Physics-Aware Complex-Valued State Space Model with Scattering-Prior Feature Modulation for PolSAR Image Classification

अदृश्य मानचित्र और भौतिकी का जासूस

कल्पना कीजिए कि आप दुनिया को अपनी आँखों से नहीं, बल्कि एक सुपर-पावरफुल रडार के साथ देखने की कोशिश कर रहे हैं जो घने बादलों के बीच या रात के सन्नाटे में भी हर चीज़ की बनावट और आकार को "महसूस" कर सकता है। यह पोलारिमेट्रिक सिंथेटिक अपर्चर रडार (PolSAR) की दुनिया है। एक सामान्य कैमरे के विपरीत जो केवल प्रकाश की तस्वीर लेता है, PolSAR माइक्रोवेव संकेतों को भेजता है और यह सुनता है कि वे वापस कैसे टकराते हैं। क्योंकि ये संकेत तरंगें (waves) हैं, उनमें दो विशेष गुण होते हैं: उनकी शक्ति (आयाम/amplitude) और उनके तरंग चक्र में उनकी स्थिति (फेज/phase)। जब ये तरंगें अलग-अलग चीजों से टकराती हैं—जैसे एक सपाट सड़क, एक ऊंची इमारत, या एक पत्तेदार पेड़—तो वे अद्वितीय और जटिल पैटर्न में वापस लौटती हैं।

वैज्ञानिक लंबे समय से इन रडार "गूँज" (echoes) को देखने और स्वचालित रूप से जंगल, शहर या कृषि क्षेत्र के बीच अंतर करने के लिए कंप्यूटरों का उपयोग करने की कोशिश कर रहे हैं। यह जलवायु परिवर्तन की निगरानी करने, कृषि प्रबंधन करने या आपदाओं का पता लगाने जैसे कार्यों के लिए एक बहुत बड़ी बात है। हालाँकि, इसमें एक पेंच है। अधिकांश कंप्यूटर प्रोग्राम जो यह करने की कोशिश करते हैं, वे उन छात्रों की तरह हैं जो केवल "वास्तविक संख्याओं" (Real Numbers) में बात करते हैं। वे जटिल, तरंग-रूपी रडार डेटा को लेते हैं और उसे सरल, सपाट संख्याओं में काट देते हैं, जिससे वह सूक्ष्म "फेज" जानकारी खो जाती है जो इस रहस्य को थामे रहती है कि तरंगों ने वास्तव में जमीन के साथ कैसे व्यवहार किया। इसके अलावा, कई प्रोग्राम सब कुछ शून्य से सीखने की कोशिश करते हैं, इस तथ्य को अनदेखा करते हुए कि हम पहले से ही जानते हैं कि भौतिकी (physics) कैसे काम करती है। वे रडार डेटा को एक खाली कैनवास की तरह देखते हैं, न कि एक ऐसे पहेली की तरह जिसके पास ज्ञात नियम पुस्तिका है। बड़ा सवाल यह है: क्या हम एक ऐसा कंप्यूटर मस्तिष्क बना सकते हैं जो इन तरंगों की मूल भाषा बोल सके और सीखने के लिए भौतिकी के नियमों का उपयोग कर सके?

शोध पत्र का समाधान: एक भौतिकी-जानकार समय यात्री

यह शोध पत्र CV-SSMNet नामक एक नया AI मॉडल पेश करता है, जो एक ऐसे जासूस की तरह काम करता है जो न केवल सुराग देखता है बल्कि उनके पीछे की भौतिकी को भी समझता है। लेखकों ने इस मॉडल को PolSAR छवियों को वर्गीकृत करने की समस्या को हल करने के लिए बनाया है, जिसमें दो शक्तिशाली विचारों को जोड़ा गया है: कॉम्प्लेक्स-वैल्यूड स्टेट स्पेस मॉडल (Complex-Valued State Space Models) और स्कैटरिंग-प्रायर फीचर मॉड्यूलेशन (Scattering-Prior Feature Modulation)।

सबसे पहले, "कॉम्प्लेक्स-वैल्यूड" वाले हिस्से के बारे में बात करते हैं। कल्पना कीजिए कि आप एक गाने का वर्णन करने की कोशिश कर रहे हैं। यदि आप केवल वॉल्यूम (आयाम) लिखते हैं, तो आप धुन (फेज) को खो देते हैं। पिछले AI मॉडल अक्सर चीजों को आसान बनाने के लिए धुन को फेंक देते थे। CV-SSMNet, हालांकि, पूरे गाने को बरकरार रखता है। यह रडार डेटा को उसके मूल, जटिल रूप में संसाधित करता है, जिससे तरंग की शक्ति और उसके समय के बीच के संबंध को सुरक्षित रखा जा सके। यह मॉडल को उन सूक्ष्म अंतरों को "सुनने" की अनुमति देता है जो एक चिकनी झील और एक ऊबड़-खाबड़ जंगल के बीच होते हैं, जिन्हें अन्य मॉडल मिस कर देते हैं।

