Human population dynamics as a Bayesian inverse transport problem

तकनीकी सारांश: एक बेयसियन इनवर्स ट्रांसपोर्ट समस्या के रूप में मानव जनसंख्या गतिशीलता

समस्या विवरण
भौतिकी, जीव विज्ञान और इंजीनियरिंग के कई गतिशील प्रणालियों में गैर-संतुलन परिवहन प्रक्रियाएं (non-equilibrium transport processes) शामिल होती हैं जहाँ शासी संरक्षण नियम ज्ञात होते हैं, लेकिन अंतर्निहित घटक संबंध (जैसे प्रजनन और मृत्यु दर) अज्ञात, समय-परिवर्तनीय और अनुमान लगाने में कठिन होते हैं। जनसांख्यिकी में, पारंपरिक दृष्टिकोणों को तीन प्राथमिक सीमाओं का सामना करना पड़ता है: (i) डेटा-संचालित मशीन लर्निंग मॉडल आयु-विशिष्ट महत्वपूर्ण दरों को स्वतंत्र मापदंडों के रूप में मानते हैं, जो कोहॉर्ट-सहसंबंधों (cross-cohort correlations) को पकड़ने में विफल रहते हैं; (ii) वे अक्सर मौलिक द्रव्यमान संरक्षण नियमों का उल्लंघन करते हैं; और (iii) वे भौतिक व्याख्यात्मकता की कमी वाले अनुभवजन्य अनुमानों पर निर्भर करते हैं। इसके अतिरिक्त, पारंपरिक कोहॉर्ट-घटक विधियों में अक्सर स्वाभाविक अनिश्चितता मात्रा निर्धारण (uncertainty quantification) का अभाव होता है, जबकि मानक समय-श्रृंखला पूर्वानुमान कोहॉर्ट प्रक्षेपवक्रों को स्वतंत्र सांख्यिकीय रुझानों के रूप में देखते हैं, जो आयु-संरचित परिवहन के संरचनात्मक बाधाओं की अनदेखी करते हैं।

कार्यप्रणाली
लेखक एक एकीकृत बेयसियन इनवर्स ट्रांसपोर्ट फ्रेमवर्क प्रस्तावित करते हैं जो बेयसियन न्यूरल नेटवर्क्स (BNNs) को आयु-समय जनसंख्या परिवहन को नियंत्रित करने वाले सटीक आंशिक अंतर समीकरणों (PDEs) के भीतर सीधे समाहित करता है।

1. शासी समीकरण: प्रणाली को आयु-संरचित जनसंख्या के लिए प्रथम-क्रम के परिवहन PDE का उपयोग करके मॉडल किया गया है:
   $$\partial_t \rho + \partial_a \rho = -\mu(a, t)\rho$$
   जहाँ $\rho(a, t)$ आयु वितरण घनत्व है और $\mu(a, t)$ मृत्यु दर जोखिम (mortality hazard rate) है। प्रणाली को जन्म सीमा स्थिति द्वारा बंद किया जाता है जो एक फर्टिलिटी कर्नेल $f(a, t)$ द्वारा संचालित होती है, और एक टर्मिनल आयु सीमा $A_{max}$ तक विस्तृत होती है।
2. न्यूरल पैरामीट्राइजेशन: इन घटक नियमों के लिए कार्यात्मक रूपों को निर्धारित करने के बजाय, लेखक इन नियमों को BNNs का उपयोग करके पैरामीटराइज करते हैं।
   • प्रजनन (Fertility): इसे एक लेटेंट टोटल फर्टिलिटी रेट (TFR) द्वारा स्केल किए गए गॉसियन घनत्व के रूप में मॉडल किया गया है, जिसके पैरामीटर (माध्य, विचरण, TFR) एक मल्टी-लेयर पर्सेप्ट्रॉन (MLP) द्वारा आउटपुट किए जाते हैं।
   • मृत्यु दर (Mortality): पूर्ण डेटा वाले देशों (जापान, दक्षिण कोरिया) के लिए, उत्तरजीविता संभावनाओं को सीधे एक BNN के माध्यम से मॉडल किया जाता है। डेटा-दुर्लभ परिदृश्यों (चीन) के लिए, संख्यात्मक स्थिरता सुनिश्चित करने के लिए उत्तरजीविता को एक मानक बेसलाइन हज़ार्ड फंक्शन के आसपास के विचलन के रूप में मॉडल किया गया है।
3. बेयसियन अनुमान (Inference): समस्या को विरल, शोर युक्त अवलोकनों ($Y$) के दिए जाने पर BNN भार ($W$) और प्रारंभिक जनसंख्या प्रोफाइल ($\rho_0$) पर पोस्टीरियर वितरण का अनुमान लगाने के रूप में तैयार किया गया है।
   • सैंपलिंग: लेखक उच्च-आयामी पोस्टीरियर को सैंपल करने के लिए नो-टर्न टर्न सैंपलर (NUTS) का उपयोग करते हैं, जो कि एक हैमिल्टोनियन मोंटे कार्लो पद्धति है।
   • कार्यान्वयन: फ्रेमवर्क उच्च-प्रदर्शन संकलन और ऑटोमैटिक डिफरेंशिएशन के लिए JAX का उपयोग करता है, जिसमें परिवहन समीकरणों को ग्रेडिएंट मूल्यांकन को तेज करने के लिए एक एकल XLA लूप में संकलित किया गया है।
4. भौतिक बाधाएं: BNNs को सटीक परिवहन PDE के भीतर समाहित करके, प्रत्येक पोस्टीरियर सैंपल स्वतः ही जनसांख्यिकीय द्रव्यमान संरक्षण और कोहॉर्ट एडवेक्शन (cohort advection) का पालन करता है, जिससे विरल अवलोकनों के तहत भी भौतिक रूप से सुसंगत आयु प्रोफाइल सुनिश्चित होता है।

