🤖 machine learning

Semidirect Fourier Delta Attention: Phase-Controlled Delta Memory with Constructive Chunk-WY Kernels

यह शोध पत्र सेमिडायरेक्ट फूरियर डेल्टा अटेंशन (SFDA) प्रस्तुत करता है, जो एक चरण-नियंत्रित (phase-controlled) लीनियर अटेंशन तंत्र है जो वास्तविक विकर्ण क्षय (real diagonal decay) को ब्लॉक-रोटेशनल फूरियर नियंत्रण से प्रतिस्थापित करके किमी डेल्टा अटेंशन का सामान्यीकरण करता है और उन्नत दीर्घ-संदर्भ स्मृति (long-context memory) के लिए सटीक अफ़ाइन चंक ट्रांसफर, औपचारिक स्थिरता और सीमित रैंक वृद्धि प्राप्त करने हेतु एक रचनात्मक चंक-WY गुणनखंड (chunk-WY factorization) का उपयोग करता है।

मूल लेखक: Tiantian Zhang

प्रकाशित 2026-07-15

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tiantian Zhang

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 सुपर-स्मार्ट रोबोट बनाने की कोशिश कर रहे हैं जो एक किताब पढ़ सके और उसमें जो कुछ भी पढ़ा है उसे याद रख सके। समस्या यह है कि जैसे-जैसे किताब लंबी होती जाती है, रोबोट का "मेमोरी बकेट" (जहाँ वह तथ्यों को संग्रहीत करता है) बड़ा और बड़ा होता जाता है, जिससे अंततः वह भर जाता है और सब कुछ धीमा हो जाता है।

इसे ठीक करने के लिए, वैज्ञानिकों ने एक चतुर ट्रिक खोजी जिसे लिनियर अटेंशन (Linear Attention) कहा जाता है। बढ़ते हुए बकेट के बजाय, रोबता एक एकल, निश्चित आकार के "स्टेट" (state) को रखता है जो खुद को अपडेट करता रहता है। इसे एक धावक द्वारा बैकपैक ले जाने के रूप में सोचें: बैग में नई चीजें जोड़ने के बजाय (जिससे वह भारी होता जाएगा), धावक बस उसके अंदर की चीजों को बदल देता है या बैग का आकार बदल देता है।

इस तरीके का एक हालिया चैंपियन KDA (किमी डेल्टा अटेंशन) है। यह याद रखने में बहुत अच्छा है, लेकिन इसकी एक कमी है: यह केवल एक सीधी रेखा में यादों को "डिके" (decay) या फीका कर सकता है। यह ऐसा है जैसे एक धावक जो केवल आगे या पीछे चल सकता है, लेकिन कभी मुड़ नहीं सकता या घूम नहीं सकता। यह उन कार्यों को करने में कठिन बनाता है जिनमें चक्र में गिनती करने (जैसे एक घड़ी) या जटिल पैटर्न को याद रखने की आवश्यकता होती है जो वापस खुद पर ही घूमते हैं।

यहाँ नया हीरो आता है: SFDA (सेमीडायरेक्ट फूरियर डेल्टा अटेंशन)।

जादुई ट्रिक: मेमोरी को घुमाना

लेखकों ने एक सरल प्रश्न पूछा: क्या होगा यदि हम रोबोट की मेमोरी को घुमाने में सक्षम बना सकें?

पुराने KDA तरीके में, मेमोरी स्टेट एक सीधी रेखा पर एक संख्या की तरह है जो धीरे-धीरे छोटी होती जाती है। SFDA इसे एक "फेज कंट्रोल" (phase control) जोड़कर अपग्रेड करता है। कल्पना करें कि मेमोरी केवल एक संख्या नहीं है, बल्कि एक घड़ी के चेहरे पर एक घूमता हुआ तीर है।

पुराना तरीका (KD): तीर बस छोटा और छोटा होता जाता है।
नया तरीका (SFDA): तीर घूम सकता है! यह छोटा हुए बिना घड़ी के चेहरे पर घूम सकता है।

