तकनीकी सारांश: CARTOGRAPH – स्वायत्त खोज के लिए सत्यापन योग्य प्रयोग संचालन और इनकार (Refusal)

1. समस्या विवरण

वर्तमान स्वायत्त वैज्ञानिक खोज लूप, जो लार्ज लैंग्वेज मॉडल (LLM) योजनाकारों, स्वचालित प्रयोगशालाओं और सांख्यिकीय व्याख्याकारों को एकीकृत करते हैं, एक महत्वपूर्ण बाधा का सामना करते हैं: संरचनात्मक अपर्याप्तता के तहत निर्णय लेना। जबकि मौजूदा प्रणालियाँ प्रयोग प्रस्तावित (Select) कर सकती हैं और डेटा की व्याख्या कर सकती हैं, उनमें यह निर्धारित करने के लिए एक सत्यापन योग्य तंत्र की कमी है कि कब वर्तमान यांत्रिक मॉडलों का पुस्तकालय (Library) मौलिक रूप से गलत है।

मानक बेयसियन ऑप्टिमल एक्सपेरिमेंटल डिजाइन (BOED) यह मानता है कि वास्तविक नियम 'प्रायर सपोर्ट' के भीतर ही है, और शास्त्रीय मॉडल भेदभाव यह मानता है कि कम से कम एक प्रतिद्वंद्वी मॉडल सही है। फार्माकोकाइनेटिक्स या सामग्रियों के संश्लेषण जैसे उच्च-जोखिम वाले डोमेन में, ये धारणाएं अक्सर विफल हो जाती हैं। यह शोध पत्र "इनकार" (Refuse) के निर्णय में एक अंतराल की पहचान करता है: प्रणाली वर्तमान में यह संकेत देने में सक्षम नहीं है कि उसे कब दावे करना बंद कर देना चाहिए क्योंकि हाइपोथेसिस स्पेस स्वयं संरचनात्मक रूप से अपर्याप्त है।

2. कार्यप्रणाली: CARTOGRAPH ढांचा

लेखक CARTOGRAPH का प्रस्ताव करते हैं, जो तीन जुड़े हुए निर्णयों को जोड़ता है: Select (प्रयोग का चयन), Resolve (अस्पष्टता का समाधान), और Refuse (पुस्तकालय अपर्याप्तता का पता लगाना)। यह ढांचा एक "व्यवहार संबंधी पहुंच" (behavioral access) मॉडल के तहत कार्य करता है, जहाँ एजेंट प्रतीकात्मक समीकरणों के बजाय सिम्युलेटर्स या रोबोटों से संख्यात्मक आउटपुट का अवलोकन करता है।

2.1. अनसुलझा उपस्थान ज्यामिति (Unresolved Subspace Geometry)

मुख्य गणितीय वस्तु अनसुलझा उपस्थान ($U_\tau$) है, जिसे संचित असहमति मैट्रिक्स ($H_{cur}$) के राइट सिंगुलर वेक्टर्स के स्पैन के रूप में परिभाषित किया गया है, जो $\sigma_j \le \tau$ वाले सिंगुलर मानों के अनुरूप हैं।

