Probing Probability Geometry with Schwinger--Dyson Identities: Score Mismatch, Fisher Information, and Configurational Temperature

तकनीकी सारांश: श्वािंगर-डीसन (Schwinger–Dyson) पहचानों के माध्यम से प्रायिकता ज्यामिति का अन्वेषण

समस्या विवरण
श्वािंगर-डीसन (SD) पहचानें सटीक बाधाओं (constraints) का एक अनंत पदानुक्रम हैं जो सांख्यिकीय यांत्रिकी और क्वांटम क्षेत्र सिद्धांत में संतुलन प्रायिकता मापों (equilibrium probability measures) द्वारा संतुष्ट की जाती हैं। व्यवहार में, इन पहचानों का उपयोग अक्सर मोंटे कार्लो सिमुलेशन, स्टोकेस्टिक क्वांटाइजेशन और जटिल लैंग्विन डायनेमिक्स (complex Langevin dynamics) में नमूनाकरण (sampling) की गुणवत्ता का आकलन करने के लिए नैदानिक (diagnostics) के रूप में किया जाता है। हालांकि, SD उल्लंघन (violations) का ज्यामितीय और प्रायिक अर्थ अस्पष्ट बना हुआ है। जबकि एक गैर-शून्य उल्लंघन लक्ष्य संतुलन माप $P_{eq}$ से विचलन को दर्शाता है, यह स्पष्ट नहीं है कि इन उल्लंघनों में विशिष्ट रूप से क्या जानकारी समाहित है, विभिन्न उल्लंघन एक-दूसरे से कैसे संबंधित हैं, और वे अंतर्निहित प्रायिकता विरूपण (probability distortion) के किन पहलुओं को टटोलते हैं।

कार्यप्रणाली
यह शोध पत्र SD पहचानों का एक ज्यामितीय सूत्रीकरण विकसित करता है, जिसमें उन्हें वेक्टर क्षेत्रों द्वारा उत्पन्न विन्यास स्थान (configuration space) के सूक्ष्म विरूपण (infinitesimal deformations) के परिणाम के रूप में व्याख्यायित किया गया है। लेखक एक स्कोर-विसंगति क्षेत्र (score-mismatch field), जिसे $\delta s$ द्वारा दर्शाया गया है, की अवधारणा पेश करते हैं, जो एक मनमाने नमूना वितरण $Q$ और एक संतुलन माप $P_{eq}$ के लिए परिभाषित है:
$$\delta s \equiv \nabla \log \left( \frac{Q}{P_{eq}} \right) = s_Q - s_{eq}$$
जहाँ $s_Q = \nabla \log Q$ और $s_{eq} = \nabla \log P_{eq}$ क्रमशः स्कोर फलन (score functions) हैं।

कार्यप्रणाली एक प्रोब वेक्टर फील्ड $F$ के संदर्भ में सामान्यीकृत SD उल्लंघन $\Delta_F(Q)$ को इस स्कोर-विसंगति क्षेत्र के पदों में पुनर्गठित करके आगे बढ़ती है। इंटीग्रेशन बाय पार्ट्स (integration by parts) का उपयोग करते हुए, लेखक प्रदर्शित करते हैं कि उल्लंघन वास्तव में $F$ पर $\delta s$ के प्रोजेक्शन का ऋणात्मक प्रत्याशा मान (negative expectation value) है:
$$\Delta_F(Q) = -\langle F \cdot \delta s \rangle_Q$$
यह पुनर्गठन दृष्टिकोण को SD पहचानों को केवल बीजगणितीय निरंतरता शर्तों (algebraic consistency conditions) से बदलकर एक एकल अंतर्निहित वेक्टर क्षेत्र के ज्यामितीय मापन के रूप में बदल देता है।

प्रमुख योगदान और परिणाम

1. SD उल्लंघनों की ज्यामितीय व्याख्या:
   केंद्रीय परिणाम $\delta s$ के एक स्कोर-विसंगति क्षेत्र के रूप में प्रत्येक SD उल्लंघन की पहचान है। अलग-अलग प्रोब फील्ड $F$ के चुनाव स्वतंत्र रूप से संतुलन से विचलन को नहीं मापते हैं; बल्कि, वे $\delta s$ के एकल ज्यामितीय ऑब्जेक्ट के विभिन्न दिशात्मक घटकों (directional components) को हल करते हैं। यह अनंत SD पदानुक्रम को एक ही अंतर्निहित प्रायिकता-स्थान विरूपण को मापने वाले प्रोब्स के सेट के रूप में एकीकृत करता है।

2. फिशर सूचना एक मानक (Norm) के रूप में:
   यह शोध पत्र स्थापित करता है कि सापेक्ष फिशर सूचना $I(Q|P_{eq})$ $L^2(Q)$ स्पेस में स्कोर-विसंगति क्षेत्र का वर्ग मान (squared norm) है:
   $$I(Q|P_{eq}) = \langle |\delta s|^2 \rangle_Q$$
   परिणामस्वरूप, लेखक एक सार्वभौमिक कॉची-श्वार्ज बाउंड (Cauchy–Schwarz bound) व्युत्पन्न करते हैं जो किसी भी व्यक्तिगत SD उल्लंघन को फिशर सूचना से जोड़ता है:
   $$|\Delta_F(Q)|^2 \leq \langle |F|^2 \rangle_Q I(Q|P_{eq})$$
   यह परिणाम बताता है कि फिशर सूचना में अभिसरण ($I \to 0$) संपूर्ण SD पदानक्रम की एक साथ बहाली (restoration) की गारंटी देता है।

