🤖 machine learning

Recursive Flow Matching

यह शोध पत्र रिकर्सिव फ्लो मैचिंग (RecFM) को प्रस्तुत करता है, जो एक नवीन जनरेटिव फ्रेमवर्क है जो जटिल स्पैटियोटेम्पोरल डायनेमिक्स के उच्च-सटीक, रियल-टाइम पूर्वानुमान प्राप्त करने के लिए विवेकीकरण पैमानों (discretization scales) के बीच स्व-संगति (self-consistency) लागू करता है, जिससे डिफ्यूजन-आधारित एमुलेटर्स की तुलना में 20x तक की गति वृद्धि के साथ पूर्वानुमान त्रुटियों को काफी कम किया जा सकता है।

मूल लेखक: Jiahe Huang, Sihan Xu, Sharvaree Vadgama, Rose Yu

प्रकाशित 2026-05-27

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jiahe Huang, Sihan Xu, Sharvaree Vadgama, Rose Yu

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 "रिकर्सिव फ्लो मैचिंग" (Recursive Flow Matching) पेपर का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

बड़ी समस्या: "गति बनाम सटीकता" का जाल (The "Speed vs. Accuracy" Trap)

कल्पना कीजिए कि आप नदी में बहते हुए एक पत्ते के रास्ते का अनुमान लगाने की कोशिश कर रहे हैं।

पुराना तरीका (पारंपरिक सॉल्वर): आप पानी की धारा, हवा और पत्ते के आकार की अत्यधिक सटीकता के साथ गणना करते हैं। यह बहुत सटीक है, लेकिन केवल एक सेकंड की गति के लिए गणित करने में घंटों लग जाते हैं। यह वास्तविक समय (real-time) के उपयोग के लिए बहुत धीमा है।
नया तरीका (जेनरेटिव एआई): आप लाखों पिछले उदाहरणों के आधार पर पत्ते के रास्ते का "अनुमान" लगाने के लिए एक एआई को प्रशिक्षित करते हैं। यह तेज़ है, लेकिन आमतौर पर, सही भविष्यवाणी करने के लिए इसे कई छोटे, सावधानीपूर्ण कदम उठाने पड़ते हैं। यदि आप इसे तेज़ चलने (कम कदम लेने) के लिए कहते हैं, तो भविष्यवाणी डगमगा जाती है और गलत हो जाती है।

लक्ष्य: लेखकों ने एक ऐसा एआई बनाने की कोशिश की जो तेज़ (नए तरीके की तरह) और सटीक (पुराने तरीके की तरह) दोनों हो, विशेष रूप से मौसम, तरल प्रवाह (fluid flow) और ध्वनि तरंगों जैसे जटिल भौतिक विज्ञान (physics) के कार्यों के लिए।

समाधान: रिकर्सिव फ्लो मैचिंग (RecFM)

लेखकों ने एक नई विधि बनाई जिसे रिकर्सिव फ्लो मैचिंग (RecFM) कहा जाता है। यह कैसे काम करता है, इसे समझने के लिए आइए कुछ उपमाओं (analogies) का उपयोग करें।

