🤖 machine learning

HAMON: Passive Optical Sequence Mixing for Long-Horizon Forecasting

यह शोध पत्र HAMON को प्रस्तुत करता है, जो एक निष्क्रिय विवर्तनिक ऑप्टिकल पूर्वानुमान कोर (passive diffractive optical forecasting core) है जो डिजिटल अनुक्रम मिश्रण (digital sequence mixing) के बिना लंबी अवधि के टाइम-सीरीज़ पूर्वानुमान करने के लिए फ्री-स्पेस डिफ्रैक्शन और ट्रेन करने योग्य फेज़ मास्क का लाभ उठाता है, जो कई बेंचमार्क पर मजबूत डिजिटल बेसलाइन के मुकाबले प्रतिस्पर्धी या बेहतर प्रदर्शन प्राप्त करता है और ऑप्टिकल हार्डवेयर कार्यान्वयन के लिए एक ठोस लक्ष्य को परिभाषित करता है।

मूल लेखक: Alper Yıldırım

प्रकाशित 2026-06-16

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Alper Yıldırım

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 पिछले सप्ताह के डेटा के आधार पर अगले सप्ताह के मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। आमतौर पर, कंप्यूटर यह करने के लिए जटिल डिजिटल गणित चलाते हैं, जो एक सिलिकॉन चिप में, परत दर परत, नंबरों को प्रोसेस करता है।

यह शोध पत्र HAMON पेश करता है, जो इसे करने का एक बिल्कुल अलग तरीका है। भविष्य की गणना करने के लिए डिजिटल मस्तिष्क का उपयोग करने के बजाय, HAMON प्रकाश (light) का उपयोग स्वयं "गणित करने" के लिए करता है।

यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग यहाँ दिया गया है:

1. सेटअप: एक दृश्य वाली खिड़की

HAMON को एक विशेष खिड़की के रूप में समझें।

अतीत (इनपुट): आप डेटा के इतिहास (जैसे तापमान के पिछले 336 घंटे) को इस खिड़की के बाईं ओर पेंट करते हैं। यदि तापमान अधिक था, तो पेंट चमकीला होगा; यदि कम था, तो वह धुंधला होगा।
भविष्य (आउटपुट): खिड़की का दाहिना हिस्सा पूरी तरह से अंधेरा छोड़ दिया जाता है। यह उस समय अवधि का प्रतिनिधित्व करता है जिसकी आप भविष्यवाणी करना चाहते हैं।
लक्षत: आप चाहते हैं कि "अतीत" की ओर से आने वाला प्रकाश स्वाभाविक रूप से इस खिड़की के पार बहे और जादुई रूप से अंधेरे वाले हिस्से पर "भविष्य" की एक तस्वीर बना दे।

2. जादुई ट्रिक: पैसिव लाइट (Passive Light)

एक सामान्य कंप्यूटर में, आपको भविष्य की गणना करने के लिए एक प्रोसेसर की आवश्यकता होगी कि अतीत भविष्य में कैसे बदलता है। HAMON में, भारी काम करने के लिए आपको किसी प्रोसेसर की आवश्यकता नहीं है।

इसके बजाय, आप अतीत और भविष्य के बीच विशेष, पारदर्शी शीट (जिन्हें फेज मास्क कहा जाता है) की एक श्रृंखला रखते हैं। ये शीट इन कस्टम-मेड फिल्टरों की तरह हैं जो प्रकाश को बहुत विशिष्ट तरीकों से मोड़ते और घुमाते हैं।

जब आप "अतीत" के प्रकाश को इन शीटों के माध्यम through गुजारते हैं, तो प्रकाश की तरंगें एक-दूसरे के साथ हस्तक्षेप (interference) करती हैं (जैसे तालाब में लहरों का मिलना)।
भौतिकी के नियमों के कारण (विशेष रूप से यह कि प्रकाश कैसे विवर्तित (diffract) और फैलता है), प्रकाश अपनी यात्रा के दौरान स्वाभाविक रूप से खुद को नया आकार देता है।
जब तक प्रकाश "भविष्य" की ओर पहुँचता है, प्रकाश का पैटर्न ही "भविष्यवाणी" बन जाता है।

मुख्य नवाचार: कंप्यूटर को केवल यह समझने की आवश्यकता है कि इन पारदर्शी शीटों का आकार क्या होना चाहिए। एक बार जब उन्हें डिजाइन कर लिया जाता है, तो वास्तविक भविष्यवाणी प्रकाश के गुजरने के साथ स्वतः ही हो जाती है। इसके लिए डिजिटल गणित की आवश्यकता नहीं होती। यह एक डोमिनो चेन सेट करने जैसा है: एक बार जब आप पहले डोमिनो को धक्का देते हैं, तो बाकी अपने आप गिर जाते हैं।

3. हम ऐसा क्यों कर रहे हैं?