प्रमुख योगदान

• एकीकृत ढांचा: यह कार्य ऐतिहासिक पुनर्निर्माण, पूर्वानुमान और अनिश्चितता मात्रा निर्धारण को एक एकल ढांचे में एकीकृत करता है जहाँ लुप्त डेटा को केवल इंटरपोलेशन के बजाय बेयसियन अनुमान के माध्यम से प्राप्त किया जाता है।
• द्रव्यमान संरक्षण: मानक डीप लर्निंग दृष्टिकोणों के विपरीत, यह ढांचा जनसांख्यिकीय निरंतरता को एक कठोर भौतिक बाधा के रूप में लागू करता है, जो द्रव्यमान संरक्षण के उल्लंघन को रोकता है।
• अनिश्चितता प्रसार: यह विधि गारंटी देती है कि समय $t$ पर प्रजनन की अनिश्चितता एडवेक्शन समीकरण के अभिलक्षणों (characteristics) के साथ डाउनस्ट्रीम की ओर प्रसारित होती है, जिससे समय के साथ संरचनात्मक क्रॉस-कोहॉर्ट सहसंबंध सुरक्षित रहते हैं।
• नए मेट्रिक्स: लेखक संरचनात्मक जनसांख्यिकीय संक्रमणों को मापने के लिए सूचना-सैद्धांतिक मेट्रिक्स पेश करते हैं:
  • कुल जनसांख्यिकीय एंट्रॉपी ($S_{total}$): यह युवा और वृद्ध आबादी के बीच अंतर करने के लिए शैनन एंट्रॉपी को एक "फेज वॉल्यूम" क्षमता के साथ जोड़ता है, जो संरचनात्मक संकुचन की पहचान करता है।
  • लोटका इक्विलिब्रियम से KL डाइवर्जेंस ($D_{KL}$): यह वर्तमान आयु संरचना और तात्कालिक स्थिर अट्रैक्टर के बीच की दूरी को मापता है, जो जनसांख्यिकीय ड्राइविंग फोर्स के एक भौतिक माप के रूप में कार्य करता है।

परिणाम
फ्रेमवर्क को तीन पूर्वी एशियाई अर्थव्यवस्थाओं—चीन, जापान और दक्षिण कोरिया—पर लागू किया गया, जो तीव्र प्रजनन पतन की विशेषता रखते हैं।