उपमा 1: "ज़ूम-आउट" वाला मानचित्र बनाम "ज़ूम-इन" वाला मानचित्र

कल्पना कीजिए कि आप अपने घर से अपने दोस्त के घर तक जा रहे हैं।

स्टैंडर्ड एआई (वैनिला फ्लो मैचिंग): यह एक विशिष्ट मार्ग सीखता है। यदि आप इसे एक ही बड़ी छलांग में पूरा रास्ता तय करने के लिए कहते हैं, तो यह दुर्घटनाग्रस्त हो सकता है क्योंकि इसने मोड़ के विवरण नहीं सीखे हैं। यदि आप इसे छोटे कदमों में चलने के लिए कहते हैं, तो यह सुरक्षित रूप से पहुँच जाता है लेकिन इसमें बहुत समय लगता है।
RecFM: केवल एक मार्ग सीखने के बजाय, RecFM एआई को एक ही यात्रा को विभिन्न गति और पैमानों (scales) पर एक साथ करना सिखाता है।
- यह यात्रा को एक धीमी, विस्तृत ड्राइव (कई छोटे कदमों) के रूप में सीखता है।
- यह यात्रा को एक तेज़, हाई-स्पीड ड्राइव (कम बड़े कदमों) के रूप में भी सीखता है।
- जादुई ट्रिक: यह एआई को मजबूर करता है कि "तेज़" मार्ग और "धीमा" मार्ग दोनों को बिल्कुल एक ही लैंडमार्क से, बिल्कुल एक ही सापेक्ष समय पर गुजरना चाहिए।

एआई को इन विभिन्न "गति" के बीच सुसंगत (consistent) होने के लिए मजबूर करके, यह सड़क के आकार को इतनी अच्छी तरह से सीख लेता है कि वह बिना दुर्घटनाग्रस्त हुए एक बड़ी छलांग (एक या दो कदम) ले सकता है।

उपमा 2: उछलता हुआ पेंडुलम (The Bouncing Pendulum)

पेपर गणित को समझाने के लिए एक भौतिक खिलौने का उपयोग करता है: एक दीवार से टकराकर उछलने वाला पेंडुलम।

हर बार जब यह दीवार से टकराता है, तो यह थोड़ी ऊर्जा खो देता है और धीरे होकर वापस उछलता है।
लेखकों ने महसूस किया कि पहले बड़े उछाल का रास्ता और दसवें छोटे उछाल का रास्ता गणितीय रूप से संबंधित हैं। वे एक ही आकार के हैं, बस स्केल में छोटे हैं।
RecFM एआई को इस संबंध को देखना सिखाता है। यह कहता है, "यदि आप जानते हैं कि पहले बड़े उछाल पर पेंडुलम कैसे चलता है, तो आप इसे केवल स्केल डाउन करके दसवें छोटे उछाल की भविष्यवाणी कर सकते हैं।"
यह अतिरिक्त जानकारी का एक "सुरक्षा जाल" (safety net) बनाता है। एआई केवल अनुमान नहीं लगाता; यह सुनिश्चित करने के लिए कि वह गलतियाँ नहीं कर रहा है, इन स्केल-डाउन किए गए संस्करणों के विरुद्ध अपने काम की जाँच करता है।

उन्होंने वास्तव में क्या हासिल किया?

पेपर ने तीन कठिन भौतिक समस्याओं पर इसका परीक्षण किया:

समुद्र की सतह का तापमान (Sea Surface Temperatures): समुद्र के तापमान में समय के साथ कैसे परिवर्तन होता है, इसकी भविष्यवाणी करना।
नेवियर-स्टोक्स फ्लो (Navier-Stokes Flow): पानी बाधाओं के चारों ओर कैसे घूमता है (विक्षोभ/turbulence), इसका अनुकरण करना।
हेल्महोल्ट्ज़ समीकरण (Helmholtz Equation): ध्वनि तरंगें "सीढ़ी" के आकार की दीवार से कैसे टकराती हैं, इसका अनुकरण करना।

परिणाम:

गति: RecFM इन कार्यों के लिए पिछले सर्वश्रेष्ठ एआई मॉडल (जैसे VideoPDE) की तुलना में 20 गुना तक तेज़ है।
सटीकता: तेज़ होने के बावजूद, यह वास्तव में अधिक सटीक है। इसने मानक तरीकों की तुलना में त्रुटियों को 15% से अधिक कम कर दिया।
कम कदम: अधिकांश एआई मॉडलों को एक अच्छा उत्तर पाने के लिए 50 से 100 चरणों की आवश्यकता होती है। RecFM केवल 1 से 4 चरणों में उच्च-गुणवत्ता वाला उत्तर दे सकता है।

यह क्यों मायने रखता है?