लेखक ने देखा कि लंबी अवधि की भविष्यवाणियों के लिए, आवश्यक "गणित" वास्तव में काफी सरल और रैखिक (linear) है। इसके लिए आधुनिक AI की तरह बहुत जटिल, भारी-भरकम डिजिटल मस्तिष्क की आवश्यकता नहीं है।

चूंकि प्रकाश स्वाभाविक रूप से इन सरल रैखिक गणनाओं को मुफ्त में करता है, तो एक धीमे, ऊर्जा की खपत करने वाले डिजिटल चिप का उपयोग क्यों किया जाए? HAMON पूछता है: "क्या हम बस भौतिकी (physics) को काम करने दे सकते हैं?"

4. उन्होंने क्या पाया?

शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए प्रकाश के कंप्यूटर सिमुलेशन का उपयोग किया (क्योंकि उन्होंने अभी तक कांच और लेंस वाली वास्तविक भौतिक मशीन नहीं बनाई है)।

परिणाम: कई मानक मौसम और ऊर्जा डेटासेट्स पर, HAMON ने आश्चर्यजनक रूप से अच्छा प्रदर्शन किया। कुछ मामलों में, यह वर्तमान में उपलब्ध सबसे मजबूत डिजिटल AI मॉडल से भी बेहतर था।
प्रमाण: उन्होंने यह सुनिश्चित करने के लिए "सेंटी-चेक" (sanity checks) किए कि क्या वास्तव में प्रकाश ही काम कर रहा है। जब उन्होंने प्रकाश के पैटर्न को अस्त-व्यस्त कर दिया या यह बदल दिया कि प्रकाश कैसे प्रवेश करता है, तो भविष्यवाणियां खराब हो गईं। इससे यह सिद्ध हुआ कि सिस्टम अंत में छिपे हुए डिजिटल कैलकुलेटर के साथ "चीटिंग" नहीं कर रहा था; बल्कि प्रकाश स्वयं जानकारी ले जा रहा था।

5. कमी (यह क्या नहीं है)

यह अभी तक कोई तैयार उत्पाद नहीं है: यह वर्तमान में एक सिमुलेशन है। उन्होंने अभी तक कांच और लेजर के साथ एक भौतिक उपकरण नहीं बनाया है।
यह पूर्ण प्रतिस्थापन नहीं है: डेटा को "तैयार" करने (नॉर्मलाइज़ करने) के लिए, जिसे प्रकाश में चमकाया जाना है, और प्रकाश के गुजरने के बाद परिणाम को "पढ़ने" के लिए, इसे अभी भी एक डिजिटल कंप्यूटर की आवश्यकता होती है। लेकिन मुख्य "सोचने" वाला हिस्सा निष्क्रिय प्रकाश द्वारा किया जाता है।

निचोड़

HAMON एक 'प्रूफ-ऑफ-कांसेप्ट' है जो कहता है: हमें भविष्य की भविष्यवाणी करने के लिए हमेशा डिजिटल मस्तिष्क की आवश्यकता नहीं होती। कभी-कभी, यदि आप सही भौतिक वातावरण (जैसे प्रकाश को मोड़ने वाली शीटों की एक श्रृंखला) सेट कर देते हैं, तो प्रकृति प्रकाश को गुजरने देकर आपके लिए भविष्यवाणी कर देगी। यह तेज़, अधिक कुशल AI बनाने के लिए भौतिकी के नियमों का उपयोग करने की दिशा में एक कदम है।

तकनीकी सारांश: HAMON – दीर्घ-क्षिति पूर्वानुमान के लिए निष्क्रिय ऑप्टिकल अनुक्रम मिश्रण (Passive Optical Sequence Mixing)

समस्या विवरण (Problem Statement)

