अंतर्निहित सुपर-मार्टिंगेल सुरक्षा गुणों का उल्लंघन किए बिना "जीरो-थ्रेशोल्ड डेडलॉक" से बचाया जा सके। शोधपत्र इस बात पर जोर देता है कि यह दृष्टिकोण पारेटो फ्रंटियर के "ऑर्डर-ऑप्टिमल" पारगमन की अनुमति देता है, जिससे उन उच्च-दांव, विषम लागत वाले परिदृश्यों (जैसे, चिकित्सा स्क्रीनिंग, धोखाधड़ी का पता लगाना) में खोज लाभ सुरक्षित होता है जहाँ सिग्नल को छोड़ देना विनाशकारी हो सकता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि DOMT एक "कोल्ड-स्टार्ट टैक्स" (शुद्ध-शोर चरणों के दौरान त्रुटियों की अस्थायी मुद्रास्फीति) पेश करता है, यह एक जानबूझकर और सीमित ट्रेड-ऑफ है जो नियतात्मक एल्गोरिदम की प्रणालीगत विफलता को रोकता है, और वास्तविक दुनिया के गैर-स्थिर डेटा स्ट्रीम के लिए एक मजबूत समाधान प्रदान करता है।