• असहमति मैट्रिक्स ($H$): एक उम्मीदवार प्रयोग $e$ के लिए सभी मॉडल युग्मों (pairs) में रैखिककृत युग्म-भविष्यवाणी अंतरों ($D_{ij,e} = J_{i,e} - J_{j,e}$) को स्टैक करके बनाया गया है।
• Select (Steering): ढांचा उन प्रयोगों का चयन करता है जो $U_\tau$ के भीतर सूचना लाभ (Information Gain) को अधिकतम करते हैं।
  • रॉ स्कोर (Raw Score): आइसोट्रोपिक अनसुलझा-प्रोजेक्शन स्कोर, $\|H_e U_\tau\|_F^2$, जो स्थानीय रैखिक-गॉसियन धारणाओं के तहत अनसुलझे फिशर-सूचना ट्रेस (Fisher-information trace) के अनुरूप है।
  • CARTOGRAPH-A: सटीक A-ऑप्टिमल नियम, जो अनसुलझे उपस्थान पर पोस्टीरियर वेरिएंस (posterior variance) में कमी को अधिकतम करता है: $\text{tr}(\Lambda_{cur}) - \text{tr}((\Lambda_{cur}^{-1} + G_e)^{-1})$, जहाँ $G_e$ शोर-जागरूक सूचना मैट्रिक्स है।
• Resolve: अस्पष्टता को तब हल माना जाता है जब $\dim(U_\tau) = 0$ (सटीक शासन) हो या जब सबसे छोटा सिंगुलर मान $\tau$ से अधिक हो (अनुमानित शासन)।

2.2. रिफ्यूज़ल गार्ड (The Refusal Guard)

मानक BOED के विपरीत, CARTOGRAPH में एक अवशेष-आधारित इनकार तंत्र (residual-based refusal mechanism) शामिल है। यह केवल $U_\tau$ की ज्यामिति पर निर्भर नहीं करता है, बल्कि भौतिक रूप से सार्थक सारांश विशेषताओं (जैसे $C_{max}$, टर्मिनल स्लोप) के सापेक्ष सर्वोत्तम-फिट लाइब्रेरी सदस्य के भौतिक फिट की निगरानी करता है।

• अवशेष मीट्रिक ($\rho$): भौतिक रूप से सार्थक सारांश विशेषताओं के सापेक्ष सर्वोत्तम-फिट लाइब्रेरी सदस्य का सामान्यीकृत $\ell_2$ अवशेष (residual)।
• पहचान अंतराल ($\mu$): शीर्ष दो लाइब्रेरी सदस्यों के बीच BIC गैप।
• तर्क: एक मॉडल को केवल तभी अस्थायी रूप से पहचाना जाता है जब $\rho \le \delta$ (अवशेष सीमा) और $\mu \ge \mu_{min}$ (BIC सीमा) हो। महत्वपूर्ण रूप से, यदि बाद के दौरों में $\rho$, $\delta$ से अधिक हो जाता है, तो प्रणाली पिछले पहचानों को वापस (revoke) ले लेती है, जो संकेत देती है कि पुस्तकालय संरचनात्मक रूप से अपर्याप्त है।

2.3. सैद्धांतिक सेतु (Theoretical Bridges)

यह शोध पत्र स्थापित करता है कि CARTOGRAPH एक मनमाना ह्यूरिस्टिक नहीं है, बल्कि एक स्थानीय रैखिक-गॉसियन ब्रिज के तहत स्थापित सिद्धांत के भीतर स्थित है:

• फिशर सूचना (Fisher Information): रॉ प्रोजेक्शन स्कोर ठीक अनसुलझे फिशर-सूचना ट्रेस के बराबर है।
• पोस्टीरियर वेरिएंस: $k=1$ (एक अनसुलझा आयाम) के लिए, प्रोजेक्शन स्कोर को अधिकतम करना अनसुलझे पोस्टीरियर वेरिएंस को न्यूनतम करने के समान है।
• EIG और Box-Hill: ढांचा क्लोज्ड-फॉर्म एक्सपेक्टेड इंफॉर्मेशन गेन (EIG) और बॉक्स-हिल मानदंड के आइसोट्रोपिक-लिमिट रिडक्शन के साथ प्रथम-क्रम संरेखण प्रदान करता है।
• स्केलिंग लॉ (Scaling Laws): सैद्धांतिक विश्लेषण भविष्यवाणी करता है कि कम-आयामी सेटिंग्स ($k/d \approx 1/2$) में, अनसुलझे-प्रोजेक्शन विधियाँ साधारण असहमति ह्यूरिस्टिक्स के साथ केवल बराबरी करेंगी, जबकि उच्च-आयामी सेटिंग्स ($d \to \infty$) में, वे स्पष्ट रूप से श्रेष्ठ होंगी।

