GAE: Graph-Augmented Evolution for Scientific Discovery via Reinforcement Optimization
यह शोध पत्र GAE प्रस्तुत करता है, जो एक नवीन ढांचा है जो संरचना-जागरूक प्रोग्राम प्रतिनिधित्व के लिए ग्राफ न्यूरल नेटवर्क, निर्देशित पैरेंट और उत्परिवर्तन चयन के लिए सुदृढीकरण लर्निंग (reinforcement learning), और उच्च-फिटनेस संरचनात्मक संपादन के साथ LLM उत्परिवर्तन ऑपरेटरों को गतिशील रूप से संरेखित करने के लिए ऑनलाइन GRPO फाइन-ट्यूनिंग को एकीकृत करके वैज्ञानिक खोज के लिए विकासवादी प्रोग्राम खोज को बढ़ाता है, जिससे बंद-रूप (closed-form) भौतिक समीकरणों की खोज में अत्याधुनिक प्रदर्शन प्राप्त होता है।
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 एक रोबोट को यह सिखाने की कोशिश कर रहे हैं कि एक डगमगाते, उछलते हुए स्प्रिंग (spring) की गति को समझाने के लिए एकदम सही भौतिकी समीकरण (physics equation) कैसे लिखा जाए। आपके पास एक सुपर-स्मार्ट रोबोट लेखक (एक लार्ज लैंग्वेज मॉडल, या LLM) है, जो नए समीकरणों का अनुमान लगा सकता है, लेकिन यह थोड़ा वैसा ही है जैसे अंधेरे कमरे में तीर चलाना: कभी-कभी यह निशाने पर लगता है, लेकिन ज्यादातर यह बेतरतीब ढंग से तीर चलाता रहता है।
लंबे समय तक, वैज्ञानिकों ने इस रोबोट की मदद करने के लिए इसे अनुमान लगाने, यह जांचने कि अनुमान कितना अच्छा था, और सबसे अच्छे वाले को रखने की कोशिश की। लेकिन "GAE: ग्राफ-ऑगमेंटेड इवोल्यूशन फॉर साइंटिफिक डिस्कवरी" नामक पेपर बताता है कि पुराने तरीके में तीन बड़ी समस्याएं थीं, जैसे कि आंखों पर पट्टी बांधकर भूलभुलैया में रास्ता खोजना, एक ऐसे नक्शे के साथ जो केवल यह कहता है कि "आप गलत हैं" बिना यह बताए कि आप कितने करीब थे, या एक ऐसे दिशा-सूचक यंत्र (compass) के साथ जो कभी अपडेट नहीं होता।
तीन बड़ी समस्याएं (और क्यों पुराना तरीका विफल होता है)
पहली, "आंखों पर पट्टी" (the blindfold)। पुराने तरीकों ने पिछले समीकरणों में से किसे सुधारना है, इसका चुनाव पूरी तरह से रैंडम तरीके से किया, केवल अंतिम स्कोर को देखकर। उन्होंने समीकरण के रूप (shape) को नहीं देखा। यह एक ऐसी रेसिपी को सुधारने के लिए चुनने जैसा है जो सिर्फ इसलिए चुनी गई क्योंकि पिछला स्वाद ठीक था, बिना यह समझे कि नए में नमक की अधिक आवश्यकता है, न कि चीनी की।
दूसरी, "खराब नक्शा" (the bad map)। जब रोबोट एक नया समीकरण आज़माता है, तो कंप्यूटर को यह देखने के लिए कि क्या वह काम करता है, एक विशाल, धीमे सिमुलेशन को चलाना पड़ता है। यदि नया समीकरण लगभग सही है लेकिन पूरी तरह से नहीं, तो पुराना सिस्टम उसे बस फेंक देता है। यह एक शिक्षक की तरह है जो एक छात्र को "F" ग्रेड देता है क्योंकि उसने गणित का 99% सही किया, यह नजरअंदाज करते हुए कि वह अविश्वसनीय रूप से करीब था। यह सुधार करने के लिए मिलने वाले सूक्ष्म संकेतों को बर्बाद करता है।
