Neural operator preconditioning from mixed dataset for the Helmholtz equations: Application to transcranial ultrasound

कल्पना कीजिए कि आप एक ऐसे जंगल में फुसफुसाहट भेजने की कोशिश कर रहे हैं जहाँ हर पेड़ अलग सामग्री से बना है—कुछ नरम काई (moss) के हैं, कुछ कठोर ग्रेनाइट के, और कुछ खोखले बांस के। यदि आप चिल्लाते हैं, तो ध्वनि टकराती है, बिखरती है और एक अराजक मलबे में बदल जाती है। अब, कल्पना कीजिए कि वह जंगल एक मानव खोपड़ी (skull) है, और वह फुसफुसाहट मस्तिष्क के ट्यूमर का इलाज करने के लिए ध्वनि की एक केंद्रित किरण है जो त्वचा को काटे बिना काम करती है। यह ट्रांसक्रानियल अल्ट्रासाउंड की दुनिया है, एक चिकित्सा महाशक्ति जो ध्वनि तरंगों का उपयोग उपचार के लिए करती है। लेकिन एक पेंच है: हर मानव खोपड़ी अद्वितीय होती है, जैसे हड्डी से बनी एक उंगलियों के निशान (fingerprint) जैसी। ध्वनि किरण को सटीक रूप से लक्षित करने के लिए, डॉक्टरों को प्रत्येक रोगी के लिए हेल्महोल्ट्ज़ समीकरण (Helmholtz equation) नामक एक विशाल, जटिल गणितीय पहेली को हल करने की आवश्यकता होती है। मानक कंप्यूटर विधियों के साथ ऐसा करना एक घास के ढेर में सुई खोजने जैसा है, जहाँ हर एक तिनके को एक-एक करके जांचना पड़ता है; इसमें बहुत समय लगता है और अक्सर यह विफल हो जाता है जब घास का ढेर बहुत बड़ा या अजीब हो जाता है।

यहाँ "न्यूरल ऑपरेटर्स" (neural operators) की दुनिया आती है, जो एक प्रकार का आर्टिफिशियल इंटेलिजेंस (AI) है जिसे सुपर-फास्ट अनुमान लगाने के लिए प्रशिक्षित किया गया है। हर बार गणित को शून्य से हल करने के बजाय, ये AI मॉडल हजारों उदाहरणों का अध्ययन करके "खेल के नियमों" को सीख लेते हैं। वे एक अनुभवी नाविक की तरह कार्य करते हैं जिसने हर प्रकार के जंगल को देखा है और जानता है कि हवा कैसे चलेगी, जिससे वे ध्वनि किरण का तुरंत मार्गदर्शन कर सकें। हालाँकि, पिछले प्रयासों ने एक दीवार से टकराकर हार मान ली थी: वे सरल, काल्पनिक जंगलों में अनुमान लगाने में तो माहिर थे, लेकिन वास्तविक मानव खोлоपड़ी की जटिल और वास्तविक दुनिया की चुनौतियों का सामना करने में भटक जाते थे। वे वास्तविक काम को संभालने के लिए या तो बहुत अधिक विशिष्ट थे या बहुत अधिक रैंडम।

यानफेई जियांग (Yanfei Xiang) का यह शोध पत्र एक चतुर प्रश्न पूछता है: क्या होगा यदि हम AI को केवल एक प्रकार के जंगल या दूसरे प्रकार के जंगल पर प्रशिक्षित न करें, बल्कि दोनों के "मिश्रित सलाद" (mixed salad) पर प्रशिक्षित करें? शोधकर्ताओं ने एक नई रणनीति विकसित की जहाँ उन्होंने अपने न्यूरल ऑपरेटर को वास्तविक, रोगी जैसे खोपड़ी के डेटा और यादृच्छिक (random), अराजक डेटा के संयोजन पर प्रशिक्षित किया। इसके बाद, उन्होंने इस AI का उपयोग गणितीय सॉल्वर को बदलने के लिए नहीं, बल्कि एक "टर्बो-चार्ज्ड प्रीकंडीशनर" (preconditioner) के रूप में किया—एक स्मार्ट सहायक जो मुख्य सॉल्वर को एक बड़ी बढ़त देता है। परिणाम आश्चर्यजनक हैं। सिमुलेशन में, इस हाइब्रिड टीम ने उन ग्रिड्स पर जटिल अल्ट्रासाउंड समस्याओं को हल किया जो AI द्वारा प्रशिक्षित ग्रिड से 64 गुना बड़े थे, एक ऐसा कार्य जहाँ पुराने तरीके हार मान लेते थे। यह पेपर सुझाव देता है कि विशिष्ट वास्तविक दुनिया के उदाहरणों और विविध रैंडम डेटा दोनों को शामिल करके प्रशिक्षण डेटा को सावधानीपूर्वक डिजाइन करके, हम ऐसे AI उपकरण बना सकते हैं जो तेज़ और इतने मजबूत हों कि वास्तविक मानव शरीर की अप्रत्याशित प्रकृति को संभाल सकें, जिससे सुरक्षित, अधिक प्रभावी गैर-आक्रामक (non-invasive) मस्तिष्क उपचारों का मार्ग प्रशस्त हो सके।

