🔬 physics

Self-explainable Operator Learning for Discovering Spatial Patterns in Functional Data

यह शोध पत्र एक स्व-व्याख्यात्मक ऑपरेटर लर्निंग फ्रेमवर्क प्रस्तुत करता है जो न्यूरल ऑपरेटर भविष्यवाणियों को विघटनीय समाकल समीकरणों (decomposable integral equations) के रूप में पुनर्गठित करता है ताकि विशिष्ट इनपुट स्थानिक क्षेत्रों को आउटपुट पैटर्न से सीधे जोड़ा जा सके, जिससे बाहरी पोस्ट-हॉक स्पष्टीकरण उपकरणों पर निर्भर किए बिना जटिल द्रव गतिकी प्रणालियों में गणितीय रूप से पारदर्शी और भौतिक रूप से व्याख्या योग्य अंतर्दृष्टि प्रदान की जा सके।

मूल लेखक: Mojgan Alishiri, Amirhossein Arzani

प्रकाशित 2026-07-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mojgan Alishiri, Amirhossein Arzani

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 आपके पास एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम है जो यह भविष्यवाणी कर सकता है कि मस्तिष्क की धमनी में रक्त कैसे बहता है या एक पंख (wing) के ऊपर से हवा कैसे गुजरती है। यह प्रोग्राम अविश्वसनीय रूप से सटीक है, लेकिन यह एक "ब्लैक बॉक्स" है। आप इसमें डेटा डालते हैं, और यह आपको उत्तर देता है, लेकिन यह नहीं बताता कि इसने वह उत्तर क्यों दिया। यह ऐसा ही है जैसे किसी जीनियस शेफ से रेसिपी पूछना और वह बस कहे, "मैंने कुछ चीजें मिलाईं, और इसका स्वाद अच्छा था," बिना यह बताए कि कौन सी सामग्री गुप्त थी।

वैज्ञानिकों को कंप्यूटर पर भरोसा करने के लिए "क्यों" जानने की आवश्यकता होती है, खासकर जब वे हृदय की सर्जरी या हवाई जहाज के डिजाइन जैसी जीवन-मरण की स्थितियों से जुड़े हों। यह पेपर इन कंप्यूटर प्रोग्रामों को बनाने का एक नया तरीका पेश करता है ताकि उनके साथ उनकी अपनी "रेसिपी बुक" भी जुड़ी हुई आए।

यहाँ इसका सरल विवरण दिया गया है कि लेखकों ने क्या किया:

1. समस्या: अपारदर्शी ब्लैक बॉक्स (The Opaque Black Black Box)

अधिकांश आधुनिक AI मॉडल जटिल जादू के करतबों की तरह होते हैं। वे पैटर्न खोजने के लिए डीप न्यूरल नेटवर्क (डिजिटल न्यूरॉन्स की परतें) का उपयोग करते हैं। वे सही उत्तर का अनुमान लगाने में बहुत अच्छे हैं, लेकिन क्योंकि वे इतने जटिल हैं, कोई इंसान उनके अंदर झाँककर यह नहीं कह सकता कि, "आह, कंप्यूटर ने यह निर्णय इसलिए लिया क्योंकि रक्त का प्रवाह इस विशिष्ट कोने में तेज़ था।"

2. समाधान: "लेगो" दृष्टिकोण (The "Lego" Approach)

लेखकों ने एक नए प्रकार का AI बनाया है जो अलग तरह से काम करता है। न्यूरॉन्स के उलझे हुए जाल के बजाय, उन्होंने अपना मॉडल इंटीग्रल इक्वेशन्स (Integral Equations) का उपयोग करके बनाया।

इसे लेगो ब्रिक्स (Lego bricks) से एक तस्वीर बनाने की तरह समझें।

पुराना AI: मिट्टी से बनी एक चिकनी, ठोस मूर्ति। आप इसे देख नहीं सकते कि इसे कैसे बनाया गया।
नया AI: लेगो ब्रिक्स से बनी एक मूर्ति। आप मूर्ति को अलग-अलग हिस्सों में तोड़ सकते हैं, प्रत्येक ईंट को देख सकते हैं, और कह सकते हैं, "यह लाल ईंट इनपुट के बाएं हिस्से का प्रतिनिधित्व करती है, और यह नीला ईंट दाएं हिस्से का।"

