A Geometric Inverse Source Problem for Stochastic Parabolic Equations

कल्पना कीजिए कि आप एक रहस्य सुलझाने वाले जासूस हैं जो एक सीलबंद, धुंधले कमरे के भीतर फंसे हुए हैं। आप अंदर नहीं देख सकते, और आप दीवारों के आर-पार नहीं जा सकते। आपके पास केवल तापमान में बदलाव और बाहर एक छोटी, विशिष्ट खिड़की पर टकराती हवा की आवाज़ के रूप में सुराग हैं। यह इनवर्स प्रॉब्लम्स (inverse problems) की दुनिया है। विज्ञान में, हम आमतौर पर एक ज्ञात कारण (जैसे आग) से शुरू करते हैं और प्रभाव (धुआं) की भविष्यवाणी करते हैं। लेकिन एक इनवर्स प्रॉब्लम में, हम प्रभाव (खिड़की पर दिखने वाला धुआं) से शुरू करते हैं और यह पता लगाने के लिए पीछे की ओर काम करते हैं कि आग वास्तव में कहाँ से शुरू हुई थी और वह कितनी बड़ी है।

अब, कल्पना कीजिए कि कमरा केवल धुंधला ही नहीं है; बल्कि यह यादृच्छिक (random) कंपन के साथ हिल भी रहा है, जैसे कि कोई अराजक डांस फ्लोर हो। यह एक स्टोकेस्टिक (stochastic) वातावरण है। वास्तविक दुनिया में, चीजें जैसे कि इलेक्ट्रॉनिक चिप्स में गर्मी का प्रवाह या एक नदी में प्रदूषकों का प्रसार, शायद ही कभी पूरी तरह से सुचारू होते हैं; वे यादृच्छिक शोर (noise) द्वारा झकझोरा जाता है। वैज्ञानिक इन अव्यवस्थित, यादृच्छिक प्रक्रियाओं को मॉडल करने के लिए स्टोकेस्टिक पैराबोलिक समीकरणों (stochastic parabolic equations) का उपयोग करते हैं। सबसे बड़ी चुनौती यह है: यदि सिस्टम को यादृच्छिकता द्वारा हिलाया जा रहा है, तो क्या हम अभी भी सटीक रूप से पहचान सकते हैं कि "स्रोत" कहाँ है? आमतौर पर, यादृच्छिकता चीजों को धुंधला बना देती है, जिससे यह बताना कठिन हो जाता है कि कोई संकेत एक 'ड्रिफ्ट' (एक स्थिर धक्का) से आता है या 'डिफ्यूजन' (एक यादृच्छिक फैलाव) से।

यह शोध पत्र ठीक इसी पहेली को सुलझाता है। लेखक, युनझांग ली, क्यू ल्यू, मेइझी कियान और यू वांग, एक साहसी प्रश्न पूछते हैं: यदि हमारे पास एक ऐसा सिस्टम है जो दो अलग-अलग अदृश्य बलों द्वारा संचालित है—एक स्थिर "ड्रिफ्ट" और दूसरा यादृच्छिक "डिफ्यूजन"—तो क्या हम केवल एक छोटे से सीमा भाग (boundary) को देखकर दोनों छिपे हुए स्रोतों के सटीक आकार और स्थान का पता लगा सकते हैं? वे केवल अनुमान नहीं लगाते; वे इसे गणितीय रूप से सिद्ध करते हैं। वे दिखाते हैं कि यादृच्छिकता की अराजकता के बावजूद, सीमा पर छोड़ा गया "फिंगरप्रिंट" इतना अनूठा होता है कि वह दोनों स्रोतों को अलग कर सके। उन्होंने एक चतुर कंप्यूटर एल्गोरिदम भी बनाया है जो एक मूर्तिकार की तरह काम करता है, जो छिपे हुए आकारों को प्रकट करने के लिए मिट्टी के एक ब्लॉक को तराशता है, और उन्होंने सिमुलेशन के साथ परीक्षण किया कि यह वास्तव में काम करता है।

दो अदृश्य भूतों का रहस्य

कल्पना कीजिए कि आप एक बड़े, खाली स्विमिंग पूल (हमारा डोमेन $G$) में हैं। इस पूल के अंदर, दो अदृश्य भूत हैं। एक भूत, मान लीजिए कि वह ड्रिफ्ट (Drift) है, एक स्थिर, शांत बल है जो पानी को एक विशिष्ट दिशा में धकेलता है। दूसरा भूत, डिफ्यूजन (Diffusion), एक बेचैन, अराजक बल है जो पानी में यादृच्छिक लहरें पैदा करता है। दोनों भूत पूल के अंदर छिपे हुए हैं, लेकिन वे एक ही स्थान पर खड़े हो सकते हैं, या वे अलग-अलग कोनों में हो सकते हैं। आप उन्हें देख नहीं सकते, और न ही उन्हें छू सकते हैं।

जानने का एकमात्र तरीका यह है कि आप पूल के किनारे एक छोटी खिड़की पर खड़े हों और मापें कि पानी कांच के विरुद्ध कैसे चल रहा है। यह वास्तविक दुनिया में वैसा ही है जैसे यह मापना कि कंप्यूटर चिप के एक विशिष्ट हिस्से से कितनी गर्मी बाहर निकल रही है ताकि यह पता लगाया जा सके कि ओवरहीटिंग कहाँ हो रही है, भले ही चिप यादृच्छिक विद्युत शोर के साथ कंपन कर रही हो।

बड़ा सवाल जो यह शोध पत्र पूछता है वह यह है: क्या हम पानी को खिड़की पर देखकर ड्रिफ्ट और डिफ्यूजन के बीच अंतर कर सकते हैं?