3. मुख्य योगदान

1. औपचारिक एक्सेस-मॉडल विभेदन: प्रतीकात्मक पहुंच (कवरेज गुण) को व्यवहार संबंधी पहुंच (रैंक गुण) से अलग करता है, और उन स्थितियों को परिभाषित करता है जिनमें वास्तविक नियम की वसूली संभव है।
2. CARTOGRAPH ढांचा: एक एकीकृत लूप जो अनसुलझे-उपस्थान स्टीयरिंग को अवशेष-आधारित रिफ्यूज़ल गार्ड के साथ जोड़ता है, जिससे "ऑडिटेबल स्टॉप एंड एस्केलेट" सिग्नल सक्षम होता है।
3. स्थानीय BOED ब्रिज: स्थानीय रैखिक-गॉसियन शासन में अनसुलखे फिशर सूचना, A-ऑप्टिमैलिटी, और क्लोज्ड-फॉर्म EIG/Box-Hill के बीच सटीक पहचान स्थापित करता है।
4. स्केलिंग थ्योरी: एक रैंडम-कैंडिडेट स्केलिंग लॉ व्युत्पन्न करता है जो भविष्यवाणी करता है कि कब असहमति ह्यूरिस्टिक्स पर्याप्त होते हैं और कब प्रोजेक्शन आवश्यक होता है।
5. अनुभवजन्य सत्यापन: प्रतीकात्मक डायनेमिकल सिस्टम, फार्माकोकाइनेटिक (PK) बेंचमार्क, EPA टाइम-सीरीज डेटा, और A-Lab स्वायत्त सामग्री प्रणाली के एक पूर्वव्यापी ऑडिट में प्रदर्शन प्रदर्शित करता है।

4. प्रयोगात्मक परिणाम

4.1. Select: स्ट्रक्चर्ड नॉनलीन कैस्केड

एक स्केलेबल ODE सिस्टम बेंचमार्क ($d \in \{2, 4, 8, 16\}$) में:

• उच्च-आयामी लाभ: $d=8$ पर, CARTOGRAPH-A 65% परीक्षणों में ऑरेकल "हिडन-बेस्ट" प्रयोग को चुनता है, जबकि रॉ प्रोजेक्शन और असहमति बेसलाइन केवल 2% चुनते हैं ($p < 10^{-21}$)।
• निम्न-आयामी बराबरी: $d=2$ पर, सभी विधियाँ बराबरी करती हैं, जो सैद्धांतिक भविष्यवाणी के अनुरूप है कि जब $k/d = 1/2$ हो, तो असहमति ह्यूरिस्टिक्स उपयोगी सिग्नल का आधा हिस्सा कैप्चर करते हैं।
• दक्षता: CARTOGRAPH-A, क्लोज्ड-फॉर्म EIG के प्रदर्शन के बराबर प्रदर्शन प्राप्त करता है, लेकिन यह कंप्यूटेशनल रूप से सस्ता है (प्रति दौर एक SVD बनाम मोंटे कार्लो इंटीग्रेशन)।

4.2. Select: फार्माकोकाइनेटिक बाउंड्री केस

एक निम्न-आयामी PK लाइब्रेरी ($k/d \approx 1/2$) में:

• ढांचा CARTOGRAPH और असहमति ह्यूरिस्टिक्स के बीच लगभग बराबरी (near-ties) देखता है, जो स्केलिंग थ्योरी को मान्य करता है।
• यह परिणाम एक ईमानदार नकारात्मक निष्कर्ष के रूप में प्रस्तुत किया गया है: निम्न आयामों में, जटिल प्रोजेक्शन साधारण असहमति के मुकाबले कोई महत्वपूर्ण लाभ नहीं देता है।

4.3. Refuse: आउट-ऑफ-लाइब्रेरी मैकेनिज्म

सबसे विशिष्ट निष्कर्ष वापसी (revocation) क्षमता है:

• परिदृश्य: तीन आउट-ऑफ-लाइब्रेरी PK मैकेनिज्म (समय-परिवर्तनीय क्लीयरेंस, सैचुरेबल एलिमिनेशन, एंटरोहेपेटिक रिसर्कुलेशन) और एक इन-लाइब्रेरी कंट्रोल।
• व्यवहार: CARTOGRAPH शुरुआती दौर (0–1) में एक लाइब्रेरी सदस्य को अस्थायी रूप से पहचानता है, लेकिन बाद के दौरों (2–5) में इन पहचानों को वापस (revoke) ले लेता है क्योंकि सामान्यीकृत अवशेष ($\rho$) रिफ्यूज़ल थ्रेशोल्ड ($\delta = 0.25$) को पार कर जाते हैं।
• नियंत्रण: इन-लाइब्रेरी कंट्रोल पूरे समय पहचाना हुआ रहता है।
• बेसलाइन विफलता: एक मानक प्रेडिक्टिव-अनिश्चितता ह्यूरिस्टिक (एन्सेम्बल वेरिएंस) इन विफलताओं का पता लगाने में विफल रहता है, और तब भी आश्वस्त रहता है जब लाइब्रेरी गलत होती है।

4.4. वास्तविक दुनिया का ऑडिट: A-Lab

प्रकाशित A-Lab स्वायत्त सामग्री प्रणाली के 40 सकारात्मक दावों का एक पूर्वव्यापी ऑडिट:

• रिफ्यूज़ल प्रदर्शन: CARTOGRAPH ने उन सभी 4/4 दावों को चिह्नित किया जिन्हें मैनुअल पुन: विश्लेषण के तहत बाद में "अनिर्णायक" (inconclusive) घोषित किया गया था।
• पास रेट: इसने 32/36 पुष्ट दावों को पास किया।
• तुलना: एक अवशेष-मात्र बेसलाइन (Rwp) किसी भी अनिर्णायक दावों को चिह्नित करने में विफल रहा।

5. महत्व और दावे

यह शोध पत्र दावा करता है कि CARTOGRAPH स्वायत्त खोज के लिए एक शासित (governed) दृष्टिकोण प्रदान करता है। इसका महत्व सार्वभौमिक चयन लाभों में नहीं (जो निम्न आयामों में मामूली हैं) बल्कि ऑडिटेबल रिफ्यूज़ल सिग्नल में निहित है।

• ईमानदारी: ढांचा स्पष्ट रूप से इस मामले को संभालता है जहाँ पुस्तकालय संरचनात्मक रूप से गलत है, एक ऐसी स्थिति जिसे मानक BOED अनदेखा कर देता है।
• वापसी (Revocation): यह प्रमाणों के संचय के साथ अस्थायी वैज्ञानिक दावों को वापस लेने की क्षमता प्रदर्शित करता है, जो उच्च-जोखिम वाले विज्ञान के लिए आवश्यक व्यवहार है।
• शासन (Governance): यह एक निर्णय लॉग ($\rho, \delta$, रिवोकेशन इवेंट्स) जारी करता है जिसे ऑडिट किया जा सकता है, जो "सुवेल-सपोर्टेड रिफ्यूज़ल" को वैज्ञानिक रूप से विश्वसनीय परिणाम के रूप में मानता है।

लेखक इस बात पर जोर देते हैं कि प्रणाली की "सत्यापन योग्य" प्रकृति लॉग किए गए अवशेषों और थ्रेशोल्ड से आती है, न कि सार्वभौमिक विश्वसनीयता प्रमाणन से। यह ढांचा LLM योजनाकारों के लिए एक सत्यापन परत के रूप में डिज़ाइन किया गया है, जो उस कठोर सांख्यिकीय भेदभाव को संभालता है जिसे LLM स्वाभाविक रूप से नहीं कर सकते।