तीसरी, "अटकता हुआ दिशा-सूचक यंत्र" (the stuck compass)। रोबोट के नए समीकरणों का अनुमान लगाने का तरीका कभी नहीं बदलता। वह उन्हीं पुराने तरीकों का उपयोग करता रहता है, भले ही उसने सीख लिया हो कि वे तकनीकें इस विशिष्ट पहेली के लिए काम नहीं कर रही हैं।
GAE समाधान: एक स्मार्ट, आत्म-सुधार करने वाली टीम
लेखकों ने इन तीन समस्याओं को ठीक करने के लिए GAE (ग्राफ-ऑगमेंटेड इवोल्यूशन) नामक एक नया सिस्टम बनाया। उन्होंने केवल पुराने सिस्टम में बदलाव नहीं किया; उन्होंने रोबोट को एक दिमाग, एक कोच और मौके पर सीखने का तरीका दिया।
- "रूप बदलने वाला" दिमाग (द ग्राफ): समीकरण को केवल टेक्स्ट के रूप में पढ़ने के बजाय, GAE हर समीकरण को इस बात का एक रंगीन, 3D मानचित्र (computation graph) में बदल देता है कि गणित के हिस्से आपस में कैसे जुड़ते हैं। यह सिस्टम को उसकी संरचना को "देखने" की अनुमति देता है। यह एक लेगो (Lego) महल को देखने जैसा है और यह समझने जैसा है कि कौन से ब्लॉक टावर को थामे हुए हैं, बजाय इसके कि आप केवल तैयार महल को देखें।
- "स्मार्ट कोच" (द RL मेटा-कंट्रोलर): यह एक विशेष AI कोच है जो "रूप बदलने वाले" मानचित्रों को देखता है। रैंडम तरीके से पैरेंट समीकरण चुनने के बजाय, कोच मानचित्र को देखता है और कहता है, "हे, यह समीकरण संरचनात्मक रूप से उस समीकरण के समान दिखता है जो पिछली बार सबसे अच्छा काम कर गया था। आइए उसे ही थोड़ा बदलें।" यह रोबोट को ऐसे बदलाव करने के लिए निर्देशित करता है जिनके काम करने की संभावना अधिक होती है, जिससे रैंडम अनुमान एक निर्देशित खोज (directed search) में बदल जाता है।
- "इंस्टेंट ट्यूटर" (द ऑनलाइन फाइन-ट्यूनिंग): यह सबसे शानदार हिस्सा है। हर बार जब रोबोट समीकरणों का एक बैच आज़माता है, तो सिस्टम तुरंत रोबोट के अपने दिमाग को अपडेट करता है। यदि रोबोट ने एक अच्छा अनुमान लगाया, तो सिस्टम कहता है, "ऐसा ही करते रहो!" यदि उसने बुरा अनुमान लगाया, तो वह कहता है, "यह करना बंद करो।" यह ऐसा है जैसे रोबोट वास्तव में भौतिकी के समीकरणों की खोज करते समय ही बेहतर समीकरण लिखना सीख रहा है, बजाय इसके कि वह दिन के अंत तक अध्ययन करने का इंतजार करे।
बड़ा टेस्ट: डगमगाता स्प्रिंग
यह देखने के लिए कि क्या यह नया सिस्टम वास्तव में काम करता है, लेखकों ने इसे एक कठिन समस्या पर परखा: एक "नॉनलीन डैम्प्ड ऑसिलेटर" (nonlinear damped oscillator) के सटीक गणितीय सूत्र को खोजना। इसे एक ऐसे स्प्रिंग के रूप में सोचें जो केवल ऊपर-नीचे नहीं उछलता; बल्कि यह हिलने पर भारी हो जाता है, अजीब तरह से धीमा हो जाता है, और बाहरी बलों द्वारा धकेला जाता है। यह एक बहुत ही जटिल, वास्तविक दुनिया की भौतिकी समस्या है।
उन्होंने GAE की तुलना अन्य शीर्ष तरीकों से की, जिनमें वे भी शामिल हैं जो उसी सुपर-स्मार्ट रोबोट लेखक का उपयोग करते हैं लेकिन बिना इस कोचिंग सिस्टम के।