स्मार्ट सहायक की कहानी

समस्या: जटिल खोपड़ी
मानव खोपड़ी को एक विशाल, ऊबड़-खाबड़ दर्पण के रूप में सोचें जो प्रकाश (या इस मामले में, ध्वनि) को विकृत करता है। जब डॉक्टर मस्तिष्क के एक विशिष्ट स्थान पर अल्ट्रासाउंड तरंगों को केंद्रित करना चाहते हैं, तो खोपड़ी उन तरंगों को मोड़ देती है और बिखेर देती है, जिससे लक्ष्य तक पहुँचना कठिन हो जाता है। इसे ठीक करने के लिए, वे गणना करने के लिए कंप्यूटरों का उपयोग करते हैं कि तरंगें वास्तव में कैसे व्यवहार करेंगी। इसमें हेल्महोल्ट्ज़ समीकरण को हल करना शामिल है, जो एक गणितीय नियम है जो बताता है कि तरंगें कैसे चलती हैं। समस्या यह है कि खोपड़ी "विषम" (heterogeneous) है, जिसका अर्थ है कि यह विभिन्न सामग्रियों से बनी है जिनकी गति अलग-अलग है, जिससे गणित अविश्वसनीय रूप से कठिन हो जाता है। मानक कंप्यूटर सॉल्वर चरण-दर-चरण उत्तर का अनुमान लगाने की कोशिश करते हैं, लेकिन इन पेचीदा खोपड़ी समस्याओं के लिए, वे अक्सर अटक जाते हैं, घंटों ले लेते हैं या उत्तर खोजने में पूरी तरह विफल हो जाते हैं।

पुराना समाधान: "लर्नड ऑप्टिमिज़र" (Learned Optimizer)
इस पेपर से पहले, शोधकर्ताओं ने एक AI को "लर्नड ऑप्टिमिज़र" के रूप में कार्य करने के लिए प्रशिक्षित करने का प्रयास किया था। कल्पना कीजिए कि एक छात्र है जिसने विशिष्ट अभ्यास परीक्षणों के उत्तर रट लिए हैं। यह छात्र (AI) अभ्यास परीक्षणों को हल करने में अच्छा था लेकिन थोड़े अलग परीक्षण मिलने पर संघर्ष करने लगा। इस पेपर में, इस पुराने AI तरीके ने एक विशिष्ट उदाहरण को हल किया लेकिन तीन अन्य वास्तविक खोपड़ी के उदाहरणों पर अभिसरण (converge/उत्तर ढूँढने) करने में विफल रहा, और कम सटीकता के स्तर पर अटक गया। यह एक ऐसे छात्र की तरह था जो केवल तभी परीक्षा पास कर सकता था जब प्रश्न बिल्कुल अभ्यास वाले प्रश्नों जैसे ही हों।

नया विचार: "मिक्स्ड डेटासेट" रणनीति
लेखक को एहसास हुआ कि AI को बेहतर शिक्षा की आवश्यकता है। केवल रैंडम, काल्पनिक डेटा या केवल एक विशिष्ट प्रकार की खोपड़ी देने के बजाय, उन्होंने छह अलग-अलग "मिक्स्ड डेटासेट्स" बनाए। ये डेटासेट्स एक पाठ्यक्रम की तरह थे जिसमें मिश्रण था:

1. वास्तविक परिदृश्य: डेटा जो वास्तविक मानव खोपड़ियों (आदर्श मॉडलों का उपयोग करके) जैसा दिखता था।
2. रैंडम अराजकता (Random chaos): डेटा जिसमें रैंडम ध्वनि की गति और स्रोत स्थान थे।
3. विभिन्न स्रोत प्रकार: कुछ जहाँ ध्वनि एक बिंदु से आ रही थी, कुछ जहाँ कई बिंदुओं से, और कुछ जहाँ एक सुचारू प्रसार (smooth spread) था।