क्योंकि उनका मॉडल ऐसे गणित पर बना है जो इसे हिस्सों के सरल योग (sum of parts) में तोड़ने की अनुमति देता है, इसलिए कंप्यूटर स्वाभाविक रूप से खुद की व्याख्या कर सकता है। इसे यह समझने के लिए किसी अलग टूल की आवश्यकता नहीं है कि इसने क्या किया; व्याख्या स्वयं गणित का हिस्सा है।

3. यह कैसे काम करता है: "फोर-क्वाड्रेंट" टेस्ट (The "Four-Quadrant" Test)

यह कैसे काम करता है यह दिखाने के लिए, लेखकों ने द्रव प्रवाह (जैसे धमनी में रक्त का प्रवाह) के एक मानचित्र को लिया और उसे चार समान वर्गों में विभाजित किया (जैसे पिज्जा के चार चौथाई हिस्से)।

उन्होंने कंप्यूटर से पूछा: "यदि मैं आपको केवल ऊपर-बाएँ वर्ग का डेटा दूँ, तो आपको उत्तर का कौन सा हिस्सा मिलता है? यदि मैं आपको केवल नीचे-दाएं वर्ग का डेटा दूँ, तो क्या होता है?"

चूंकि उनका मॉडल लेगो ब्रिक्स के योग की तरह बना है, इसलिए यह केवल ऊपर-बाएँ वर्ग के लिए उत्तर की गणना कर सकता है, फिर केवल नीचे-दाएं वर्ग के लिए, और इसी तरह।

परिणाम: उन्होंने पाया कि धमनी की दीवार पर "अधिकतम तनाव" (maximum stress) की भविष्यवाणी करने के लिए, कंप्यूटर लगभग पूरी तरह से नीचे-दाएं वर्ग पर निर्भर था।
अंतर्दृष्टि: यह वैज्ञानिकों को बताता है, "हे, कंप्यूटर बेतरतीब ढंग से अनुमान नहीं लगा रहा है। यह सही ढंग से पहचान रहा है कि रक्त प्रवाह का सबसे खतरनाक हिस्सा उस विशिष्ट कोने में होता है।"

4. ट्रेड-ऑफ: सटीकता बनाम स्पष्टता (The Trade-Off: Accuracy vs. Clarity)

पेपर स्वीकार करता है कि इसमें एक छोटी सी कमी है। यदि आप केवल सबसे सटीक नंबर चाहते हैं, तो पुराने "ब्लैक बॉक्स" मॉडल थोड़े बेहतर हैं। वे एक मास्टर शेफ की तरह हैं जो एक बेहतरीन भोजन पका सकते हैं लेकिन आपको सामग्री नहीं बताएंगे।

नया "स्व-व्याख्यात्मक" (self-explainable) मॉडल एक छात्र शेफ की तरह है जो खाना पकाने में 90% उतना ही अच्छा है लेकिन हर एक कदम और सामग्री को लिख देता है।

पेपर का दावा: नया मॉडल डेटा के मुख्य पैटर्न (डेटा का "स्वाद") को पकड़ने के लिए पर्याप्त सटीक है, लेकिन यह आपको मुफ्त में "रेसिपी" (व्याख्या) भी देता है।
प्रमाण: उन्होंने अपने नए मॉडल का पुराने "ब्लैक बॉक्स" मॉडलों और उन अन्य उपकरणों के विरुद्ध भी परीक्षण किया जो ब्लैक बॉक्स को समझाने की कोशिश करते हैं (जैसे SHAP या LIME)। उनका नया मॉडल महत्वपूर्ण हिस्सों के मामले में उन उपकरणों के साथ सहमत था, लेकिन इसने उन अतिरिक्त, जटिल उपकरणों की आवश्यकता के बिना ही यह कर दिखाया।

5. वास्तविक दुनिया के परीक्षण

उन्होंने इसे दो चीजों पर परखा:

रक्त प्रवाह (Blood Flow): मस्तिष्क के एन्यूरिज्म (aneurysm) की दीवारों पर रक्त कितना तनाव डालता है, इसकी भविष्यवाणी करना। उन्होंने पाया कि मॉडल ने सही ढंग से पहचाना कि प्रवाह के "सबसे तेज़, सबसे अशांत" (turbulent) हिस्से (जो आमतौर पर एक विशिष्ट क्षेत्र में होते हैं) तनाव की भविष्यवाणियों को चलाने वाले मुख्य कारक थे।
हवाई जहाज के पंख (Airplane Wings): एक फड़फड़ाते हुए पंख के ऊपर से हवा कैसे गुजरती है, इसकी भविष्यवाणी करना। फिर से, मॉडल ने पंख को ज़ोन में विभाजित किया और उन्हें ठीक-ठीक बताया कि लिफ्ट या ड्रैग के लिए पंख की गति का कौन सा हिस्सा सबसे महत्वपूर्ण था।

निचोड़ (The Bottom Line)

यह पेपर विज्ञान के लिए AI बनाने का एक नया तरीका प्रस्तुत करता है। एक "ब्लैक बॉक्स" बनाने के बजाय जो उत्तर का अनुमान लगाता है और फिर यह अनुमान लगाने की कोशिश करता है कि उसने वह अनुमान क्यों लगाया, उन्होंने एक "ग्लास बॉक्स" बनाया है।

कंप्यूटर को इस तरह डिज़ाइन किया गया है कि उसका उत्तर इनपुट के विभिन्न हिस्सों के योगदान का एक योग (sum) है। इसका मतलब है कि कंप्यूटर एक मानचित्र पर एक विशिष्ट स्थान की ओर इशारा कर सकता है और कह सकता है, "मैंने यह भविष्यवाणी इसलिए की क्योंकि यहाँ जो हुआ था, उसकी वजह से हुई," और इसके लिए उसे खुद को समझाने के लिए किसी अतिरिक्त सॉफ़्टवेयर की आवश्यकता नहीं है। यह थोड़ी सी कच्ची अनुमान लगाने की शक्ति का त्याग करता है, लेकिन विश्वास और समझ में भारी वृद्धि प्राप्त करता है।

तकनीकी सारांश: कार्यात्मक डेटा में स्थानिक पैटर्न की खोज के लिए स्व-व्याख्यात्मक ऑपरेटर लर्निंग (Self-explainable Operator Learning)

समस्या विवरण (Problem Statement)
ऑपरेटर लर्निंग जटिल भौतिक प्रणालियों को मॉडल करने के लिए एक शक्तिशाली उपकरण के रूप में उभरा है, जो आंशिक अंतर समीकरणों (PDEs) द्वारा नियंत्रित कार्यात्मक स्थानों (functional spaces) के भीतर कार्य करती हैं। हालाँकि, अत्याधुनिक न्यूरल ऑपरेटर आर्किटेक्चर, जैसे कि फूरियर न्यूरल ऑपरेटर (FNO) और डीप ऑपरेटर नेटवर्क (DeepONet), अपारदर्शी "ब्लैक-बॉक्स" यूनिवर्सल एप्रोक्सिमेटर्स के रूप में कार्य करते हैं। उनकी जटिल, नॉन-कॉन्वेक्स ट्रेनिंग प्रक्रियाएं और विशाल पैरामीटर काउंट उनके भविष्यवाणियों के पीछे के तर्क को अस्पष्ट कर देते हैं, जिससे वैज्ञानिक विश्वास और अंतर्निहित भौतिक नियमों की खोज में बाधा आती है। जबकि पोस्ट-हॉक व्याख्यात्मकता विधियाँ (जैसे SHAP, LIME, Grad-CAM) मौजूद हैं, वे सीमाओं से ग्रस्त हैं: वे अक्सर मॉडल-अज्ञेयवादी (model-agnostic) बाहरी उपकरण होते हैं जो विरोधाभासी स्पष्टीकरण दे सकते हैं, उनमें अंतर्निहित कॉन्फिडेंस इंटरवल की कमी होती है, और वे इनपुट और आउटपुट दोनों स्तरों पर एक साथ व्याख्यात्मकता प्रदान करने में विफल रहते हैं। एक "बाय-डिज़ाइन" फ्रेमवर्क की महत्वपूर्ण आवश्यकता है जो स्वाभाविक रूप से व्याख्या योग्य, गणितीय रूप से पारदर्शी हो, और बाहरी एट्रिब्यूशन टूल्स पर निर्भर किए बिना इनपुट फंक्शन के विशिष्ट स्थानिक लक्षणों (spatial features) को आउटपुट फंक्शन के अनुरूप पैटर्नों से जोड़ने में सक्षम हो।