दूसरा, मॉडल एक "स्टेट स्पेस" दृष्टिकोण का उपयोग करता है। इसे एक "समय-यात्रा करने वाली स्मृति" (time-traveling memory) के रूप में सोचें। केवल छवि के एक छोटे से हिस्से को देखकर यह अनुमान लगाने के बजाय कि वह क्या है (जो केवल एक व्यक्ति के बाएं जूते को देखकर उसकी पहचान करने जैसा है), यह मॉडल पूरी छवि को एक विशिष्ट क्रम में स्कैन करता है, जो जो कुछ भी उसने पहले देखा था उसे याद रखता है ताकि वह जो अब देख रहा है उसके संदर्भ (context) को समझ सके। यह इसे छवि के दूरस्थ हिस्सों को जोड़ने में मदद करता है, यह समझने में कि इमारतों का एक समूह केवल आकृतियों का एक यादृच्छिक संग्रह नहीं, बल्कि एक शहर होने की संभावना है।

लेकिन यहाँ असली जादू का खेल है: स्कैटरिंग-प्रायर फीचर मॉड्यूलेशन। आमतौर पर, जब AI सीखता है, तो उसे कच्चा डेटा दिया जाता है और कहा जाता है, "इसे सुलझाओ।" कभी-कभी, वैज्ञानिक AI को अतिरिक्त "संकेत" (जैसे भौतिक गुणों की एक सूची) देते हैं, लेकिन वे इन संकेतों को डेटा के बगल में एक स्टिकी नोट की तरह चिपका देते हैं। इस शोध पत्र के लेखक तर्क देते हैं कि यह बहुत निष्क्रिय है। इसके बजाय, उन्होंने एक ऐसा सिस्टम बनाया है जहाँ ये भौतिक संकेत एक ऑर्केस्ट्रा के कंडक्टर के रूप में कार्य करते हैं।

मॉडल सात विशिष्ट "स्कैटरिंग प्रायर्स" (जैसे एंट्रॉपी, एनिसोट्रॉपी और विभिन्न प्रकार की स्कैटरिंग पावर्स) की गणना करता है जो यह बताते हैं कि जमीन भौतिक रूप से रडार तरंगों को कैसे बिखेरती है। इन संख्याओं को डेटा में जोड़ने के बजाय, मॉडल इनका उपयोग अपने आंतरिक सेटिंग्स को गतिशील रूप से ट्यून करने के लिए करता है। यह एक ऐसे शेफ की तरह है जो केवल बर्तन में नमक नहीं डालता, बल्कि सूप का स्वाद लेता है और फिर वास्तविक समय में ज़रूरत के अनुसार गर्मी, हिलाने की गति और सामग्री को समायोजित करता है। यदि भौतिकी कहती है कि "यह एक जंगल जैसा दिखता है," तो मॉडल तुरंत अपने फोकस को उन विशेषताओं को खोजने के लिए समायोजित करता है जो एक जंगल से मेल खाती हैं, जिससे सीखने की प्रक्रिया बहुत अधिक स्मार्ट और सटीक हो जाती है।

उन्होंने क्या पाया और क्या खारिज किया

शोधकर्ताओं ने इस नए "भौतिकी-जागरूक" जासूस का परीक्षण चार अलग-अलग वास्तविक दुनिया के रडार डेटासेट्स पर किया, जिसमें नीदरलैंड के कृषि क्षेत्र, सैन फ्रांसिस्को के शहरी क्षेत्र और यूरोप के विशाल वन क्षेत्र शामिल हैं। उन्होंने CV-SSMNet की तुलना सात अन्य शीर्ष-स्तरीय विधियों से की, जिनमें वे मॉडल भी शामिल हैं जो कॉम्प्लेक्स नंबरों का उपयोग करते हैं लेकिन भौतिकी को अनदेखा करते हैं, और वे जो भौतिकी का उपयोग करते हैं लेकिन डेटा की जटिल तरंग प्रकृति को अनदेखा करते हैं।

परिणाम बताते हैं कि CV-SSMNet एक महत्वपूर्ण प्रगति है। फ्लेवोलैंड (Flevoland) कृषि डेटासेट पर, इसने 97.56% की समग्र सटीकता प्राप्त की, जो अगली सर्वश्रेष्ठ विधि से बेहतर थी। सैन फ्रांसिस्को शहरी डेटासेट पर, इसने 97.02% सटीकता प्राप्त की। दृश्य परिणाम विशेष रूप से प्रभावशाली थे: जबकि अन्य मॉडलों ने ऐसे मानचित्र बनाए जो "स्पेकल्ड" (धब्बेदार) या भ्रमित दिखते थे (इमारतों को सड़कों के साथ मिला देते थे), CV-SSMNet ने साफ, स्पष्ट सीमाएं बनाईं जो लगभग 'ग्राउंड ट्रुथ' के समान थीं।