आमतौर पर विज्ञान में, आपको गति और सटीकता के बीच किसी एक को चुनना पड़ता है।

यदि आप गति चाहते हैं, तो आप सटीकता खो देते हैं।
यदि आप सटीकता चाहते हैं, तो आप लंबे समय तक प्रतीक्षा करते हैं।

RecFM इस नियम को तोड़ता है। एआई को "स्व-सुसंगत" (यह सुनिश्चित करना कि इसकी तेज़ भविष्यवाणियाँ इसके धीमी भविष्यवाणियों से मेल खाती हैं) बनाकर, यह वैज्ञानिकों को भौतिकी के विवरणों को खोए बिना वास्तविक समय में जटिल सिमुलेशन चलाने की अनुमति देता है।

यह क्या नहीं है (पेपर के आधार पर)

यह फिल्में या वास्तविक मानव चेहरे बनाने की विधि नहीं है (हालांकि लेखकों ने छवियों पर एक छोटा परीक्षण किया, लेकिन उनका मुख्य ध्यान भौतिकी पर है)।
यह भौतिकी के समीकरणों को सीधे हल नहीं करता है (जैसा कि पारंपरिक गणित करता है); यह डेटा से परिणाम की भविष्यवाणी करना सीखता है।
यह अभी भी सभी वीडियो जनरेशन के लिए एक "जादुई समाधान" नहीं है; लेखक स्वीकार करते हैं कि समृद्ध मानवीय क्रियाओं वाले जटिल, वास्तविक दुनिया के वीडियो पर इसे लागू करना अभी भी चुनौतीपूर्ण है।

निष्कर्ष (The Bottom Line)

RecFM को एक ऐसे छात्र के रूप में सोचें जो केवल गणित के सवाल का जवाब रटता नहीं है। इसके बजाय, वह सवाल को स्लो मोशन, फास्ट मोशन और मीडियम मोशन में हल करना सीखता है, और यह जाँचता है कि तीनों संस्करण आपस में मेल खाते हैं या नहीं। क्योंकि वह समस्या की संरचना को इतनी गहराई से समझता है, वह केवल एक त्वरित नज़र से इसे तुरंत हल कर सकता है, और वह इसे हर बार सही करता है।

तकनीकी सारांश: रिकर्सिव फ्लो मैचिंग (Recursive Flow Matching - RecFM)

समस्या विवरण

जेनरेटिव मॉडल भौतिक प्रणालियों को हल करने और जटिल स्थानिक-कालिक (spatiotemporal) गतिकी को मॉडल करने के लिए एक शक्तिशाली प्रतिमान बन गए हैं, जो अपूर्ण शासी समीकरणों (governing equations) और विरल अवलोकनों (sparse observations) को संभालने में पारंपरिक संख्यात्मक सॉल्वरों की तुलना में लाभ प्रदान करते हैं। हालाँकि, एक मौलिक चुनौती बनी हुई है: अत्यधिक कम्प्यूटेशनल लागत उठाए बिना उच्च भौतिक सटीकता प्राप्त करना। मौजूदा दृष्टिकोण एक महत्वपूर्ण स्पीड-फिडेलिटी (गति-सटीकता) ट्रेड-ऑफ का सामना करते हैं।

डिफ्यूजन-आधारित मॉडल, प्रभावी होने के बावजूद, एक अंतर्निहित पुनरावृत्ति अनुमान प्रक्रिया (iterative inference procedure) से ग्रस्त हैं जिसके लिए दर्जनों से लेकर सैकड़ों क्रमिक डिनोइजिंग चरणों की आवश्यकता होती है, जिससे महत्वपूर्ण कम्प्यूटेशनल ओवरहेड होता है। इसके विपरीत, निरंतर सामान्यीकरण प्रवाह (Continuous Normalizing Flows - CNFs) और फ्लो मैचिंग (Flow Matching - FM) प्रशिक्षण के दौरान सिमुलेशन के बिना अधिक कुशल विकल्प प्रदान करते हैं। फिर भी, एक महत्वपूर्ण सीमा बनी रहती है: इन मॉडलों में अनुमान चरणों (inference steps) की संख्या कम करने से अक्सर सटीकता में गिरावट आती है और अस्थिरता पैदा होती है, विशेष रूपकर दीर्घकालिक गतिक रोलआउट (long-term dynamical rollouts) में। कंसिस्टेंसी मॉडल्स या डिस्टिलेशन तकनीकों में आक्रामक चरण कमी अक्सर उच्च-आवृत्ति वाली संरचनाओं को सुचारू (smooth) कर देती है जो सटीक वैज्ञानिक सिमुलेशन के लिए महत्वपूर्ण हैं, जिससे स्पेक्ट्रल समृद्धि और स्थानिक-कालिक फिडेलिटी से समझौता होता है। एक ऐसे ढांचे की आवश्यकता है जो ट्रैजेक्टरी फिडेलिटी और स्थिरता बनाए रखते हुए कुशल कुछ-चरणों (आमतौर पर 1–4 चरण) वाले जेनरेशन को सक्षम कर सके।

