तकनीकी सारांश: स्टोकेस्टिक भौतिक प्रणालियों के प्रक्षेपवक्र (Trajectories) उत्पन्न करने के लिए स्टोकेस्टिक लिफ्टिंग

1. समस्या का निरूपण (Problem Formulation)

यह शोधपत्र स्टोकेस्टिक भौतिक प्रणालियों से विविध और विश्वसनीय प्रक्षेपवक्र (trajectories) उत्पन्न करने की चुनौती को संबोधित करता है। कई कम्प्यूटेशनल भौतिकी समस्याओं में, सिस्टम की अवस्था $X_t$ एक सशर्त संक्रमण नियम (conditional transition law) $X_{t+1} \sim \rho(\cdot | X_t = x_t)$ के अनुसार विकसित होती है। लक्ष्य केवल बिंदु भविष्यवाणी (अगली अवस्था के माध्य का अनुमान लगाना) नहीं है, बल्कि पूर्ण प्रक्षेपवक्र समूह (trajectory ensembles) उत्पन्न करने के लिए इस सशर्त वितरण से सैंपलिंग करना है।

मानक रिग्रेशन दृष्टिकोण यहाँ विफल हो जाते हैं क्योंकि $f: x_t \to x_{t+1}$ को मीन-स्क्वेर्ड एरर (MSE) का उपयोग करके फिट करने से समाधान सशर्त प्रत्याशा (conditional expectation) $E[X_{t+1} | X_t = x_t]$ पर सिमट जाता है, जिससे स्टोकेस्टिक प्रक्रिया की अंतर्निहित परिवर्तनशीलता दब जाती है। इसके विपरीत, सामान्य-उद्देश्य वाले जनरेटिव मॉडल (जैसे डिफ्यूजन या फ्लो-आधारित मॉडल) वितरणों का प्रतिनिधित्व कर सकते हैं, लेकिन आमतौर पर इन्फरेंस के दौरान मल्टी-स्टेप सैंपलिंग की आवश्यकता होती है। लंबाई $T$ का प्रक्षेपवक्र उत्पन्न करने के लिए $s$-स्टेप सैंपलर को $T \times s$ न्यूरल नेटवर्क मूल्यांकनों की आवश्यकता होती है, जो अत्यधिक कम्प्यूटेशनल रूप से महंगा है। हालांकि हाल ही में "वन-स्टेप" सैंपलर अस्तित्व में आए हैं, वे अक्सर प्रशिक्षण स्थिरता (training stability) के साथ संघर्ष करते हैं या उन्हें स्टेटिक जनरेशन (शोर-से-छवि) के लिए डिज़ाइन किया गया है, न कि प्रक्षेपवक्र डेटा में पाई जाने वाली समय-निर्भर नियमितता (time-dependent regularity) के लिए।

2. कार्यप्रणाली: स्टोकेस्टिक लिफ्टिंग (Methodology: Stochastic Lifting)

लेखक स्टोकेस्टिक लिफ्टिंग का प्रस्ताव करते हैं, जो भौतिक प्रणालियों के स्मूथनेस (smoothness) के सिद्धांत का लाभ उठाता है: पर्याप्त छोटे समय चरणों के लिए, संक्रमण नियम अवस्था के साथ नियमित रूप से बदलता है, और अगली अवस्थाओं को वर्तमान अवस्था के छोटे विक्षोभ (perturbations) के रूप में देखा जा सकता है।

मुख्य तंत्र (Core Mechanism)

1. स्टोकेस्टिक लेबलिंग (Stochastic Labeling): प्रशिक्षण डेटा युग्मों $(x_t, x_{t+1})$ को एक स्वतंत्र रूप से खींचे गए, उच्च-आयामी सहायक स्टोकेस्टिक लेबल $\xi_t \in \mathbb{R}^d$ (आमतौर पर मानक सामान्य वितरण $\mathcal{N}(0, I_d)$ से लिया गया) के साथ संवर्धित किया जाता है। यह एक संवर्धित डेटासेट $D_\xi = \{(x_t, x_{t+1}, \xi_t)\}$ बनाता है।
2. मैप को लिफ्ट करना (Lifting the Map): $f: x_t \to x_{t+1}$ मैप सीखने के बजाय, यह विधि एक मैप $F: (x_t, \xi_t) \to x_{t+1}$ सीखती है।
   • लेबल $\xi_t$ एक सहायक समन्वय (coordinate) के रूप में कार्य करता है जो स्टोकेस्टिसिटी को पैरामीटराइज़ करता है।
   • प्रत्येक वास्तविक संक्रमण को एक अद्वितीय रैंडम लेबल असाइन करके, मैप $F$ समान वर्तमान अवस्थाओं के लिए कई संभावित अगली अवस्थाओं को इंटरपोलेट (interpolate) कर सकता है बिना माध्य पर सिमटे।
3. प्रशिक्षण (Training): मैप $F_\theta$ (जिसे न्यूरल नेटवर्क द्वारा पैरामीटराइज़ किया गया है) को लेबल किए गए युग्मों पर एक मानक एम्पिरिकल रिग्रेशन लॉस (जैसे $L_2$ या LPIPS) का उपयोग करके प्रशिक्षित किया जाता है:
   $$\mathcal{L}(\theta) = \frac{1}{MT} \sum_{i,t} \| F_\theta(x_t^i, \xi_t^i) - x_{t+1}^i \|_2^2$$
4. इन्फरेंस (Inference): एक प्रक्षेपवक्र उत्पन्न करने के लिए, मॉडल एक प्रारंभिक अवस्था $x_0$ से शुरू होता है। प्रत्येक समय चरण $t$ पर, लेबल वितरण $\nu$ से एक नया लेबल $\xi_t$ सैंपल किया जाता है, और अगली अवस्था एक एकल नेटवर्क मूल्यांकन के माध्यम से कंप्यूट की जाती है: $x_{t+1} = F_\theta(x_t, \xi_t)$। इस प्रक्रिया को ऑटो-रिग्रेसिव रूप से चलाया जाता है।