यह छोटा सा बदलाव रोबोट को एक सटीक चक्रीय काउंटर (cyclic counter) बना देता है। यदि आप उससे "1, 2, 3, 4, 5, 1, 2..." गिनने के लिए कहते हैं, तो एक मानक रोबोट कुछ समय बाद भ्रमित हो सकता है। लेकिन एक SFDA रोबोट घड़ी के चेहरे पर अपने आंतरिक तीर को पूरी तरह से घुमा सकता है, अपनी जगह खोए बिना हमेशा के लिए गिनती को ट्रैक कर सकता है।

"चंक" का रहस्य: यह कैसे टूटता नहीं है

आप सोच सकते हैं, "यदि रोबोट अपनी मेमोरी घुमाता है, तो गणित बहुत जटिल और धीमा हो जाना चाहिए।" और आमतौर पर, आप सही होंगे। लेकिन लेखकों ने एक जादुई शॉर्टकट खोजा जिसे कंस्ट्रक्टिव चंक-WY थ्योरम (Constructive Chunk-WY Theorem) कहा जाता है।

इस बात पर विचार करें कि रोबोट किताब को शब्द-दर-शब्द नहीं, बल्कि चंक्स (chunks) में पढ़ रहा है (जैसे कि हर 64 शब्दों के पेज के रूप में)।

समस्या: यदि आप एक साथ पूरी किताब के लिए मेमोरी स्टेट की गणना करने की कोशिश करते हैं, तो गणित विस्फोट कर जाता है।
SFDA समाधान: लेखकों ने सिद्ध किया है कि किसी भी एकल चंक के लिए, आप एक विशेष, संक्षिप्त सूत्र का उपयोग करके परिणाम की गणना कर सकते है। यह हर पेज के लिए एक "समरी कार्ड" रखने जैसा है।
सावधानी: यह कार्ड उस एक पेज के भीतर अधिक शब्दों को पढ़ते समय थोड़ा बड़ा होता जाता है। लेकिन यहाँ एक महत्वपूर्ण नियम है: अगले पेज की शुरुआत में कार्ड रीसेट हो जाता है।

पेपर गणितीय रूप से सिद्ध करता है कि प्रत्येक चंक के भीतर मेमोरी जटिलता छोटी रहती है, लेकिन यह दावा नहीं करता है कि रोबोट पूरे उपन्यास के लिए एक ही, छोटे समरी कार्ड के साथ पूरी किताब को याद रख सकता है। एक चंक के भीतर मेमोरी का "रैंक" (जटिलता) बढ़ता है, लेकिन यह चंक के आकार (जैसे 64 या 128) द्वारा सीमित है। यह पूरी अनुक्रम (sequence) में अनंत तक नहीं बढ़ता है।

यह वास्तव में क्या करता है (और क्या नहीं करता)

लेखक इस बारे में बहुत सावधान हैं कि वे क्या दावा कर रहे हैं।

उन्होंने क्या सिद्ध किया कि यह काम करता है:

परफेक्ट काउंटर्स: उन्होंने दिखाया कि SFDA बिल्कुल एक "मोड-5 काउंटर" (1 से 5 तक गिनना और फिर से शुरू करना) का अनुकरण कर सकता है। उनके परीक्षणों में, जबकि पुराना KDA रोबोट कुछ समय बाद भ्रमित हो गया और रैंडम अनुमान लगाने लगा, SFDA रोबोट ने अपनी जगह बनाए रखी, भले ही अनुक्रम उस से 8 गुना लंबा था जिस पर उसे प्रशिक्षित किया गया था।
रजिस्टर्स और स्टैक: उन्होंने सिद्ध किया कि यह नया तरीका डिजिटल "रजिस्टर्स" (मानों को चालू/बंद करना) या एक "स्टैक" (चीजों का ढेर जहाँ आप केवल ऊपर वाली चीज़ निकाल सकते हैं) के रूप में भी कार्य कर सकता है, बशर्ते रोबोट विशिष्ट प्रकार के रोटेशन का उपयोग करे।
गणित ठोस है: उन्होंने अपने सूत्रों को सटीक साबित करने के लिए हजारों कंप्यूटर चेक चलाए। यदि आप कैलकुलेटर में नंबर टाइप करते हैं, तो SFDA का गणित "ब्रूट फोर्स" उत्तर से पूरी तरह मेल खाता है।

उन्होंने स्पष्ट रूप से क्या खारिज किया या हल नहीं किया:

पूरी किताब के लिए कोई जादुई "फिक्स्ड-रैंक" नहीं: उन्होंने स्पष्ट रूप से कहा है कि आप एक एकल, छोटे, निश्चित आकार के सारांश में एक पूरी लंबी अनुक्रम की मेमोरी को संकुचित नहीं कर सकते। जटिलता प्रत्येक चंक प्रति सीमित है, न कि पूरी कहानी के लिए।
अभी यह "जीत" नहीं है: पेपर यह दावा नहीं करता है कि SFDA अभी KDA से तेज़ है। उन्होंने अभी तक इसे टेस्ट करने के लिए सुपर-फास्ट कंप्यूटर चिप ("फ्यूज्ड कर्नेल") नहीं बनाया है। उन्होंने केवल यह सिद्ध किया है कि गणित काम करता है। वे सुझाव देते हैं कि भविष्य में, यह रोबोटों को बहुत कम "ग्लोबल अटेंशन" (महंगा हिस्सा) का उपयोग करने की अनुमति दे सकता है, लेकिन यह अगले चरण के लिए एक लक्ष्य है, वर्तमान तथ्य नहीं।
सामान्य "दिमाग" का अपग्रेड नहीं: उन्होंने यह नहीं दिखाया कि इससे रोबोट निबंध लिखने या कोडिंग करने में स्मार्ट हो जाता है। उन्होंने केवल छोटे, कृत्रिम पहेलियों (जैसे गिनती या रीसेट बटन को याद रखना) पर इसका परीक्षण किया।

निचोड़

यह पेपर AI के लिए चीजों को याद रखने का एक नया तरीका पेश करता है, जिससे उसकी मेमोरी को केवल फीका होने के बजाय गोल चक्कर में "घूमने" की अनुमति मिलती है। उन्होंने सिद्ध किया है कि इस घूमने वाली मेमोरी को छोटे चंक्स में कुशलतापूर्वक गणना किया जा सकता है, जिससे AI को सटीक चक्रीय गिनती और अन्य कठिन कार्य करने में मदद मिलती है जो पुराने तरीकों के लिए कठिन थे।

हालाँकि, वे ईमानदार हैं: उन्होंने अभी तक इस कार को चलाने के लिए तेज़ इंजन नहीं बनाया है, और वे जानते हैं कि यह एक पूरे पुस्तकालय को एक एकल पोस्टकार्ड में संकुचित नहीं कर सकता। यह टूलबॉक्स में एक शक्तिशाली नया उपकरण है, जो कागज पर और छोटे सिमुलेशन में काम करने के लिए सिद्ध हो चुका है, और अब इंजीनियरों के इंतजार में है कि वे इसे बिजली की गति से चलाने के लिए हार्डवेयर बनाएं।

तकनीकी सारांश: सेमिडायरेक्ट फूरियर डेल्टा अटेंशन (SFDA)

समस्या विवरण

लीनियर अटेंशन मैकेनिज्म्स का लक्ष्य सॉफ्टमैक्स अटेंशन की क्वाड्रेटिक जटिलता और बढ़ते KV कैश के स्थान पर एक निश्चित-आकार के रिकरेंट स्टेट (recurrent state) का उपयोग करना है। हालांकि, फिक्स्ड-स्टेट मेमोरी अक्सर सटीक कॉपी करने, सटीक एल्गोरिद्मिक स्टेट ट्रैकिंग और लॉन्ग-कॉन्टेक्स्ट रिट्रीवल में संघर्ष करती है। किमी डेल्टा अटेंशन (KDA) इस दिशा में एक मजबूत हालिया दृष्टिकोण का प्रतिनिधित्व करता है, जो डायगोनल डिके (diagonal decay) और रैंक-वन डेल्टा करेक्शन के माध्यम से अपडेट किए जाने वाले मैट्रिक्स-वैल्यूड मेमोरी स्टेट का उपयोग करता है। जबकि KDA अपने प्यूरीली रियल डायगोनल डिके के कारण व्यावहारिक दक्षता प्राप्त करता है, यह बाउंडेड साइक्लिक मेमोरी या ऑसिलेटरी स्टेट्स को ट्रैक करने की अपनी क्षमता को सीमित करता है। यह कार्य इस केंद्रीय प्रश्न को संबोधित करता है कि क्या KDA-शैली के रिकरेंट मेमोरी में कुशल स्ट्रक्चर्ड चंक कर्नेल को नष्ट किए बिना बीजगणितीय चरण/नियंत्रण गतिकी (algebraic phase/control dynamics) को जोड़ा जा सकता है।