दीर्घ-क्षिति समय-श्रृंखला पूर्वानुमान (Long-horizon time-series forecasting) पारंपरिक रूप से डीप लर्निंग आर्किटेक्चर, विशेष रूप से ट्रांसफॉर्मर्स (Transformers) पर निर्भर रहा है, जो सघन, सुपरपोज्ड रिप्रजेंटेशन और डिजिटल मैट्रिक्स गुणन का उपयोग करते हैं। हालाँकि, हालिया साक्ष्य बताते हैं कि मानक बेंचमार्क पर प्रतिस्पर्धी प्रदर्शन के लिए आवश्यक रूप से इन जटिल गैर-रेखीय (nonlinear) विशेषताओं की आवश्यकता नहीं होती है। हल्के वजन वाले रैखिक मॉडल (जैसे DLinear) और फ्रीक्वेंसी-डोमेन मॉडल (जैसे FITS) ने प्रदर्शित किया है कि मुख्य पूर्वानुमान ऑपरेटर अक्सर कम-जटिलता वाला और लगभग रैखिक होता है।

यह अवलोकन एक मौलिक प्रश्न खड़ा करता है: यदि मुख्य पूर्वानुमान प्रक्रिया अनिवार्य रूप से टेम्पोरल या स्पेक्ट्रल घटकों का एक रैखिक मिश्रण है, तो क्या इसे सीखे गए डिजिटल अंकगणित (learned digital arithmetic) के माध्यम से ही कार्यान्वित किया जाना चाहिए? पेपर का तर्क है कि रैखिक ऑपरेटर, जो सिलिकॉन में गणनात्मक रूप से महंगे होते हैं (मैल्टीप्लाई-एक्युमुलेट ऑपरेशंस की आवश्यकता होती है), उन्हें निष्क्रिय भौतिक मीडिया (passive physical media), विशेष रूप से फूरियर ऑप्टिक्स द्वारा नियंत्रित सुसंगत प्रकाश प्रसार (coherent light propagation) द्वारा "मुफ्त" में किया जा सकता है।

कार्यप्रणाली (Methodology)

लेखक HAMON (Passive Optical Sequence-Mixing) पेश करते हैं, जो एक पूर्वानुमान आर्किटेक्चर है जो डिजिटल अनुक्रम-मिश्रण परत को एक निष्क्रिय विवर्तन कोर (passive diffractive optical core) से बदल देता है।

मुख्य आर्किटेक्चर (Core Architecture)

HAMON पूर्वानुमान कार्य को एक विवर्तन समस्या (diffraction problem) के रूप में पुनर्गठित करता है:

इनपुट एनकोडिंग (Input Encoding): एक बहुभिन्नरूपी ऐतिहासिक समय-श्रृंखला $x \in \mathbb{R}^{L \times C}$ $x \in R^{L \times C}$ को एक चौड़ाई $G$ $G$ वाले एक आयामी ऑप्टिकल अपर्चर पर सामान्यीकृत (रिवर्सिबल इंस्टेंस नॉर्मलाइजेशन, RevIN का उपयोग करके) और एनकोड किया जाता है।
- एम्प्लीट्यूड एनकोडिंग (Amplitude Encoding): सामान्यीकृत मान सीधे क्षेत्र एम्प्लीट्यूड (field amplitude) निर्धारित करते हैं।
- फेज एनकोडिंग (Phase Encoding): अपर्चर का परिमाण (magnitude) इकाई है, और सामान्यीकृत मान फेज ( $e^{i\alpha \pi x}$ ) को मॉड्युलेट करते हैं।
- "भविष्य" के स्थानों को अपर्चर पर काला (शून्य तीव्रता) छोड़ दिया जाता है।
पैसिव ऑप्टिकल कोर (Passive Optical Core): इनपुट फील्ड $N$ $N$ क्रमिक, सीखने योग्य फेज मास्क (phase masks) के माध्यम से प्रसारित होता है, जो मुक्त-स्थान प्रसार दूरियों $z$ $z$ द्वारा अलग किए गए हैं।
- फेज मास्क (Phase Masks): प्रत्येक परत $\ell$ , एलिमेंट-वाइज मल्टीप्लिकेशन के माध्यम से एक फेज शिफ्ट $\phi_\ell$ लागू करती है: $U \leftarrow U \odot \exp(i\phi_\ell)$ ।
- प्रसार (Propagation): मास्क के बीच, फील्ड को एंगुलर-स्पेक्ट्रम विधि (फूरियर ऑप्टिक्स) का उपयोग करके प्रसारित किया जाता है, जो विवर्तन (diffraction) और हस्तक्षेप (interference) का अनुकरण करता है।
- रीडआउट (Readout): फील्ड को एक रीडआउट प्लेन तक प्रसारित किया जाता है। पूर्वानुमान को भविष्य के टाइम-स्टेप्स के अनुरूप प्रारंभिक काले क्षेत्र से निकाला जाता है।
  - कोहेरेंट रीडआउट (Coherent Readout): कॉम्प्लेक्स फील्ड के वास्तविक भाग (real part) का उपयोग करता है।
  - इंटेंसिटी रीडआउट (Intensity Readout): वर्ग परिमाण $|U|^2$ का उपयोग करता है।
  - डिफरेंशियल इंटेंसिटी रीडआउट (Differential Intensity Readout): साइन आउटपुट बनाने के लिए दो डार्क क्षेत्रों से तीव्रता को घटाता है।
आउटपुट प्रोसेसिंग (Output Processing): अंतिम पूर्वानुमान $y \in \mathbb{R}^{H \times C}$ उत्पन्न करने के लिए रीडआउट को डिनॉर्मलाइज किया जाता है।