- परिणाम: GAE सिर्फ जीता ही नहीं; इसने प्रतियोगिता को बुरी तरह से पछाड़ दिया। इन सिमुलेशनों में, GAE ने ऐसे समीकरण खोजे जो अविश्वसनीय रूप से सटीक थे।
- संख्याएँ: पेपर त्रुटि को "log10 NMSE" नामक संख्या का उपयोग करके रिपोर्ट करता है। कम संख्या बेहतर है। सबसे अच्छे पिछले तरीकों (जैसे OpenEvolve) ने -3.14 या -5.87 के आसपास स्कोर प्राप्त किया। हालाँकि, GAE ने -7.24 (और कठिन, अनदेखे टेस्ट डेटा पर -7.45) का स्कोर पाया।
- इसका क्या मतलब है? -7.24 का स्कोर का मतलब है कि त्रुटि लगभग 5.7 × 10⁻⁸ है। यह एक बहुत ही, बहुत छोटी संख्या है। इसका मतलब है कि GAE द्वारा खोजा गया समीकरण वास्तविक भौतिकी के साथ लगभग एक आदर्श मिलान है।
"जादुई" समीकरण
सबसे अच्छा समीकरण जिसे GAE ने खोजा, वह केवल एक साधारण रेखा नहीं था। यह एक जटिल, सुंदर सूत्र था जिसमें शामिल थे:
- लीनियर फोर्सेज (बुनियादी उछाल)।
- क्वाड्रेटिक और क्यूबिक फोर्सेज (अजीब, नॉन-लीनियर उछाल)।
- वेलोसिटी-डिपेंडेंट डैम्पिंग (कैसे स्प्रिंग धीमा होता है)।
- टाइम-डिपेंडेंट फोर्सेज (बाहरी धक्के)।
- और यहाँ तक कि कुछ जटिल इंटरैक्शन टर्म्स जहाँ पोजीशन, स्पीड और टाइम आपस में मिलते हैं।
लेखकों ने दिखाया कि यह समीकरण भौतिक रूप से तर्कसंगत है। इसने सही ढंग से पहचाना कि स्प्रिंग में एक "लीनियर रिस्टोरिंग फोर्स" (जो इसे बीच में वापस लाता है), "क्यूबिक नॉनलिनैरिटी" (जो इसे एक विशिष्ट तरीके से सख्त बनाता है), और "क्वाड्रेटिक ड्रैग" (हवा का प्रतिरोध जो गति का विरोध करता है) है।
GAE क्या नहीं है
यह महत्वपूर्ण है कि यह जानना कि यह पेपर क्या दावा नहीं करता है। लेखक सावधानी बरतते हुए कहते हैं कि यह तरीका कोड को देखने के एक विशिष्ट तरीके (पायथन के "एब्स्ट्रैक्ट सिंटैक्स ट्री") पर निर्भर करता है। यदि आप इस सटीक सिस्टम को बिना "शेप-शिफ्टर" दिमाग को बदले किसी अन्य प्रोग्रामिंग भाषा पर उपयोग करने का प्रयास करेंगे, तो यह काम नहीं करेगा। साथ ही, हालांकि परिणाम अद्भुत हैं, वे एक विशिष्ट भौतिकी समस्या के कंप्यूटर सिमुलेशन पर आधारित हैं। पेपर सुझाव देता है कि यह एक शक्तिशाली नया दिशा है, लेकिन यह दावा नहीं करता है कि इसने वैज्ञानिक खोज की सभी समस्याओं को हल कर दिया है।
निष्कर्ष (The Takeaway)
संक्षेप में, GAE वैज्ञानिक खोज की अराजक, रैंडम प्रक्रिया को एक केंद्रित, आत्म-सुधार करने वाली यात्रा में बदल देता है। अपने विचारों की संरचना को "देखने" का तरीका देने, सबसे अच्छे शुरुआती बिंदुओं को चुनने के लिए एक कोच, और हर प्रयास से सीखने का तरीका प्रदान करके, इसने एक ऐसा लगभग-परफेक्ट भौतिकी समीकरण खोजा जिसे अन्य तरीकों ने मिस कर दिया था। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ AI केवल अनुमान नहीं लगाता, बल्कि प्रकृति के नियमों को खोजने के लिए वास्तव में सीखता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।