लक्ष्य यह था कि AI को एक "जनरलिस्ट" (generalist) के रूप में प्रशिक्षित किया जाए जो वास्तविक खोपड़ी की विशिष्ट बारीकियों और रैंडम शोर की जंगली विविधताओं, दोनों को संभाल सके। उन्होंने एक कन्वेल्शनल न्यूरल नेटवर्क (CNN) को "प्रीकंडीशनर" के रूप में कार्य करने के लिए प्रशिक्षित किया—जो पैटर्न पहचानने में कुशल AI का एक प्रकार है। प्रीकंडीशनर को एक स्मार्ट कोच की तरह समझें जो खिलाड़ी के लिए खेल हल नहीं करता है, बल्कि उन्हें एक बेहतरीन वार्म-अप रूटीन देता है ताकि खिलाड़ी बहुत तेज़ी से जीत सके।

प्रयोग: बड़ी परीक्षा
शोधकर्ताओं ने अपने नए AI कोच को दो तरीकों से परखा:

1. "सेम फॉरेस्ट" टेस्ट: उन्होंने AI का परीक्षण उन समस्याओं पर किया जो उसके प्रशिक्षण के दौरान देखे गए डेटा के समान थीं। यहाँ, AI एक बड़ी सफलता थी, जिसने मानक सॉल्वर की तुलना में बहुत कम समय में समस्याओं को हल किया।
2. "रियल वर्ल्ड" टेस्ट: यह सबसे बड़ी चुनौती थी। उन्होंने चार वास्तविक वयस्क मानव सिर CT स्कैन पर परीक्षण किया। ये स्कैन 512 × 512 बिंदुओं के ग्रिड पर थे, जो कि AI द्वारा प्रशिक्षित 64 × 64 ग्रिड से 64 गुना बड़ा था। यह एक बहुत बड़ी छलांग है, जैसे किसी धावक को एक छोटे ट्रैक पर प्रशिक्षित करना और फिर उनसे मैराथन दौड़ने के लिए कहना।

परिणाम: गति और सफलता
परिणाम नाटकीय थे।

• मानक सॉल्वर (GMRES): वास्तविक मानव खोपड़ी की समस्याओं पर, मानक सॉल्वर चार में से तीन मामलों में विफल रहा, यहाँ तक कि 12 घंटे से अधिक चलाने के बाद भी। यह जटिलता को संभाल ही नहीं सका।
• पुराना AI (Learned Optimizer): यह तरीका भी चार में से तीन मामलों में विफल रहा, अटक गया और आवश्यक सटीकता तक नहीं पहुँच पाया।
• नया AI (CNN-FGMRES): नए तरीके ने, जो मिश्रित-डेटासेट पर प्रशिक्षित AI का उपयोग करता था, सभी चार कठिन मामलों को हल किया। इसने मिनटों में उत्तर खोज लिया (विशेष रूप से, कम सटीकता के लिए सभी चार मामलों के लिए लगभग 12 मिनट और उच्च सटीकता के लिए लगभग 46 मिनट)।

पेपर नोट करता है कि सबसे विविध "मिक्स्ड" डेटासेट (Dataset D0) पर प्रशिक्षित AI ने समग्र रूप से सर्वश्रेष्ठ प्रदर्शन किया। यह सुझाव देता है कि जबकि केवल एक विशिष्ट प्रकार के डेटा पर प्रशिक्षण देने से AI एक चीज़ में तेज़ बनता है, यह उसे नाजुक (fragile) बना देता है। रैंडम और विविध डेटा को मिलाने से, AI ने मजबूत होना सीखा, जिससे वह वास्तविक मानव खोपड़ियों की "आउट-ऑफ-डिस्ट्रीब्यूशन" अराजकता को संभालने में सक्षम हुआ जिसे उसने पहले कभी नहीं देखा था।

निष्कर्ष (Takeaway)
यह पेपर यह दावा नहीं करता है कि इसने मस्तिष्क की सर्जरी की पूरी समस्या को हल कर लिया है, लेकिन यह विज्ञान के लिए AI को प्रशिक्षित करने का एक शक्तिशाली नया तरीका दिखाता है। यह सिद्ध करता है कि आप AI को डेटा कैसे खिलाते हैं, यह AI खुद से भी अधिक महत्वपूर्ण है। वास्तविक, अनुप्रयोग-विशिष्ट डेटा को रैंडम, विविध डेटा के साथ मिलाकर, आप ऐसे उपकरण बना सकते हैं जो तेज़ और इतने विश्वसनीय हों कि वास्तविक दुनिया की चिकित्सा चुनौतियों से निपट सकें। लेखक सुझाव देते हैं कि यह "मिक्स्ड डेटासेट" दृष्टिकोण वैज्ञानिक मशीन लर्निंग को प्रयोगशाला से बाहर वास्तविक दुनिया में काम करने के लिए सक्षम बनाने के लिए एक प्रमुख घटक है, जो एक धीमे, संघर्षरत सॉल्वर को हमारे सिर के भीतर की जटिल तरंगों के लिए एक तेज़, आत्मविश्वासी नाविक में बदल देता है।