प्रशिक्षण (Training)

सिस्टम को एक डिफरेंशिएबल वेव-ऑप्टिक्स सिम्युलेटर के माध्यम से डिजिटल बैकप्रोपैगेशन के माध्यम से प्रशिक्षित किया जाता है। सीखने योग्य पैरामीटर विशेष रूप से मास्क के फेज प्रोफाइल $\{\phi_\ell\}_{\ell=1}^N$ हैं। लॉस फंक्शन पूर्वानुमान पर मीन स्क्वेर्ड एरर (MSE) को एक सहायक बैककास्ट टर्म के साथ जोड़ता है जो इनपुट इतिहास को पुनर्निर्मित करता है। ऑप्टिकल कोर के बाद कोई डिजिटल लीनियर फोरकास्टिंग हेड लागू नहीं किया जाता है।

प्रमुख योगदान (Key Contributions)

सब्सट्रेट प्रतिस्थापन (Substrate Substitution): HAMON प्रदर्शित करता है कि प्रतिस्पर्धी फोरकास्टर्स में अनुक्रम-मिश्रिंग ऑपरेटर को डिजिटल सिलिकॉन से निष्क्रिय प्रकाश (passive light) में स्थानांतरित किया जा सकता है। यह सीखे गए डिजिटल लीनियर लेयर को एक सीखने योग्य विवर्तनत्मक प्रसार ऑपरेटर (diffractive propagation operator) से बदल देता है।
पैसिव इन्फरेंस (Passive Inference): पिछले ऑप्टिकल न्यूरल नेटवर्क के विपरीत, जो नॉनलीनर रिज़र्वोयर्स या डिजिटल रीडआउट हेड्स पर निर्भर करते हैं, HAMON एक एकल निष्क्रिय ऑप्टिकल प्रोपेगेशन पास के माध्यम से संपूर्ण अनुक्रम-मिश्रिंग गणना करता है।
हार्डवेयर-अवेयर डिज़ाइन (Hardware-Aware Design): आर्किटेक्चर को हार्डवेयर बाधाओं को ध्यान में रखते हुए डिज़ाइन किया गया है, जो फेज/डिफरेंशियल-इंटेंसिटी वेरिएंट प्रदान करता है, जो कोहेरेंट एम्प्लीट्यूड रीडआउट की आवश्यकता के बिना मानक इंटेंसिटी डिटेक्टर्स के साथ संगत हैं।
मैकेनिस्टिक वैलिडेशन (Mechanistic Validation): फेज स्कैम्बलिंग, इंटरफेस विविधताओं और क्रॉस-सिम्युलेटर चेक्स (TorchOptics) के माध्यम से, लेखक सत्यापित करते हैं कि पूर्वानुमान क्षमता डेटा-बेयरिंग ऑप्टिकल फील्ड और विवर्तन के भौतिकी से उत्पन्न होती है, न कि डिजिटल बाउंड्री कंडीशंस से।

प्रयोगात्मक परिणाम (Experimental Results)

HAMON का मूल्यांकन मानक दीर्घ-क्षिति पूर्वानुमान बेंचमार्क (ETT, Weather, Electricity, Traffic) पर किया गया, जिसमें प्रेडिक्शन हॉरइजन $H \in \{96, 192, 336, 720\}$ और लुकबैक $L=336$ था।

