SMEFT-Pheno-Agent: a natural-language-driven AI agent for machine-learning-assisted Standard Model Effective Field Theory phenomenology

ब्रह्मांड की कल्पना एक विशाल, ब्रह्मांडीय पहेली के रूप में करें। भौतिकविदों ने दशकों तक अधिकांश टुकड़ों को जोड़ने में बिताया है, जिससे एक चित्र बना है जिसे "स्टैंडर्ड मॉडल" कहा जाता है, जो यह बताता है कि इलेक्ट्रॉन और क्वार्क जैसे सूक्ष्म कण कैसे परस्पर क्रिया करते हैं। यह एक शानदार मानचित्र है, लेकिन हम जानते हैं कि यह अधूरा है। इसमें अंतराल हैं—रहस्यमय बल और भारी कण जिन्हें हम अभी तक देख नहीं पा रहे हैं। उन्हें खोजने के लिए, वैज्ञानिक कोलाइडर्स नामक विशाल मशीनों में मनबुद्ध करने वाली गति से कणों को आपस में टकराते हैं। वे मानचित्र में छोटी दरारों की तलाश करते हैं, इस बात के संकेत कि भौतिकी के नियम शायद थोड़े अलग हो सकते हैं जैसा कि हमने सोचा था। यहीं पर "इफेक्टिव फील्ड थ्योरी" (Effective Field Theory) काम आती है। इसे एक लचीले पैमाने के रूप में सोचें: यह अनुमान लगाने के बजाय कि गायब टुकड़ा बिल्कुल कैसा दिखता है, वैज्ञानिक यह मापते हैं कि विभिन्न स्थितियों में वह पैमाना कितना झुकता है। यदि झुकाव अजीब है, तो यह सुझाव देता है कि वहां कुछ नया छिपा हुआ है। समस्या क्या है? ये माप करना एक साथ केक बनाने, ओवन बनाने और रेसिपी लिखने और हर एक दाने को गिनने के समान है। इसके लिए जटिल कंप्यूटर प्रोग्रामों की एक विशाल श्रृंखला की आवश्यकता होती है, और यदि एक भी चरण गलत हो जाए, तो पूरा केक ढह जाता है।

यहाँ SMEFT-Pheno-Agent का प्रवेश होता है, जो इन भौतिकी प्रयोगों के लिए एक परम 'सू-शेफ' (sous-chef) बनने के लिए डिज़ाइन किया गया एक नया डिजिटल सहायक है। यह कोई ऐसा रोबोट नहीं है जो भौतिकी के नए नियम बनाता है; बल्कि, यह एक अत्यधिक संगठित प्रोजेक्ट मैनेजर है जो मानवीय भाषा बोलता है। कल्पना कीजिए कि आप एक बहुत ही स्मार्ट, बहुत ही सख्त रोबोट को कहते हैं, "मैं देखना चाहता हूँ कि क्या होता है यदि हम 10 TeV पर म्यूऑन (muons) को आपस में टकराते हैं और नियमों के एक विशिष्ट प्रकार के झुकाव को देखते हैं।" रोबोट केवल सिर नहीं हिलाता; वह उस वाक्य को लेता है और स्वचालित रूप से पूरा 'किचन' तैयार कर देता है। वह जाँचता है कि क्या ओवन (कंप्यूटर प्रोग्राम) काम कर रहे हैं, तापमान (भौतिकी पैरामीटर) सेट करता है, सामग्री (कण इवेंट्स) का ऑर्डर देता है, और यहाँ तक कि यह भी तय करता है कि अंतिम स्वाद परीक्षण के लिए किन उपकरणों का उपयोग किया जाना चाहिए (मशीन लर्निंग)।

यह पेपर इस एजेंट को एक वर्कफ़्लो के रूप में पेश करता है जो एक साधारण बातचीत को एक कठोर, 12-चरणीय वैज्ञानिक अध्ययन में बदल देता है। लेखक, यू-चेन गुओ, जी वेंग और जी-चोंग यांग ने एक ऐसा सिस्टम बनाया है जहाँ एक AI एजेंट एक ऑर्केस्ट्रा के कंडक्टर के रूप में कार्य करता है। एजेंट आपकी अनुरोध को सामान्य अंग्रेजी में सुनता है, फिर उसे निर्देशों के एक लॉक किए गए सेट में अनुवादित करता है जिसे विशेषज्ञ भौतिकी सॉफ्टवेयर (जैसे MadGraph5_aMC@NLO और Delphes) पालन कर सकें। यहाँ जादू यह है कि AI वास्तव में गणित या संख्याओं को कभी नहीं छूता है। यह एक ऐसे शेफ की तरह है जो रेसिपी लिखता है और अपने सहायकों (sous-chefs) को बताता है कि उन्हें क्या करना है, लेकिन वह वास्तव में बर्तन को नहीं चलाता या सूप को चखता नहीं है। यह सुनिश्चित करता है कि "खाना पकाने" का काम भरोसेमंद, सिद्ध उपकरणों द्वारा किया जाता है, जबकि AI सब कुछ व्यवस्थित रखने के कठिन काम को संभालता है।

यह प्रणाली बारह विशिष्ट चरणों में काम करती है, जो एक साधारण चैट से लेकर एक अंतिम, ऑडिटेड रिपोर्ट तक जाती है।