• पुनर्निर्माण: मॉडल ने तीनों देशों (चीन सहित) के लिए ऐतिहासिक आयु-संरचित ग्रिडों को सफलतापूर्वक पुनर्निर्मित किया, चीन के मामले में भी, जहाँ केवल वार्षिक आयु-संरचित डेटा के बजाय कुल जनसंख्या, जन्म, मृत्यु और दशकीय जनगणना श्रेणियों का उपयोग किया गया था। पुनर्निर्मित वितरण उच्च सटीकता के साथ स्वतंत्र जनगणना अवलोकनों से मेल खाते हैं।
• लेटेंट इन्फरेंस: मॉडल ने बिना TFR को प्रशिक्षण इनपुट के रूप में लिए de latent फर्टिलिटी प्रक्षेपवक्रों का अनुमान लगाया, जिसने दक्षिण कोरिया के प्रजनन संकट के समय और गहराई तथा चीन के प्रतिस्थापन-से-नीचे (sub-replacement) बदलाव को सटीक रूप से पकड़ा।
• पूर्वानुमान (स्टेटस क्वो परिदृश्य):
  • चीन: कार्यशील आयु की जनसंख्या (15-64) के 2050 तक ~25% संकुचित होने का अनुमान है। पोटेन्शियल सपोर्ट रेशियो (PSR) 2049 तक 2.0 के करीब पहुँचने की उम्मीद है।
  • दक्षिण कोरिया: सबसे नाटकीय संरचनात्मक परिवर्तन प्रदर्शित करता है, जिसमें 2050 तक 1.34 का अनुमानित PSR और 75% से अधिक एल्डरली डिपेंडेंसी रेशियो (EDR) है।
  • जापान: एक स्थिर लेकिन अत्यधिक वृद्ध स्तंभ संरचना दिखाता है, जिसका PSR पहले से ही 2.0 से नीचे है।
• एंट्रॉपी और गैर-संतुलन गतिशीलता: विश्लेषण से पता चलता है कि संरचनात्मक एंट्रॉपी संकुचन, कार्यशील आयु और कुल जनसंख्या के शिखर से दशकों पहले, जनसांख्यिकीय गिरावट के अग्रणी संकेतक (leading indicator) के रूप में कार्य करता है। दक्षिण कोरिया 2000 के दशक से एक अभूतपूर्व, लगभग ऊर्ध्वाधर एंट्रॉपी गिरावट प्रदर्शित करता है, जो एक निम्न-एंट्रॉपी, हाइपर-एज्ड अवस्था की ओर तीव्र संक्रमण का संकेत देता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह ढांचा विभिन्न क्षेत्रों में गैर-संतुलन सीमागत गतिकी (non-equilibrium boundary dynamics) को देखने और पूर्वानुमान लगाने के लिए एक सामान्यीकरण योग्य आधार प्रदान करता है। परिवहन समीकरणों को सटीक भौतिक बाधाओं के रूप में उपयोग करके और लेटेंट घटक कानूनों को अनुमानित करने के लिए BNNs का उपयोग करके, यह विधि विरल डेटा को संभालने और अनिश्चितता को प्रसारित करने का एक गणितीय रूप से कठोर तरीका प्रदान करती है।

लेखक का तर्क है कि यह मॉडल केवल जनसंख्या गणना का अनुमान नहीं लगाता है, बल्कि पूर्ण जनसांख्यिकीय पाइपलाइन को हल करता है, जो नीति (जैसे श्रम आपूर्ति, पेंशन प्रणाली, शिक्षा योजना) के लिए महत्वपूर्ण आयु-विशिष्ट मात्राओं के लिए विश्वसनीय अंतराल प्रदान करता है। "जनसांख्यिकीय एंट्रॉपी" और "लोटका डाइवर्जेंस" का परिचय समाज की संरचनात्मक कठोरता और गैर-संतुलन प्रकृति को वर्णित करने के लिए एक नया भौतिक भाषा प्रदान करता है। लेखकों का सुझाव है कि यह दृष्टिकोण मानव जनसांख्यिकी से परे किसी भी ऐसी प्रणाली पर लागू किया जा सकता है जो एडिक्टिव ट्रांसपोर्ट (advective transport), समय-परिवर्तनीय सीमा जनरेशन और आंतरिक सिंक (internal sinks) द्वारा चिह्नित हो, जैसे कि सेलुलर फ्लो, पॉलीमर डिग्रेडेशन, या वायरल लोड ट्रांसपोर्ट।