प्रदर्शन (Performance):
- ETTm2: HAMON ने सभी हॉरइजन पर सबसे मजबूत डिजिटल बेसलाइन्स (PatchTST और DLinear सहित) को पछाड़ते हुए MSE में 14% तक सुधार किया।
- ETTh2: सबसे लंबे हॉरइजन (720) को छोड़कर सभी हॉरइजन पर बेसलाइन्स से बेहतर प्रदर्शन किया।
- अन्य डेटासेट: HAMON, Weather पर प्रतिस्पर्धी था और ETTh1, ETTm1, Electricity और Traffic पर सबसे मजबूत बेसलाइन्स से पीछे रहा।
रीडआउट वेरिएंट्स (Readout Variants): डिटेक्टर-संगत "HAMON-DiffInt" वेरिएंट, कोहेरेंट रीडआउट वेरिएंट के साथ प्रतिस्पर्धी बना रहा, विशेष रूप से ETTm1 और Weather पर प्रदर्शन में सुधार किया।
एब्लेशन (Ablations):
- फेज स्कैम्बलिंग (Phase Scrambling): इनपुट फेज को जीरो करने, शफल करने या साइन-फ्लिप करने से प्रदर्शन में काफी गिरावट आई, जिससे पुष्टि हुई कि मॉडल डेटा के टेम्पोरल फेज स्ट्रक्चर पर निर्भर करता है।
- डेप्थ (Depth): 16 से 24 पर लेयर्स बढ़ाने से केवल मामूली सुधार हुआ, जो बताता है कि 16-लेयर कॉन्फ़िगरेशन आवश्यक भौतिकी को कैप्चर करता है।
- कॉन्टेक्स्ट लेंथ (Context Length): लुकबैक को 96 से 336 तक बढ़ाने से प्रदर्शन में सुधार हुआ, जो इंगित करता है कि ऑप्टिकल अपर्चर अतिरिक्त ऐतिहासिक संदर्भ से लाभान्वित होता है।

महत्व और दावे (Significance and Claims)

पेपर स्पष्ट रूप से HAMON को एक नए डिजिटल स्टेट-ऑफ-द-आर्ट मॉडल के रूप में नहीं, बल्कि एक सब्सट्रेट-लेवल इन्वेस्टिगेशन के रूप में फ्रेम करता है। प्राथमिक दावा यह है कि आधुनिक अनुक्रम मॉडलों के कोर कंप्यूटेशन—विशेष रूप से दीर्घ-क्षिति पूर्वानुमान के लिए आवश्यक लीनियर मिक्सिंग—को एक निष्क्रिय भौतिक प्रक्रिया के रूप में स्थापित किया जा सकता है।

सीमित दायरा (Modest Scope): लेखक स्वीकार करते हैं कि HAMON पूरी तरह से ऑप्टिकल एंड-टू-एंड लर्नर नहीं है; नॉर्मलाइजेशन, एनकोडिंग और रीडआउट डिजिटल या इलेक्ट्रो-ऑप्टिक बाउंड्री ऑपरेशंस बने रहते हैं।
सिमुलेशन बनाम हार्डवेयर (Simulation vs. Hardware): परिणाम वेव-ऑप्टिक्स सिमुलेशन पर आधारित हैं। पेपर यह दावा नहीं करता है कि प्रयोगात्मक हार्डवेयर सत्यापन किया गया है, लेकिन तर्क देता है कि अंतर्निहित भौतिकी (फूरियर ऑप्टिक्स, विवर्तन, हस्तक्षेप) मानक और अच्छी तरह से समझी गई है।
भविष्य की दिशा (Future Direction): HAMON ऑप्टिकल हार्डवेयर कार्यान्वयन के लिए एक ठोस लक्ष्य परिभाषित करता है। यह सुझाव देता है कि "पैसिव फिजिकल सीक्वेंस मिक्सिंग" एक संभावित अनुसंधान कार्यक्रम है, जो डिजिटल प्रोसेसरों से लीनियर ऑपरेशंस को विवर्तनत्मक ऑप्टिक्स (diffractive optics) पर ऑफलोड करके ऊर्जा-कुशल इन्फरेंस प्रदान कर सकता है।

संक्षेप में, HAMON इस परिकल्पना को मान्य करता है कि यदि किसी पूर्वानुमान कार्य को लीनियर ऑपरेटर द्वारा हल किया जा सकता है, तो उस ऑपरेटर को कड़ाई से डिजिटल कार्यान्वयन की आवश्यकता नहीं है और इसे प्रभावी रूप से सीखने योग्य पैसिव डिफ्रेक्शन के माध्यम से साकार किया जा सकता है।