An End-to-End Differentiable Forward Model for High-Energy Diffraction Microscopy

कल्पना कीजिए कि आप एक धातु के टुकड़े के भीतर लाखों सूक्ष्म, अदृश्य क्रिस्टलों के सटीक आकार, स्थिति और आंतरिक तनाव (internal stress) का पता लगाने की कोशिश कर रहे हैं, और वह भी केवल उस प्रकाश के पैटर्न को देखकर जो एक अत्यंत तीव्र एक्स-रे बीम से टकराकर बिखरता है। यही हाई-एनर्जी डिफ्रैक्शन माइक्रोस्कोपी (HEDM) का काम है। इसे ब्रह्मांडीय स्तर के "व़ेयर्स वाल्डो?" (Where's Waldo?) खेल की तरह समझें, लेकिन यहाँ आप किसी कार्टून चरित्र को नहीं, बल्कि एक धातु के नमूने में व्यक्तिगत दानों (grains) के सटीक स्थान और ओरिएंटेशन की तलाश कर रहे हैं, जो एक विशाल डिटेक्टर स्क्रीन पर उनके द्वारा डाली गई छाया और धब्बों का उपयोग करते हैं। दशकों से, वैज्ञानिकों ने यह सिम्युलेट करने के लिए शक्तिशाली कंप्यूटरों का उपयोग किया है कि ये क्रिस्टल प्रकाश को कैसे बिखेरना चाहिए, और फिर उस सिमुलेशन की वास्तविक डेटा से तुलना करके उत्तर का अनुमान लगाया है। लेकिन इसमें एक पेंच था: वह कंप्यूटर कोड जिसका उपयोग इन सिमुलेशन को बनाने के लिए किया जाता था, एक 'ब्लैक बॉक्स' की तरह था। आप उसमें संख्याएँ डाल सकते थे और एक चित्र प्राप्त कर सकते थे, लेकिन यदि आप उन संख्याओं में बदलाव करके चित्र को बेहतर बनाना चाहते थे, तो कंप्यूटर यह नहीं बता पाता था कि किस दिशा में बदलाव करना है। उसे अंधेरे में हाथ-पांव मारते हुए, एक के बाद एक सेटिंग्स को आज़माना पड़ता था, जो बहुत धीमा था और अक्सर गलत रास्तों (dead ends) में फंस जाता था।

अब, कल्पना कीजिए कि वह ब्लैक बॉक्स अचानक पारदर्शी हो जाए और फुसफुसा सके, "हे, अगर आप इस नॉब को बस थोड़ा सा बाईं ओर घुमाते हैं, तो चित्र 10% अधिक स्पष्ट हो जाएगा।" यह नया शोध पत्र बिल्कुल यही हासिल करता है। शोधकर्ताओं ने HEDM के लिए पहला "एंड-टू-एंड डिफरेंशिएबल" (end-to-end differentiable) फॉरवर्ड मॉडल बनाया है। सरल शब्दों में, उन्होंने सिमुलेशन सॉफ़्टवेयर को फिर से लिखा है ताकि यह न केवल उत्तर की गणना कर सके, बल्कि तुरंत सुधार के लिए सटीक "ढलान" (slope) या दिशा भी बता सके। उन्होंने इस नए सॉफ़्टवेयर का परीक्षण वर्षों से वैज्ञानिकों द्वारा उपयोग किए जाने वाले पुराने, भरोसेमंद "गोल्ड स्टैंडर्ड" सिम्युलेटरों के विरुद्ध किया, और पाया कि यह उनके साथ पूरी तरह मेल खाता है, यहाँ तक कि डिटेक्टर स्क्रीन के व्यक्तिगत पिक्सेल तक। इसका अर्थ है कि वैज्ञानिक अब क्रिस्टलों की स्थिति, उनके आंतरिक खिंचाव (strain), और यहाँ तक कि कैमरे की ज्यामिति (geometry) को भी एक ही सुचारू गति में समायोजित करने के लिए एक स्मार्ट, गणित-आधारित "ग्रेडिएंट" का उपयोग कर सकते हैं। यह एक धीमे, अंधेरे अंदाज़ के खेल को एक निर्देशित दौरे (guided tour) में बदल देता है जहाँ कंप्यूटर जानता है कि सर्वोत्तम समाधान कैसे ढूँढा जाए।