1. इनटेक (The Intake): आप एजेंट से बात करते हैं, टकराव का प्रकार, ऊर्जा और आप क्या खोजना चाहते हैं, यह निर्दिष्ट करते हैं। एजेंट इन विवरणों को एक कॉन्फ़िगरेशन फ़ाइल में लॉक कर देता है ताकि बाद में कुछ भी गलती से बदल न सके।
2. सेटअप (The Setup): यह जाँचता है कि सभी आवश्यक कंप्यूटर प्रोग्राम स्थापित और तैयार हैं या नहीं।
3. सिमुलेशन (The Simulation): यह भारी काम करता है: लाखों सिम्युलेटेड कण टकराव उत्पन्न करना, यह सिम्युलेट करना कि डिटेक्टर उन्हें कैसे देखेंगे, और "शुद्ध" उदाहरण बनाना कि नया भौतिकी कैसा दिख सकता है।
4. मशीन लर्निंग (The Machine Learning): यहीं पर एजेंट चतुर हो जाता है। यह डेटा को देखता है और यह सुझाव देता है कि "सामान्य" भौतिकी और "नई" भौतिकी के बीच अंतर को पहचानने के लिए सबसे अच्छे गणितीय उपकरण (एल्गोरिदम) कौन से हैं। यह एक विशिष्ट "ऑपरेटिंग पॉइंट"—एक सीमा कि क्या एक 'हिट' माना जाए—चुनता है और पूरे अध्ययन के लिए उसी पर टिका रहता है।
5. विश्लेषण (The Analysis): यह विभिन्न संभावनाओं को स्कैन करता है, डेटा को एक वक्र (curve) में फिट करता है, और गणना करता है कि नई भौतिकी के पक्ष या विपक्ष में साक्ष्य कितने मजबूत हैं।
6. ऑडिट (The Audit): अंत में, एजेंट अपने काम की जाँच करता है। वह सत्यापित करता है कि प्रत्येक फ़ाइल मौजूद है, प्रत्येक संख्या योजना से मेल खाती है, और कहानी तर्कसंगत है। वह एक पांडुलिपि (manuscript) का मसौदा भी तैयार करता है जिसे वैज्ञानिक पढ़ सकें, और ठीक से बताता है कि प्रत्येक संख्या कहाँ से आई है।

यह पेपर इसे एक विशिष्ट उदाहरण के साथ प्रदर्शित करता है: 10 TeV की ऊर्जा वाले भविष्य के म्यूऑन कोलाइडर पर एक टकराव का सिमुलेशन। एजेंट ने सफलतापूर्वक प्रक्रिया का मार्गदर्शन किया, इवेंट सैंपल उत्पन्न किए, मशीन लर्निंग मॉडल (जैसे AdaBoost) को प्रशिक्षित किया, और एक विशिष्ट गुणांक ($c_{gT,0}$) के लिए एक सांख्यिकीय अंतराल (statistical interval) प्रदान किया। परिणामों ने दिखाया कि 0.78 के विशिष्ट थ्रेशोल्ड के साथ, सिस्टम भौतिकी पैरामीटर को 2 के महत्व स्तर (significance level) पर लगभग $[-0.948, 1.531] \times 10^{-3} \text{ TeV}^{-4}$ की सीमा में सीमित कर सकता है।

महत्वपूर्ण रूप से, लेखक सावधानीपूर्वक यह बताते हैं कि यह टूल क्या नहीं है। यह कोई जादुई छड़ी नहीं है जो सभी भौतिकी समस्याओं को हल करती है, और न ही यह भौतिक वैज्ञानिकों की सिद्धांत को समझने की आवश्यकता को प्रतिस्थापित करता है। एजेंट नई भौतिकी का आविष्कार नहीं कर सकता, और यह दावा नहीं करता है कि उसने एक नया कण खोज लिया है। यह पुनरुत्पादकता (reproducibility) के लिए एक उपकरण है। अतीत में, यदि कोई वैज्ञानिक एक जटिल अध्ययन को दोहराना चाहता था, तो उसे यह समझने में सप्ताह बिताने पड़ सकते थे कि पिछले व्यक्ति ने अपने कंप्यूटर प्रोग्राम कैसे सेट किए थे। SMEFT-Pheno-Agent के साथ, पूरी प्रक्रिया एक "मेनिफेस्ट" (manifest) में दर्ज होती है—एक डिजिटल रसीद जो साबित करती है कि वास्तव में क्या किया गया था, कैसे किया गया था, और परिणाम क्या थे। यदि आप अध्ययन को फिर से चलाना चाहते हैं, तो एजेंट इसे फिर से ठीक उसी तरह कर सकता है, क्योंकि यह कभी भी अनुमान या स्मृति (memory) पर निर्भर नहीं रहता।

यह पेपर तर्क देता है कि यह दृष्टिकोण आधुनिक भौतिकी की एक बड़ी बाधा को हल करता है: "हैंडऑफ" (handoff) की समस्या। आमतौर पर, एक कंप्यूटर प्रोग्राम से दूसरे में जाना एक नाजुक, मैनुअल प्रक्रिया है जहाँ त्रुटियाँ चुपचाप प्रवेश कर सकती हैं। इन हैंडऑफ को स्वचालित करके और हर चरण का एक सख्त, अपरिवर्तनीय लॉग रखकर, एजेंट यह सुनिश्चित करता है कि विज्ञान ठोस है। लेखक सुझाव देते हैं कि हालांकि इस विशिष्ट संस्करण का ध्यान एक प्रकार के भौतिकी परिदृश्य पर है, इस ढांचे को भविष्य में अधिक जटिल, बहु-पैरामीटर अध्ययनों को संभालने के लिए विस्तारित किया जा सकता है। फिलहाल, यह एक 'प्रूफ-ऑफ-कॉन्सेप्ट' है: एक तरीका जिससे AI को कागजी कार्रवाई और प्लंबिंग संभालने दिया जा सके, ताकि भौतिक विज्ञानी बड़े सवालों पर ध्यान केंद्रित कर सकें।