कार्यप्रणाली

यह शोध पत्र सेमिडायरेक्ट फूरियर डेल्टा अटेंशन (SFDA) पेश करता है, जो एक फेज-कंट्रोल्ड डेल्टा-रूल लेयर है और KDA को एक विशेष मामले के रूप में समाहित करता है।

मुख्य आर्किटेक्चर

SFDA, KDA के रियल डायगोनल डिके को एक ब्लॉक-रोटेशनल फूरियर कंट्रोल ऑपरेटर से बदल देता है। कॉम्प्लेक्स कोऑर्डिनेट्स में, रिकरेंट अपडेट को इस प्रकार परिभाषित किया गया है:
$S_t = (I - \beta_t k_t k_t^*) \Lambda_t S_{t-1} + \beta_t k_t v_t^*$
जहाँ $\Lambda_t = \text{diag}(\alpha_t \odot e^{i\theta_t})$ ।

फेज कंट्रोल (Phase Control): $\Lambda_t$ , $\alpha_t$ के साथ एक सीखने योग्य फूरियर फेज $\theta_t$ पेश करता है।
डेल्टा करेक्शन (Delta Correction): रैंक-वन अपडेट टर्म $\beta_t k_t v_t^*$ बना रहता है, जो डेल्टा-रूल संरचना को सुरक्षित रखता है।
रियल इम्प्लीमेंटेशन (Real Implementation): रियल कोऑर्डिनेट्स में, कॉम्प्लेक्स डायगोनल $\Lambda_t$ को $2 \times 2$ रोटेशन-डिके ब्लॉक्स के डायरेक्ट सम के रूप में लागू किया जाता है, जिससे FFT की आवश्यकता नहीं होती और हार्डवेयर कम्पैटिबिलिटी बनी रहती है।

कंस्ट्रक्टिव चंक-WY प्रमेय (The Constructive Chunk-WY Theorem)

केंद्रीय तकनीकी योगदान एक कंस्ट्रक्टिव लेफ्ट-टू-राइट चंक-WY प्रमेय है। ट्रांजिशन के एक अनुक्रम $A_t = \Lambda_t - u_t r_t^*$ (जहाँ $u_t = \beta_t k_t$ और $r_t = \Lambda_t^* k_t$ ) के लिए, उत्पाद $P_t = A_t A_{t-1} \cdots A_1$ को स्पष्ट रूप से अपडेट किया जा सकता है:
$P_t = \Gamma_t - Y_t M_t W_t^*$
जहाँ:

$\Gamma_t$ फेज-डिके मैट्रिसेस का उत्पाद है।
$Y_t, W_t$ आकार $d \times t$ के मैट्रिसेस हैं (जो चंक साइज $C$ द्वारा सीमित हैं)।
$M_t$ आकार $t \times t$ का एक ट्राइएंगुलर मैट्रिक्स है।

महत्वपूर्ण रूप से, करेक्शन टर्म की रैंक केवल एक निश्चित चंक के भीतर बढ़ती है जिसका आकार $C$ है। यह क्लोजर अंडर कंपोजिशन को एक इम्प्लीमेन्टेबल चंक-लोकल रिकर्सन में बदल देता है, जो एक सटीक एफ़ाइन राइट समरी और औपचारिक लागत सीमा प्रदान करता है।

फाइनाइट-स्टेट एक्सप्रेसिविटी (Finite-State Expressivity)

पेपर जनरलाइज्ड टाइड-राइट एफ़ाइन टेम्पलेट (सैद्धांतिक एक्सप्रेसिविटी प्रमाणों के लिए उपयोग किया जाता है) और कर्नेल-कम्पैटिबल SFDA फैमिली (इम्प्लीमेंटेशन के लिए उपयोग किया जाता है) के बीच अंतर करता है।