महत्वपूर्ण रूप से, शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि केवल भौतिक डेटा को एक अतिरिक्त इनपुट चैनल के रूप में जोड़ना ही पर्याप्त है। अपने प्रयोगों में, उन्होंने अपने "कंडक्टर" तरीके (FiLM मॉड्यूलेशन) की तुलना "स्टिकी नोट" तरीके (सरल कॉनकेटिनेशन) से की। "स्टिकी नोट" दृष्टिकोण खराब प्रदर्शन करता है, जो बताता है कि केवल AI को तथ्य देना ही पर्याप्त नहीं है; AI को उन तथ्यों द्वारा निर्देशित किया जाना चाहिए ताकि वह सूचना को संसाधित करने के तरीके को बदल सके।

उन्होंने यह भी परीक्षण किया कि क्या जटिल रडार डेटा को सरल वास्तविक संख्याओं (यानी "रियल-वैल्यूड" दृष्टिकोण) में बदलना एक अच्छा विचार था। उन्होंने पाया कि ऐसा करने से वास्तव में प्रदर्शन खराब हो गया। डेटा को उसके मूल जटिल रूप में रखकर, मॉडल ने उस महत्वपूर्ण आयाम-फेज कपलिंग को संरक्षित किया जो रडार को समझने के लिए आवश्यक है।

यह शोध पत्र रडार परीक्षण की एक आम समस्या "स्पेशियल लीकेज" (spatial leakage) को भी संबोधित करता है। अक्सर, शोधकर्ता अपने डेटा को यादृच्छिक रूप से विभाजित करते हैं, जिसका अर्थ है कि एक टेस्ट पिक्सेल के बगल वाला पिक्सेल ट्रेनिंग सेट में हो सकता है, जो सिस्टम को धोखा देता है। निष्पक्ष होने के लिए, इस टीम ने एक सख्त "ब्लॉक-आधारित" विभाजन पद्धति का उपयोग किया, यह सुनिश्चित करते हुए कि प्रशिक्षण और परीक्षण क्षेत्र शारीरिक रूप से अलग हों। इस कठिन, अधिक यथार्थवादी परीक्षण के बावजूद, उनका मॉडल जीत गया।

हम कितने आश्वस्त हैं?

लेखक अपने परिणामों को लेकर आश्वस्त हैं, जो कई डेटासेट्स पर कठोर परीक्षण और सांख्यिकीय महत्व परीक्षणों द्वारा समर्थित हैं, जिन्होंने दिखाया कि उनके सुधार भाग्य के कारण नहीं थे। हालाँकि, वे यह दावा करने में सावधानी बरतते हैं कि यह हर समस्या के लिए एक पूर्ण समाधान है। वे उल्लेख करते हैं कि जबकि यह मॉडल L-बैंड रडार (एक विशिष्ट आवृत्ति) पर बहुत अच्छा काम करता है, इसे P-बैंड BIOMASS डेटासेट (एक अलग, निचली आवृत्ति) पर अधिक चुनौतियों का सामना करना पड़ा, जहाँ इसने 88.87% सटीकता प्राप्त की। वे सुझाव देते हैं कि ऐसा इसलिए है क्योंकि P-बैंड तरंगें जंगलों में गहराई तक प्रवेश करती हैं, जिससे अलग तरह के स्कैटरिंग पैटर्न बनते हैं जिन्हें मॉडल अभी तक पूरी तरह से समझने में सक्षम नहीं हुआ है।

वे यह भी स्वीकार करते हैं कि हालांकि उनका मॉडल कुछ भारी विकल्पों की तुलना में तेज़ है, फिर भी इसके लिए सरल बेसलाइन्स की तुलना में थोड़े अधिक कंप्यूटिंग पावर की आवश्यकता होती है। लेकिन सटीकता में भारी उछाल और भौतिक रूप से सुसंगत मानचित्र बनाने की क्षमता के लिए यह समझौता सार्थक है।

संक्षेप में, यह शोध पत्र सुझाव देता है कि रडार इमेज विश्लेषण का भविष्य केवल बड़े कंप्यूटरों या अधिक डेटा के बारे में नहीं है; यह ऐसे AI बनाने के बारे में है जो भौतिकी के नियमों का सम्मान करता है। कंप्यूटर को तरंगों को "सुनने" और एक भौतिक विज्ञानी की तरह "सोचने" के लिए सिखाकर, उन्होंने एक ऐसा उपकरण बनाया है जो दुनिया को पहले से कहीं अधिक स्पष्ट रूप से देखता है।