कार्यप्रणाली (Methodology)
लेखक सामान्यीकृत कार्यात्मक रैखिक मॉडल (gFLM) पर आधारित एक स्व-व्याख्यात्मक ऑपरेटर लर्निंग फ्रेमवर्क का प्रस्ताव करते हैं। यह कार्यप्रणाली मानक न्यूरल ऑपरेटरों से अलग है क्योंकि यह सीखने की समस्या को डीप न्यूरल नेटवर्क के बजाय सीखे जाने वाले कर्नेल्स (kernels) के साथ इंटीग्रल इक्वेशन्स के रैखिक संयोजन के रूप में पुनर्गठित करती है।

मॉडल फॉर्मूलेशन:
- इनपुट फंक्शन $f(\xi)$ और आउटपुट फंक्शन (या स्केलर) $u(x)$ के बीच का मैपिंग इंटीग्रल इक्वेशन्स के योग के रूप में व्यक्त किया जाता है:
  $u(x) = \sum_{n,m} w_{n,m} \iint \psi_n(x-\zeta, y-\eta) T_m f(\zeta, \eta) \, d\zeta d\eta$
- यहाँ, $\psi_n$ पूर्व-निर्धारित विश्लेषणात्मक कर्नेल फंक्शनों का एक लाइब्रेरी है, $T_m$ लिफ्टिंग ट्रांसफॉर्मेशन (जैसे बहुपद, घातांकीय) को दर्शाता है जो एक लीनियर फीचर स्पेस में नॉन-लिनियरिटी को कैप्चर करने के लिए है, और $w_{n,m}$ गुणांक (coefficients) हैं जिन्हें रेगुलराइज्ड लीनियर रिग्रेशन के माध्यम से सीखा जाता है।
- स्पर्सिटी (sparsity) के लिए उपयोग किए जाने वाले पिछले कार्यों के विपरीत, यह फ्रेमवर्क प्रशिक्षण स्थिरता सुनिश्चित करने और सभी कैंडिडेट टर्म्स को बनाए रखने के लिए L2 रेगुलराइजेशन का उपयोग करता है, जो बाद के डिकंपोजिशन विश्लेषण के लिए आवश्यक है।
स्व-व्याख्यात्मक डिकंपोजिशन रणनीति (Self-Explainable Decomposition Strategy):
- मुख्य नवाचार एक पोस्ट-ट्रेनिंग डिकंपोजिशन स्ट्रैटेजी है जो इंटीग्रल ऑपरेटर की योज्य (additive) प्रकृति का लाभ उठाती है।
- इनपुट डोमेन को $k$ सबडोमेन (विशेष रूप से $k=4$ समान जोन) में विभाजित किया गया है।
- मॉडल प्रत्येक सबडोमेन के लिए स्वतंत्र रूप से लोकलाइज्ड इंटीग्रल्स की गणना करता है। ऑपरेटर की रैखिकता के कारण, कुल आउटपुट इन लोकलाइज्ड योगदानों का सटीक योग होता है।
- विशिष्ट क्षेत्रों के प्रभाव को अलग करने के लिए, प्रत्येक जोन के लिए भविष्यवाणी के अपेक्षित मान (डेटासेट में) को घटाने की एक मीन-सेंटरिंग (mean-centering) प्रक्रिया लागू की जाती है। यह "ज़ोनल योगदान" ( $\Phi_i$ ) उत्पन्न करता है जो प्रकट करता है कि विशिष्ट इनपुट क्षेत्रों में विचलन, आउटपुट में विचलन को कैसे संचालित करते हैं।
वैलिडेशन और बेसलाइन्स:
- इस फ्रेमवर्क का परीक्षण दो भौतिक-आधारित डेटासेट्स पर किया गया है: ब्रेन एन्यूरिज्म में पल्सेटाइल ब्लड फ्लो (वॉल शीयर स्ट्रेस की भविष्यवाणी करना) और एक पिचिंग एयरफॉइल की अनस्टेडी एरोडायनामिक्स (ड्रैग और लिफ्ट कोएफिशिएंट की भविष्यवाणी करना)।
- इसके प्रदर्शन को सटीकता के लिए एक फूरियर न्यूरल ऑपरेटर (FNO) के विरुद्ध और व्याख्यात्मक निरंतरता के लिए एक प्रशिक्षित U-Net पर तीन पोस्ट-हॉक विधियों (Kernel SHAP, Occlusion Sensitivity, Grad-CAM) के विरुद्ध बेंचमार्क किया गया है।