जनरलाइज्ड टेम्पलेट: लेखक सिद्ध करते हैं कि प्रत्येक डिटर्मिनिस्टिक फाइनाइट ऑटोमेटा (DFA) को वन-हॉट लिफ्टिंग के माध्यम से एक जनरलाइज्ड टाइड-राइट एफ़ाइन सिस्टम द्वारा सटीक रूप से साकार किया जा सकता है, यहाँ तक कि इरेज़-राइट कपलिंग बाधा के साथ भी (राइट कोएफिशिएंट को शून्य सेट करके)।
कॉम्पैक्ट रियलाइजेशन: वास्तविक कर्नेल-कम्पैटिबल SFDA फैमिली ( $\Lambda_t - u_t r_t^*$ $Λ_{t} - u_{t} r_{t}^{*}$ ) के लिए, पेपर विशिष्ट स्ट्रक्चर्ड फैमिलीज के लिए कॉम्पैक्ट एक्सप्रेसिविटी को कैरेक्टराइज करता है:
- फेज-ओनली SFDA: सटीक प्रोडक्ट साइक्लिक काउंटर्स और ऑसिलेटरी फिल्टर्स को साकार करता है।
- रिफ्लेक्शंस के साथ: डायहेड्रल फेज-ओरिएंटेशन मेमोरी को साकार करता है।
- डेल्टा करेक्शन के साथ: रजिस्टर/रीसेट मेमोरी को साकार करता है।
- पार्शियल परम्यूटेशन्स के साथ: बाउंडेड स्टैक्स को साकार करता है।

मुख्य योगदान

टाइड SFDA की परिभाषा: एक औपचारिक आर्किटेक्चर जो KDA को एक ब्लॉक-रोटेशनल कंट्रोल मैट्रिक्स डालकर सामान्यीकृत करता है, और जब फेज शून्य होते हैं तो KDA को रिकवर करता है।
कंस्ट्रक्टिव चंक-WY प्रमेय: एक प्रमाण कि फेज-डिके प्लस रैंक-वन करेक्शन, चंक उत्पादों के लिए एक स्पष्ट, लेफ्ट-टू-राइट रिकर्सन को स्वीकार करता है, जिसमें रैंक चंक साइज $C$ द्वारा सीमित रहती है।
सटीक एफ़ाइन चंक ट्रांसफर: एक प्रमेय जो दिखाता है कि ज़ीरो-इनिशियल-स्टेट रिकरेंस के माध्यम से चंक राइट समरी $B_{\text{chunk}}$ को कैसे कंप्यूट किया जाए, जो सटीक बाउंड्री स्टेट अपडेट्स को सक्षम बनाता है।
कॉम्पैक्ट एक्सप्रेसिविटी कैरेक्टराइजेशन: विशिष्ट स्ट्रक्चर्ड कंट्रोल्स के तहत साइक्लिक काउंटर्स, डायहेड्रल मेमोरी, रजिस्टर्स और बाउंडेड स्टैक्स को कॉम्पैक्टली साकार करने के प्रमाण, जबकि यह भी नोट करता है कि अनिश्चित फाइनाइट ऑटोमेटा के लिए जनरलाइज्ड टेम्पलेट में वन-हॉट लिफ्टिंग की आवश्यकता होती है।
फाइनाइट-स्टेट रियलिजेबिलिटी: एक प्रमाण कि टाइड-राइट कंस्ट्रेंट, जनरलाइज्ड टेम्पलेट का उपयोग करने पर, DFAs के लिए एक्सप्रेसिविटी बाधा नहीं है।
ऑर्बिट-रिस्ट्रिक्टेड रूटिंग: एक प्रमेय जो यह कैरेक्टराइज करता है कि कब एक टाइड राइट डायरेक्शन को केवल मॉडल के स्ट्रक्चर्ड कंट्रोल फैमिली (जैसे, ब्लॉक रोटेशन) का उपयोग करके डीकप्ल्ड डायरेक्शन की ओर रूट किया जा सकता है।

परिणाम

पेपर अपने बीजगणितीय दावों और तंत्र को संख्यात्मक जांच और टॉय एक्सपेरिमेंट्स के माध्यम से मान्य करता है, और इस चरण में बड़े पैमाने के लैंग्वेज मॉडल श्रेष्ठता के दावों से स्पष्ट रूप से बचता है।