शोध पत्र की मुख्य खोज

यह शोध पत्र midas-diffract नामक एक नया सॉफ़्टवेयर फ्रेमवर्क प्रस्तुत करता है जो हाई-एनर्जी डिफ्रैक्शन माइक्रोस्कोपी के लिए एक सार्वभौमिक अनुवादक (universal translator) के रूप में कार्य करता है। लेखकों ने पायटॉर्च (PyTorch - एक लोकप्रिय आर्टिफिशियल इंटेलिजेंस टूल) में लिखा गया एक एकल, एकीकृत कंप्यूटर प्रोग्राम बनाया है जो क्रिस्टलों को देखने के तीन अलग-अलग तरीकों को सिम्युलेट कर सकता है: फार-फील्ड (जहाँ डिटेक्टर दूर होता है), नियर-फील्ड (जहाँ यह पास होता है), और पॉइंट-फोकस्ड (जहाँ बीम बहुत सूक्ष्म होती है)।

मुख्य सफलता यह है कि यह नया मॉडल डिफरेंशिएबल (differentiable) है। गणित और कंप्यूटर विज्ञान की दुनिया में, इसका अर्थ है कि सॉफ़्टवेयर यह गणना कर सकता है कि इनपुट (जैसे किसी क्रिस्टल को थोड़ा हिलाना) में एक सूक्ष्म परिवर्तन आउटपुट (स्क्रीन पर पैटर्न) को कैसे बदलता है। इसके कारण, सॉफ़्टवेयर अपने अनुमानों को सुधारने के लिए "ग्रेडिएंट-आधारित" विधियों का उपयोग कर सकता है। केवल अनुमान लगाने और जाँचने के बजाय, यह एक गणितीय पहाड़ी से नीचे फिसलकर सबसे निचले बिंदु—यानी पूर्ण फिट—को बहुत तेज़ी से और अधिक सटीकता से खोज सकता है।

उन्होंने क्या सिद्ध किया और किसे खारिज किया

लेखक इस विचार को स्पष्ट रूप से खारिज करते हैं कि डिफरेंशिएबिलिटी प्राप्त करने के लिए आपको "लर्नड सरोगेट्स" (डेटा पर प्रशिक्षित न्यूरल नेटवर्क) का उपयोग करने की आवश्यकता है। उनका तर्क है कि जबकि न्यूरल नेटवर्क तेज़ होते हैं, वे केवल अनुमान होते हैं जो त्रुटियाँ पैदा कर सकते हैं और भौतिकी के सख्त नियमों का पालन नहीं करते हैं। इसके बजाय, उन्होंने सिद्ध किया कि आप पुराने सी-लैंग्वेज (C-language) कोड की सटीक, कठोर भौतिकी को बरकरार रखते हुए भी इसे डिफरेंशिएबल बना सकते हैं (जिसे 20 वर्षों से परीक्षित किया गया है)।

उन्होंने अपने नए पायटॉर्च मॉडल की तुलना स्थापित "MIDAS" संदर्भ सिम्युलेटरों के साथ करके इसे प्रदर्शित किया। परिणाम आश्चर्यजनक रूप से सटीक थे:

• फार-फील्ड (Far-Field): उन्होंने पिक्सेल-स्तर की सटीकता के साथ 162 में से 162 धब्बों का मिलान किया।
• नियर-फील्ड (Near-Field): उन्होंने 2,304 में से 2,304 पिक्सेल का सटीक मिलान किया, तब भी जब डिटेक्टर झुका हुआ था।
• पॉइंट-फोकस्ड (Point-Focused): उन्होंने 1,096 में से 1,088 धब्बों का मिलान किया, जहाँ कुछ चूक केवल बीम के केंद्र के पास के अत्यंत कठिन गणितीय किनारों (edge cases) में हुई।

शोध पत्र पुष्टि करता है कि उनका नया मॉडल पुराने भौतिकी के साथ पिक्सेल-सटीक (pixel-exact) है, जिसका अर्थ है कि यह गति के लिए सटीकता से समझौता नहीं करता है। यह केवल एक "ठीक-ठाक" अनुमान नहीं है; यह भरोसेमंद कोड का गणितीय रूप से समान जुड़वां है, जिसमें बस अपने डेरिवेटिव (derivatives) को जानने की अतिरिक्त शक्ति जोड़ी गई है।

वास्तविक दुनिया के परीक्षण और सीमाएँ

यह दिखाने के लिए कि यह वास्तविक दुनिया में काम करता है, टीम ने तीन प्रमुख परीक्षण चलाए:

1. "परटर्ब-एंड-रिकवर" (Perturb-and-Recover) परीक्षण: उन्होंने टाइटेनियम के एक नमूने के 214 दानों (grains) के वास्तविक डेटासेट को लिया, उनकी शुरुआती स्थितियों को 1.5 डिग्री तक हिला दिया, और अपने नए सॉफ़्टवेयर को इसे ठीक करने दिया। इसने 100% दानों को सफलतापूर्वक खोज निकाला, सही ओरिएंटेशन और स्थिति को लगभग 6 नैनोमीटर की सटीकता के साथ पाया (जो एक वायरस से भी छोटा है!)।
2. "जॉइंट रिफाइनमेंट" (Joint Refinement) परीक्षण: उन्होंने दिखाया कि सॉफ़्टवेयर कैमरा ज्यामिति (जैसे उसका झुकाव और दूरी) को क्रिस्टल की स्थिति को ठीक करने के साथ-साथ ठीक कर सकता है। चार डिटेक्टर पैनलों के एक सिंथेटिक परीक्षण में, इसने कैमरा रोटेशन एक्सिस को 26 माइक्रोरेडियन के भीतर सुधारा, जो कि एक ही चरण में प्राप्त करना पहले असंभव था।
3. "बेसिन ऑफ कन्वर्जेंस" (Basin of Convergence) परीक्षण: उन्होंने जाँच की कि एक शुरुआती अनुमान कितना गलत हो सकता है जिससे सॉफ़्टवेयर भटक जाए। उन्होंने पाया कि जब तक शुरुआती अनुमान सत्य से लगभग 10 से 12 डिग्री के भीतर है, सॉफ़्टवेयर सफलतापूर्वक सही उत्तर खोज लेगा। यह बहुत अच्छी खबर है क्योंकि मानक उपकरण आमतौर पर आपको 5 डिग्री के भीतर लाते हैं, जिसका अर्थ है कि यह नया उपकरण तत्काल उपयोग के लिए तैयार है।

हालाँकि, शोध पत्र ने स्पष्ट सीमाएँ भी निर्धारित की हैं। यह सॉफ़्टवेयर कोई जादुई छड़ी नहीं है जो किसी भी शुरुआती बिंदु से काम करे; यदि आप 15 डिग्री से अधिक गलत शुरुआत करते हैं, तो यह किसी स्थानीय जाल (local trap) में फंस सकता है। साथ भी, हालांकि यह एक शक्तिशाली ग्राफिक्स कार्ड (GPU) वाले कंप्यूटर पर अविश्वसनीय रूप से तेज़ है, यह अभी भी इस धारणा पर निर्भर करता है कि प्रत्येक क्रिस्टल ग्रेन प्रकाश के एक एकल बिंदु की तरह कार्य करता है। यह अभी तक एक बड़े ग्रेन से टकराने वाली बीम के जटिल 3D आकार को मॉडल नहीं करता है, हालांकि लेखकों का कहना है कि यह एक स्वाभाविक अगला कदम है।

यह क्यों महत्वपूर्ण है

यह शोध पत्र केवल एक तेज़ कैलकुलेटर ही नहीं प्रदान करता है; यह प्रयोगों की एक पूरी नई श्रेणी के द्वार खोलता है। क्योंकि यह मॉडल डिफरेंशिएबल है, वैज्ञानिक अब:

• भौतिकी और डेटा को जोड़ सकते हैं: वे क्रिस्टल कैसे व्यवहार करते हैं (जैसे द्रव्यमान संरक्षण) के बारे में नियम सीधे गणित में जोड़ सकते हैं, जिससे समाधान भौतिक रूप से यथार्थवादी बनता है।
• समय के साथ परिवर्तनों को ट्रैक कर सकते हैं: वे गर्म करने या भार डालने के दौरान क्रिस्टल के आकार और तनाव में होने वाले परिवर्तनों को वास्तविक समय में देख सकते हैं, जिससे प्रयोग को सामग्री के टूटने के कंप्यूटर सिमुलेशन से सीधे जोड़ा जा सकता है।
• अनिश्चितता को माप सकते हैं: वे यह गणना कर सकते हैं कि वे अपने मापों के बारे में कितने आश्वस्त हैं, बजाय इसके कि वे केवल अनुमान लगाएं।

संक्षेप में, लेखकों ने अतीत की कठोर, प्रमाणित भौतिकी और भविष्य के लचीले, शक्तिशाली अनुकूलन (optimization) उपकरणों के बीच एक सेतु बनाया है। उन्होंने केवल गति में सुधार नहीं किया है; उन्होंने खेल के नियम बदल दिए हैं, जिससे वैज्ञानिकों को उन समस्याओं को हल करने की अनुमति मिली है जो पहले निपटने के लिए बहुत जटिल मानी जाती थीं।