कार्यप्रणाली: रिकर्सिव फ्लो मैचिंग (Rec-FM)

इन चुनौतियोंों को संबोधित करने के लिए, लेखक रिकर्सिव फ्लो मैचिंग (RecFM) पेश करते हैं, जो एक जेनरेटिव फ्रेमवर्क है जिसे विभिन्न विविक्तीकरण पैमानों (discretization scales) के बीच स्व-संगति (self-consistency) लागू करने के लिए डिज़ाइन किया गया है।

मूल अंतर्ज्ञान (Core Intuition)

एक दीवार से टकराने वाले पेंडुलम (wall-bouncing pendulum) की रिकर्सिव गति से प्रेरित होकर, RecFM यह मानता है कि विभिन्न पैमानों पर ट्रैजेक्टरीज को जोड़ा जा सकता है। एक मानक फ्लो मैचिंग सेटअप में, एक एकल ट्रैजेक्टरी नमूने को डेटा वितरण $p_0$ से शोर वितरण $p_1$ तक ले जाती है। RecFM इसे विभिन्न अनुमान-समय पारगमन पैमानों (inference-time traversal scales) के माध्यम से फैले ट्रैजेक्टरीज के एक परिवार को पेश करके विस्तारित करता है।

सूत्रीकरण (Formulation)

एक डेटा नमूने $x_0$ और एक शोर नमूने $x_1$ को देखते हुए, मानक रैखिक इंटरपॉलेंट (linear interpolant) $x_t = (1-t)x_0 + tx_1$ है जहाँ वेग $v^* = x_1 - x_0$ है। RecFM गहराई $D$ के साथ एक रिकर्सिव सूत्रीकरण पेश करता है, जो समय-पैमाना युग्मों $\{(\tau^{(i)}, \alpha^{(i)})\}_{i=1}^D$ के माध्यम से $D$ ट्रैजेक्टरीज को परिभाषित करता है।

पुनः स्केल किया गया समय (Rescaled Time): $\tau^{(i)} = t / \alpha^{(i)}$ , जहाँ $\alpha^{(1)} = 1$ और $\alpha^{(i)} = \alpha^{i-1}$ ।
क्रॉस-स्केल कंसिस्टेंसी (Cross-Scale Consistency): सभी ट्रैजेक्टरीज संगत रूप से संरेखित समय पर एक ही स्थानिक बिंदु $x_t$ से गुजरती हैं। मॉडल एक कंसिस्टेंसी संबंध लागू करता है जहाँ $i$ -वें ट्रैजेक्टरी का अनुमानित वेग, $\hat{v}^{(i)}$ , प्राथमिक वेग $\hat{v}^{(1)}$ से स्केलिंग फैक्टर के माध्यम से संबंधित होता है: $\hat{v}^{(i)} = \alpha^{(i)} \hat{v}^{(1)}$ ।

प्रशिक्षण उद्देश्य (Training Objective)