संख्यात्मक सत्यापन (Numerical Verification): कंस्ट्रक्टिव चंक-WY रिकर्सन, एफ़ाइन चंक ट्रांसफर, और KDA रिडक्शन को ब्रूट-फोर्स ग्राउंड ट्रुथ के विरुद्ध सत्यापित किया गया, जिसने न्यूमेरिकल प्रिसिजन (जैसे, $10^{-10}$ से $10^{-15}$ ) पर अवशेष (residuals) दिखाए।
साइक्लिक मेमोरी प्रयोग:
- निर्मित काउंटर (Constructed Counter): एक ट्रेनिंग-फ्री मॉड-5 काउंटर टास्क में, SFDA ने लंबाई 27 से 213 तक स्टेट को सटीक रूप से ट्रैक किया, जबकि एक रियल-डायगोनल डिके बेसलाइन चांस लेवल पर गिर गई।
- लर्नड काउंटर (Learned Counter): लंबाई 48 पर प्रशिक्षित एक न्यूनतम SFDA मॉडल ने लंबाई 768 (लगभग 4x ट्रेनिंग लेंथ) तक मॉड-5 काउंटर पर सफलतापूर्वक एक्सट्रपलेशन किया, जबकि फेज-डिसेबल्ड KDA बेसलाइन चांस लेवल के पास रही।
- रीसेट काउंटर (Reset Counter): SFDA ने रीसेट काउंटर टास्क पर 8x ट्रेनिंग लेंथ तक लगभग पूर्ण एक्सट्रपलेशन किया, जबकि KDA 0.68 एक्यूरेसी के आसपास प्लेटो हो गया।

महत्व और दावे

पेपर SFSD को फेज-कंट्रोल्ड डेल्टा मेमोरी के लिए एक सैद्धांतिक और सिस्टम-ओरिएंटेड फ्रेमवर्क के रूप में स्थापित करता है।

सैद्धांतिक महत्व: यह स्ट्रक्चर्ड कर्नेल इनवेरिएंट को खोए बिना फेज डायनेमिक्स को डेल्टा-रूल फ्रेमवर्क में एकीकृत करके, पैरेलल शॉर्टकट कंप्यूटेशन और रिकरेंट स्टेट ट्रैकिंग के बीच के तनाव को हल करता है। यह स्थापित करता है कि "टाइड-राइट" बाधा, जनरलाइज्ड टेम्पलेट का उपयोग करने पर, DFAs के सटीक फाइनाइट-स्टेट रियलाइजेशन को नहीं रोकती है, हालांकि कॉम्पैक्ट लो-डायमेंशनल रियलाइजेशन विशिष्ट कंट्रोल फैमिली पर निर्भर करता है।
सिस्टम टारगेट: लेखक कहते हैं कि तत्काल एम्पिरिकल लक्ष्य टॉय टास्क पर KDA को हराना नहीं है, बल्कि यह परीक्षण करना है कि क्या एक मजबूत SFDA लीनियर लेयर, KDA के विशिष्ट 3:1 हाइब्रिड की तुलना में, उच्च लीनियर-टू-ग्लोबल अटेंशन रेशियो (जैसे, 7:1 या 15:1) को सपोर्ट कर सकती है, जबकि समान कंप्यूट के तहत प्रदर्शन को मैच या बेहतर कर सकती है।
दावों की विनम्रता: पेपर स्पष्ट रूप से निम्नलिखित दावों से परहेज करता है:
- पूरे सीक्वेंस के लिए एक ग्लोबल फिक्स्ड-रैंक सटीक प्रतिनिधित्व (रैंक चंक्स के भीतर बढ़ती है)।
- यह कि SFDA बड़े पैमाने के लैंग्वेज मॉडलिंग या फ्यूज्ड-कर्नेल स्पीड में KDA को हरा देगा (ये भविष्य के सिस्टम वर्क के लिए आरक्षित हैं)।
- कि हर फाइनाइट ऑटोमेटा एक छोटे, कॉम्पैक्ट रिप्रेजेंटेशन को स्वीकार करता है (केवल विशिष्ट स्ट्रक्चर्ड फैमिलीज को ही कॉम्पैक्टली रिप्रेजेंट करने योग्य सिद्ध किया गया है)।

यह कार्य फेज-कंट्रोल्ड डेल्टा मेमोरी के एक नए वर्ग के लिए एक औपचारिक आधार के रूप में कार्य करता है जो डेल्टा-रूल अपडेट्स की दक्षता को फूरियर फेज डायनेमिक्स की स्टेट-ट्रैकिंग क्षमताओं के साथ जोड़ता है।