3. वैरिएशनल लक्षण वर्णन और टोमोग्राफी (Variational Characterization and Tomography):
   लेखक सापेक्ष फिशर सूचना का एक पूर्ण विवरण प्रदान करते हैं जो पूरी तरह से SD उल्लंघनों पर आधारित है:
   $$I(Q|P_{eq}) = \sup_{F \in L^2(Q)} \frac{|\Delta_F(Q)|^2}{\langle |F|^2 \rangle_Q}$$
   यह एक टोमोग्राफिक व्याख्या की ओर ले जाता है। जिस प्रकार टोमोग्राफिक इमेजिंग विभिन्न दिशाओं में प्रोजेक्शन के माध्यम से एक वस्तु का पुनर्निर्माण करती है, उसी प्रकार प्रोब फील्ड्स का एक पर्याप्त समृद्ध परिवार से उत्पन्न SD उल्लंघनों का संग्रह स्कोर-विसंगति क्षेत्र की संरचना को समाहित करता है। जबकि एक एकल उल्लंघन केवल आंशिक (दिशात्मक) जानकारी प्रदान करता है, संपूर्ण पदानक्रम में प्रायिकता विरूपण के परिमाण और संरचना को निर्धारित करने के लिए आवश्यक जानकारी होती है।

4. अवधारणाओं का एकीकरण:
   यह ढांचा स्वाभाविक रूप से कई अलग-अलग अवधारणाओं को एकीकृत करता है:

• कॉन्फ़िगरेशनल टेम्परेचर (Configurational Temperature): इसे एक विशिष्ट प्रोब फील्ड $v = \nabla S_E / |\nabla S_E|^2$ से उत्पन्न एक विशिष्ट SD पहचान के रूप में पहचाना गया है। इसके उल्लंघन को $\delta s$ के एक विशिष्ट प्रोजेक्शन के रूप में दिखाया गया है।
• स्टीन ऑपरेटर्स (Stein Operators): SD ऑपरेटर को $P_{eq}$ से जुड़े स्टीन ऑपरेटर के रूप में पहचाना गया है, जो क्षेत्र-सैद्धांतिक (field-theoretic) SD पहचानों को सांख्यिकी और मशीन लर्निंग में आधुनिक स्कोर-आधारित विधियों के साथ जोड़ता है।
• गैर-संतुलन गतिकी (Non-Equilibrium Dynamics): स्कोर-विसंगति क्षेत्र का विकास स्टोकेस्टिक प्रक्रियाओं (जैसे लैंग्विन डायनेमिक्स) में संतुलन की ओर बढ़ने का एक ज्यामितीय विवरण प्रदान करता है, जहाँ $\delta s$ का क्षय (decay) संतुलन की ओर अग्रसर होने के अनुरूप होता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह ज्यामितीय ढांचा गैर-संतुलन नमूनाकरण, अभिसरण (equilibration) और स्टोकेस्टिक गतिकी को समझने के लिए एक एकीकृत भाषा प्रदान करता है। व्यक्तिगत अवलोकनों (observables) के बजाय प्रायिकता वितरण की संरचना पर ध्यान केंद्रित करके, लेखक तर्क देते हैं कि SD पहचानों को केवल संतुलन के लिए "पास-फेल" परीक्षण के रूप में नहीं, बल्कि प्रायिकता त्रुटियों की ज्यामिति को चरित्रित करने वाले मात्रात्मक प्रोब्स के रूप में देखा जाना चाहिए।

इस कार्य का महत्व यहाँ है:

• यह स्पष्ट ज्यामितीय परिभाषा प्रदान करना कि SD उल्लंघन क्या मापते हैं ( $\delta s$ के प्रोजेक्शन)।
• यह स्थापित करना कि फिशर सूचना एक साथ सभी SD उल्लंघनों के परिमाण को नियंत्रित करती है।
• एक टोमोग्राफिक परिप्रेक्ष्य प्रदान करना जहाँ SD प्रोब्स का परिवार प्रायिकता विरूपण की संरचना को प्रकट कर सकता है, जो जटिल लैंग्विन डायनेमिक्स जैसे जटिल नमूनाकरण एल्गोरिदम के लिए अधिक मजबूत निदान (diagnostics) की ओर ले जा सकता है।
• क्षेत्र-सैद्धांतिक बाधाओं को सूचना ज्यामिति (information geometry) और स्कोर-आधारित अनुमान विधियों से जोड़ना।

लेखक नोट करते हैं कि जबकि यह ढांचा वास्तविक संतुलन मापों के लिए विकसित किया गया है, SD पहचानों की केंद्रीय भूमिका जटिलीकृत विन्यास स्थानों (complexified configuration spaces) के संभावित विस्तार का सुझाव देती है, हालांकि स्कोर-विसंगति क्षेत्र के एक जटिल समकक्ष को तैयार करना एक खुला प्रश्न बना हुआ है।