मुख्य योगदान (Key Contributions)

अंतर्निहित व्याख्यात्मकता (Intrinsic Explainability): यह फ्रेमवर्क एक क्लोज्ड-फॉर्म एनालिटिकल सरोगेट प्रदान करता है जहाँ व्याख्यात्मकता सीधे मॉडल संरचना में निहित है। इसके लिए मॉडल के तर्क को समझने के लिए बाहरी टूल्स या पोस्ट-हॉक प्रोसेसिंग की आवश्यकता नहीं है।
दो-स्तरीय व्याख्यात्मकता (Dual-Level Interpretability): अधिकांश XAI विधियों के विपरीत, जो केवल महत्वपूर्ण इनपुट क्षेत्रों को हाइलाइट करती हैं, यह दृष्टिकोण विशिष्ट इनपुट क्षेत्रों द्वारा उत्पन्न आउटपुट के स्थानिक पैटर्न को भी प्रकट करता है। यह स्पष्ट रूप से इनपुट सबडोमेन को आउटपुट फीचर्स के निर्माण से जोड़ता है।
गणितीय पारदर्शिता (Mathematical Transparency): इंटीग्रल ऑपरेटर्स के लीनियर सुपरपोजिशन और एक कॉनवेक्स ऑप्टिमाइजेशन सॉल्यूशन का उपयोग करके, मॉडल यह सुनिश्चित करता है कि कुल भविष्यवाणी को सटीक रूप से योज्य (additive), भौतिक रूप से स्थानीयकृत योगदानों में विभाजित किया जा सकता है।
मात्रात्मक मेट्रिक्स (Quantitative Metrics): लेखक ज़ोनल योगदान और कुल भविष्यवाणी के बीच पियर्सन कोरिलेशन कोएफिशिएंट का उपयोग करके स्थानिक क्षेत्रों की महत्ता को मापने के लिए एक विधि पेश करते हैं, जिससे मानकीकृत XAI मेट्रिक्स के विकास की सुविधा मिलती है।

परिणाम (Results)