सैद्धांतिक आधार (Theoretical Underpinnings)

शोधपत्र दो प्रमुख अंतर्दृष्टि के आधार पर परिमित-नमूना (finite-sample) सैद्धांतिक विश्लेषण प्रदान करता है:

• स्मूथनेस और लिप्सचिट्ज़ रेगुलैरिटी (Smoothness and Lipschitz Regularity): यदि सीखा गया मैप $F$ स्मूथ है (जिसका लिप्सचिट्ज़ स्थिरांक कम है) और प्रशिक्षण डेटा को इंटरपोलेट करता है, तो उत्पन्न नमूने Wasserstein-2 मेट्रिक में वास्तविक सशर्त वितरण के करीब होते हैं।
• लेबल आयाम की भूमिका (Role of Label Dimension): उच्च-आयामी लेबल ($d$) लिफ्टेड स्पेस में प्रशिक्षण बिंदुओं की पृथक्करणीयता (separability) को बढ़ाते हैं। सैद्धांतिक रूप से, लेबल आयाम $d$ को बढ़ाने से किसी भी डेटा इंटरपोलेन्ट के लिए आवश्यक न्यूनतम लिप्सचिट्ज़ स्थिरांक कम हो जाता है। यह नेटवर्क को नए लेबल के लिए सामान्यीकरण (generalization) हेतु आवश्यक स्मूथनेस बनाए रखते हुए डेटा को फिट करने (interpolation) की अनुमति देता है।
• परिमित-नमूना शासन (Finite-Sample Regime): यह विधि स्पष्ट रूप से परिमित-नमूना शासन के लिए डिज़ाइन की गई है। अनंत-डेटा सीमा ($M \to \infty$) में, लेबल अवस्थाओं से स्वतंत्र हो जाते हैं, और मिनिमाइज़र सशर्त प्रत्याशा पर सिमट जाएगा। हालांकि, परिमित डेटा और उच्च-आयामी लेबल के साथ, नेटवर्क शून्य प्रशिक्षण त्रुटि (इंटरपोलेशन) प्राप्त कर सकता है जबकि स्मूथ बना रहता है, जिससे यह पतन (collapse) से बच जाता है।

3. मुख्य योगदान (Key Contributions)

1. स्टोकेस्टिक लिफ्टिंग का परिचय: एक नया ढांचा जो एक-चरण जनरेटर सीखने के लिए अवस्था संक्रमणों को स्टोकेस्टिक लेबल असाइन करता है। यह प्रति समय चरण एक एकल नेटवर्क मूल्यांकन के साथ प्रक्षेपवक्र जनरेशन को सक्षम बनाता है।
2. परिमित-नमूना सिद्धांत (Finite-Sample Theory): लेखक Wasserstein बाउंड्स को व्युत्पन्न करते हैं जो प्रदर्शित करते हैं कि इंटरपोलेशन के साथ लिप्सचिट्ज़ रेगुलैरिटी, सैंपलिंग त्रुटि को नियंत्रित करती है। वे दिखाते हैं कि उच्च-आयामी लेबल डेटा के ज्यामिति को बेहतर बनाते हैं, जिससे लो-लिप्सचिट्ज़ इंटरपोलेशन संभव होता है।
3. अनुभवजन्य अत्याधुनिक स्थिति (Empirical State-of-the-Art): इसे स्टोकेस्टिक भौतिक प्रणालियों और वीडियो जनरेशन कार्यों पर मौजूदा दृष्टिकोणों से बेहतर प्रदर्शन करते हुए दिखाया गया है।

4. प्रयोगात्मक परिणाम (Experimental Results)

शोधपत्र तीन डोमेन पर स्टोकेस्टिक लिफ्टिंग का मूल्यांकन करता है:

A. स्टोकेस्टिक भौतिक प्रणालियाँ (Stochastic Physical Systems)

• डफिंग ऑसिलेटर (Duffing Oscillator): स्मूथनेस के सिद्धांत को मान्य करने के लिए उपयोग किया गया एक सरल SDE उदाहरण। प्रशिक्षण युग्मों को शफल करने ( $x_t \to x_{t+1}$ कपलिंग को तोड़ने) से प्रदर्शन गिर गया, जो पुष्टि करता है कि विधि स्मूथ ट्रांजिशन स्ट्रक्चर पर निर्भर करती है। लेबल आयाम बढ़ाने से प्रशिक्षण हानि और ग्रेडिएंट नॉर्म कम हो गए, जो स्मूथनेस को बढ़ावा देने की पुष्टि करता है।
• रैंडम मीडिया में ट्रैवलिंग वेव (Traveling Wave in Random Media): एक 2D वेव इक्वेशन जिसमें रैंडम वेव स्पीड है। प्रारंभिक स्थिति नियत (deterministic) है, लेकिन माध्यम स्टोकेस्टिसिटी पेश करता है।
• पोरस मीडिया में टू-फेज फ्लो (Two-Phase Flow in Porous Media): रैंडम पारगम्यता (permeability) के साथ एक इनकम्प्रेसिबल फ्लो समस्या।
• तुलना: दोनों भौतिक समस्याओं में, स्टोकेस्टिक लिफ्टिंग (1 स्टेप) ने ARDM (Autoregressive Diffusion Models) की सटीकता की बराबरी की या उससे बेहतर प्रदर्शन किया, जिसे 40 डिफ्यूजन स्टेप्स की आवश्यकता थी। इसने गैर-गॉसियन वितरणों (जैसे क्रॉसिंग टाइम में हेवी टेल्स) को सटीक रूप से कैप्चर किया जहाँ ARDMs कई स्टेप्स के बावजूद विफल रहे।

B. वीडियो जनरेशन (Video Generation)

• BAIR रोबोट पुशिंग (BAIR Robot Pushing): वीडियो प्रेडिक्शन के लिए एक मानक बेंचमार्क। स्टोकेस्टिक लिफ्टिंग ने सभी वन-स्टेप विधियों में सबसे कम Fréchet Video Distance (FVD) प्राप्त किया और उन मल्टी-स्टेप डिफ्यूजन मॉडल्स के प्रतिस्पर्धी रहा जो काफी अधिक कंप्यूट का उपयोग करते हैं।
• CLEVRER: टकरावों के बारे में तर्क करने के लिए एक सिंथेटिक डेटासेट। मॉडल को 16-फ्रेम वीडियो पर प्रशिक्षित किया गया था लेकिन इसने सफलतापूर्वक 500 फ्रेम तक रोल-आउट किया, जिससे स्थिर इंटरैक्शन और ऑब्जेक्ट एक्यूमुलेशन उत्पन्न हुए जो प्रशिक्षण में नहीं देखे गए थे।

5. महत्व और सीमाएँ (Significance and Limitations)

महत्व:
शोधपत्र तर्क देता है कि स्टोकेस्टिक लिफ्टिंग प्रक्षेपवक्र डेटा के लिए मल्टी-स्टेप जनरेटिव मॉडल्स का एक कम्प्यूटेशनल रूप से कुशल विकल्प है। समय-निर्भर प्रणालियों (जहाँ $x_{t+1}$, $x_t$ का एक छोटा विक्षोभ है) की संरचनात्मक नियमितता का लाभ उठाकर, यह प्रति समय चरण $O(1)$ नेटवर्क मूल्यांकन के साथ उच्च-गुणवत्ता वाली सैंपलिंग प्राप्त करता है। इसका सैद्धांतिक ढांचा व्यावहारिक मार्गदर्शन प्रदान करता है: लेबल आयाम को बढ़ाना स्मूथनेस और डेटा के बीच की पृथक्करणीयता को सुधारने के लिए एक व्यावहारिक लीवर है।

सीमाएँ (लेखकों द्वारा वर्णित):

1. कपलिंग की आवश्यकता (Coupling Requirement): विधि वर्तमान और अगली अवस्थाओं के बीच मजबूत कपलिंग पर महत्वपूर्ण रूप से निर्भर करती है। यह अनकंडीशनल जनरेशन (जैसे शुद्ध शोर से छवियां बनाना) के लिए विफल हो जाती है जहाँ संक्रमण संरचना अनुपस्थित होती है।
2. लेबल आयाम बनाम डेटा (Label Dimension vs. Data): जबकि उच्च आयाम एक लीनियर इंटरपोलेन्ट के अस्तित्व की गारंटी देते हैं, उन्हें सटीक रूप से प्रशिक्षित करने के लिए आनुपातिक रूप से अधिक डेटा की आवश्यकता हो सकती है।
3. परिमित-नमूना फोकस (Finite-Sample Focus): सिद्धांत परिमित-नमूना शासन और समय मार्जिनल पर लागू होता है। स्टोकेस्टिक लिफ्टिंग के लिए एक सार्थक पॉपुलेशन लिमिट अभी भी एक खुला प्रश्न है।
4. मैनिफोल्ड धारणा (Manifold Assumption): उत्पन्न नमूनों की गुणवत्ता इस बात पर निर्भर करती है कि नेटवर्क एक सार्थक एम्बेडिंग सीखता है जहाँ नए लेबल डेटा मैनिफोल्ड को मैप करते हैं; यह किन परिस्थितियों में विफल होता है, इसका पूर्ण लक्षण वर्णन नहीं किया गया है।