वेलोसिटी नेटवर्क $v_\theta(x, t, \alpha)$ को समय $t$ और स्केल $\alpha$ दोनों पर कंडिशन किया जाता है। कुल प्रशिक्षण उद्देश्य सभी स्केल्स पर पर्यवेक्षण को एकत्रित करता है और कंसिस्टेंसी को लागू करता है:
$L_{total} = \sum_{i=1}^D L_{traj}^{(i)} + \lambda \sum_{i=2}^D L_{cons}^{(i)}$
जहाँ:

$L_{traj}^{(i)} = \|\hat{v}^{(i)} - \alpha^{(i)}v^*\|_2^2$ (ट्रैजेक्टरी पर्यवेक्षण)।
$L_{cons}^{(i)} = \|\hat{v}^{(i)} - \alpha^{(i)}\hat{v}^{(1)}\|_2^2$ (क्रॉस-स्केल कंसिस्टेंसी)।

यह मल्टी-स्केल कपलिंग अतिरिक्त पर्यवेक्षण प्रदान करती है, जो कंडीशनिंग स्पेस में डेटा ऑग्मेंटेशन के रूप में कार्य करती है। यह ODE ट्रैजेक्टरी को "सीधा" (straighten) करती है, जिससे ट्रंकेशन एरर कम होता है और त्वरण पद (acceleration term) $a(x,t)$ न्यूनतम होता है, जो यूलर इंटीग्रेशन (Euler integration) के लिए एरर बाउंड्स को कड़ा करता है।

अनुमान (Inference)

RecFM काफी कम चरणों के साथ उच्च-फिडेलिटी जेनरेशन सक्षम करता है। सिंगल-स्टेप जेनरेशन के लिए, यह एक फंक्शन इवैल्यूएशन में शोर नमूने को डेटा मैनिफोल्ड में मैप करता है। मल्टी-स्टेप जेनरेशन के लिए, लागू की गई कंसिस्टेंसी के कारण सीखा गया वेलोसिटी फील्ड बड़े इंटीग्रेशन स्टेप्स के तहत स्थिर रहता है।

मुख्य योगदान

रिकर्सिव फ्लो मैचिंग फ्रेमवर्क: एक अभिनव फ्रेमवर्क जो जटिल भौतिक गतिकी के पूर्वानुमान के लिए जटिल भौतिक प्रणालियों के उपचार को एकीकृत करता है, चाहे वे स्पष्ट PDEs द्वारा शासित हों या अंतर्निहित रूप से सीखी गई डेटा-संचालित गतिकी द्वारा।
मल्टी-स्केल ट्रैजेक्टरी अलाइनमेंट: एक तंत्र जो सैंपलिंग स्केल्स के माध्यम से ट्रैजेक्टरीज की निरंतरता (consistency) को लागू करता है। यह डायनेमिकल रोलआउट को स्थिर करता है और कई अनुमान चरणों में त्रुटि संचय (error accumulation) को कम करता है, जिससे सटीक कुछ-चरण जेनरेशन संभव होता है।
उच्च-दक्षता एम्यूलेशन (High-Efficiency Emulation): सिम्युलेटेड और वास्तविक दुनिया के बेंचमार्क पर सत्यापन यह प्रदर्शित करता है कि RecFM अग्रणी डिफ्यूजन-आधारित एम्युलेटर्स की तुलना में काफी कम सैंपलिंग स्टेप्स के साथ स्टेट-ऑफ-द-आर्ट सटीकता प्राप्त करता है।

प्रयोगात्मक परिणाम

लेखकों ने तीन डायनेमिक फिजिक्स डेटासेट्स पर RecFM का मूल्यांकन किया: सी सरफेस टेम्परेचर (SST), नेवियर-स्टोक्स फ्लो (Navier-Stokes Flow), और हेल्महोल्ट्ज़ स्टेयरकेस इक्वेशन (Helmholtz Staircase Equation)।