सटीकता बनाम व्याख्यात्मकता ट्रेड-ऑफ (Accuracy vs. Interpretability Trade-off): जैसा कि अपेक्षित था, FNO बेसलाइन ने gFLM मॉडल की तुलना में काफी उच्च भविष्य कहने वाली सटीकता (कम मीन एब्सोल्यूट एरर) प्राप्त की, विशेष रूप से जटिल, हाई-फ्रीक्वेंसी परिदृश्यों में। कुछ मामलों में gFLM मॉडल का एरर FNO की तुलना में लगभग एक ऑर्डर ऑफ मैग्नीट्यूड अधिक है।
गुणात्मक निष्ठा (Qualitative Fidelity): कम संख्यात्मक सटीकता के बावजूद, gFLM मॉडल भौतिक घटनाओं के प्रमुख गुणात्मक स्थानिक पैटर्न और टेम्पोरल इवोल्यूशन को सफलतापूर्वक कैप्चर करता है।
भौतिक अंतर्दृष्टि (Physical Insights):
- ब्लड फ्लो के मामले में, मॉडल ने पहचाना कि जोन 3 (एक क्षेत्र जिसमें मजबूत वेलोसिटी ग्रेडिएंट्स हैं) अधिकतम वॉल शीयर स्ट्रेस (WSS) की भविष्यवाणी करने के लिए प्राथमिक चालक है, जबकि जोन 1 और जोन 2 क्रमशः स्थानिक औसत WSS और डाइवर्जेंस मेट्रिक्स की भविष्यवाणी में हावी हैं। यह फ्लूइड डायनेमिक्स के ज्ञात सिद्धांतों के अनुरूप है जहाँ वेलोसिटी ग्रेडिएंट्स शीयर स्ट्रेस को संचालित करते हैं।
- एयरफॉइल के मामले में, मॉडल ने अलग-अलग पिचिंग फ्रीक्वेंसी पर ड्रैग और लिफ्ट कोएफिशिएंट को प्रभावित करने वाले विशिष्ट स्थानिक क्षेत्रों की सफलतापूर्वक पहचान की।
पोस्ट-हॉक विधियों के साथ निरंतरता: एक प्रशिक्षित U-Net पर लागू Kernel SHAP और Occlusion Sensitivity के साथ तुलना करने पर, gFLM फ्रेमवर्क ने सबसे प्रभावशाली क्षेत्रों (जैसे, दोनों विधियों ने WSS के लिए डोमिनेंट ड्राइवर के रूप में जोन 3 की पहचान की) को पहचानने में गुणात्मक सहमति (qualitative agreement) दिखाई। हालांकि विधियों के भिन्न तंत्रों (परटर्बेशन बनाम एडिटिव डिकंपोजिशन) के कारण माध्यमिक जोन की रैंकिंग थोड़ी भिन्न थी, लेकिन प्राथमिक ड्राइवर पर अभिसरण (convergence) प्रस्तावित दृष्टिकोण की विश्वसनीयता को प्रमाणित करता है।

महत्व और दावे (Significance and Claims)
यह पेपर दावा करता है कि यह फ्रेमवर्क एक गणितीय रूप से पारदर्शी और भौतिक रूप से व्याख्या योग्य दृष्टिकोण प्रदान करके वैज्ञानिक मशीन लर्निंग के एक महत्वपूर्ण अंतर को संबोधित करता है। इसका महत्व निम्नलिखित में निहित है:

विश्वास को बढ़ावा देना: निर्णय लेने की प्रक्रिया को सिमुलेबल और डिकॉम्पोजेबल बनाकर, यह वैज्ञानिकों को भौतिक सिद्धांतों के साथ निरंतरता को सत्यापित करने की अनुमति देता है, जिससे ML केवल एक भविष्य कहनेवाला सरोगेट से एक संभावित नए वैज्ञानिक मॉडल की ओर बढ़ता है।
बाहरी निर्भरताओं को समाप्त करना: यह अविश्वसनीय, कम्प्यूटेशनल रूप से महंगे पोस्ट-हॉक टूल्स की आवश्यकता को समाप्त करता है, जो एक स्व-निहित स्पष्टीकरण तंत्र प्रदान करता है।
छिपे हुए संबंधों को उजागर करना: यह सक्षम बनाता है कि कार्यात्मक डेटा में कौन से विशिष्ट स्थानिक लक्षण भविष्यवाणियों को संचालित करते हैं, जो पूर्व भौतिक बाधाओं के बिना अंतर्निहित भौतिकी (जैसे, वेलोसिटी ग्रेडिएंट्स और शीयर स्ट्रेस के बीच संबंध) की अंतर्दृष्टि प्रदान करता है।

लेखक एक विनम्र रुख बनाए रखते हैं, यह स्वीकार करते हुए कि हालांकि उनका मॉडल ब्लैक-बॉक्स न्यूरल ऑपरेटरों की तुलना में कुछ भविष्य कहने वाली सटीकता का त्याग करता है, यह ट्रेड-ऑफ उन वैज्ञानिक अनुप्रयोगों के लिए आवश्यक और फायदेमंद है जहाँ भविष्यवाणी के पीछे के "क्यों" को समझना स्वयं भविष्यवाणी जितना ही महत्वपूर्ण है।