डिफ्यूजन बनाम प्रदर्शन: RecFM अग्रणी डिफ्यूजन-आधारित एम्युलेटर्स (जैसे VideoPDE) की तुलना में 20× स्पीडअप प्राप्त करता है जबकि भविष्य कहनेवाला सटीकता (predictive accuracy) में सुधार करता है। हेल्महोल्ट्ज़ स्टेयरकेस इक्वेशन पर, RecFM ने सर्वश्रेष्ठ प्रदर्शन करने वाले बेसलाइन (VideoPDE) की तुलना में त्रुटि में 10× कमी दर्ज की।
वैनिला FM बनाम प्रदर्शन: वैनिला फ्लो मैचिंग की तुलना में, RecFM MSE को 15% से अधिक कम करता है और बेहतर कैलिब्रेशन दर्शाते हुए काफी बेहतर स्प्रेड-स्किल रेशियो (SSR) स्कोर प्रदान करता है।
स्टेप एफिशिएंसी: RecFM केवल 1–2 चरणों के साथ उच्च-गुणवत्ता वाले परिणाम उत्पन्न करता है, जबकि वैनिला फ्लो मैचिंग के लिए आमतौर पर ~5 चरणों की आवश्यकता होती है। दिलचस्प बात यह है कि 1 या 2 चरणों से अधिक चरणों को बढ़ाने से प्रदर्शन में लगातार सुधार नहीं हुआ, जो यह सुझाव देता है कि इन नियतात्मक (deterministic) प्रणालियों के लिए इटरेटिव रोलआउट में त्रुटि संचय हो सकता है।
प्रशिक्षण स्थिरता: RecFM डिफ्यूजन-आधारित बेसलाइन्स की तुलना में तेजी से अभिसरित (converge) होता है और पूरे प्रशिक्षण के दौरान लगातार कम वैलिडेशन एरर बनाए रखता है।

महत्व और दावे

पेपर का दावा है कि RecFM वैज्ञानिक एम्यूलेशन में पारंपरिक सैंपलिंग दक्षता और फिडेलिटी के बीच के ट्रेड-ऑफ को चुनौती देकर एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। लेखक तर्क देते हैं कि ट्रैजेक्टरीज को स्केल्स के बीच संरेखित करना वास्तव में स्थिरता और सटीकता को बढ़ाता है, विशेष रूप से भौतिक अनुप्रयोगों में।

मुख्य दावों में शामिल हैं:

RecFM उन पहले तरीकों में से एक है जो स्टेट-ऑफ-द-आर्ट मल्टी-स्टेप सॉल्वर के प्रदर्शन के साथ तुलनीय प्रदर्शन के साथ उच्च-फिडेलिटी वन- और फ्यू-स्टेप (2–4 स्टेप) डायनेमिक जेनरेशन प्राप्त करता है।
यह विधि वास्तविक समय के वैज्ञानिक एम्यूलेशन के लिए एक स्केलेबल और कुशल समाधान प्रदान करती है, जो भौतिक फिडेलिटी से समझौता किए बिना कम्प्यूटेशनल ओवरहेड को कम करती है।
यह फ्रेमवर्क भौतिकी से परे भी सामान्यीकृत होता है, जो कम प्रशिक्षण और अनुमान लागत के साथ प्रतिस्पर्धी इमेज जेनरेशन क्षमताएं दिखाता है, हालांकि इसका प्राथमिक ध्यान वैज्ञानिक प्रणालियों पर बना हुआ है।

लेखक नोट करते हैं कि जबकि RecFM नियतात्मक PDE-शासित कार्यों में उत्कृष्ट है, अत्यधिक स्टोकेस्टिक डेटा (जैसे SST) पर इसका लाभ थोड़ा कम स्पष्ट है, क्योंकि फ्यू-स्टेप फ्लो मैचिंग स्वाभाविक रूप से अधिक नियतात्मक है। वे यह भी स्वीकार करते हैं कि मानक फ्लो मैचिंग ट्रैजेक्टरीज में मौजूद समृद्ध सिमेंटिक और टेम्पोरल विविधताओं के कारण उच्च-जटिलता वाले वास्तविक वीडियो के लिए फ्रेमवर्क का विस्तार करना एक चुनौती बनी हुई है।