अतीत में, वैज्ञानिकों ने सोचा था कि यदि सिस्टम बहुत अधिक यादृच्छिक है तो यह असंभव हो सकता है। उन्हें डर था कि डिफ्यूजन की थरथराहट ड्रिफ्ट के स्थिर धक्के को पूरी तरह से छिपा देगी, या वे दोनों मिलकर एक धुंधला मिश्रण बन जाएंगे। लेकिन यह शोध पत्र सिद्ध करता है कि, आश्चर्यजनक रूप रूप से, हाँ, हम उनके बीच अंतर कर सकते हैं।

"टू-चैनल" जासूस का जादू

लेखकों ने एक सुंदर गणितीय युक्ति खोजी है। उन्होंने पाया कि इस सिस्टम में एक "टू-चैनल" संरचना है, जैसे कि बाएँ और दाएँ स्पीकर वाला एक स्टीरियो सिस्टम।

1. बायां चैनल (ड्रिफ्ट): ड्रिफ्ट भूत का स्थिर धक्का एक विशिष्ट हस्ताक्षर छोड़ता है जो एक "बैकवर्ड्स-लुकिंग" (पीछे देखने वाले) गणितीय उपकरण द्वारा नियंत्रित होता है जिसे एडजॉइंट स्टेट (adjoint state) कहा जाता है। इसे एक ऐसे जासूस के रूप में सोचें जो यह देखने के लिए पानी की गति के वीडियो को रिवाइंड करता है कि स्थिर धक्का कहाँ से शुरू हुआ था।
2. दायां चैनल (डिफ्यूजन): डिफ्यूजन भूत का बेचैन धक्का एक अलग हस्ताक्षर छोड़ता है, जो एक मार्टिंगेल घटक (martingale component) द्वारा नियंत्रित होता है। यह एक ऐसे जासूस की तरह है जो यादृच्छिक लहरों को ट्रैक करता है ताकि यह देखा जा सके कि अराजकता कहाँ से शुरू हुई।

शोध पत्र यह सिद्ध करता है कि ये दो चैनल एक-दूसरे के साथ हस्तक्षेप नहीं करते हैं। भले ही पानी यादृच्छिकता के साथ उथल-पुथल कर रहा हो, "स्थिर धक्का" का हस्ताक्षर और "यादृच्छिक लहर" का हस्ताक्षर अलग-अलग बने रहते हैं। दोनों चैनलों को सुनकर, जासूस दो अलग-अलग मानचित्र बना सकता है: एक जो दिखाता है कि ड्रिफ्ट कहाँ छिपा है, और दूसरा जो दिखाता है कि डिफोजन कहाँ छिपा है। इस विशिष्ट प्रकार के यादृच्छिक समीकरण के लिए पहली बार ऐसा सूत्र पाया गया है।

मूर्तिकार का एल्गोरिदम

यह जानना कि गणित काम करता है, एक बात है; वास्तव में भूतों को ढूंढना दूसरी बात है। लेखकों ने केवल सिद्धांत तक ही सीमित नहीं रहे; उन्होंने एक डिजिटल मूर्तिकार बनाया।

कल्पना कीजिए कि आपके पास डिजिटल मिट्टी का एक ब्लॉक है। आप नहीं जानते कि भूत कहाँ हैं, इसलिए आप अनुमान लगाते हैं कि वे मिट्टी के एक बड़े, वर्गाकार टुकड़े में हैं। एल्गोरिदम फिर "स्कल्पटिंग" (तराशना) शुरू करता है:

1. यह वर्तमान अनुमान के साथ पानी की गति का अनुकरण (simulate) करता है।
2. यह खिड़की पर पानी की तुलना वास्तविक मापों से करता है।
3. यह एक "ग्रेडिएंट" की गणना करता है, जो एक दिशा-सूचक की तरह है जो कहता है, "सच्चाई के करीब पहुँचने के लिए मिट्टी को थोड़ा बाईं ओर ले जाएँ।"
4. यह मिट्टी को नया आकार देता है और दोहराता है।

चूंकि गणित इतना जटिल है (जिसमें यादृच्छिक संख्याएं और पीछे की ओर देखने वाले समीकरण शामिल हैं), उन्हें लीस्ट-स्क्वायरज़ मोंटे कार्लो (Least-Squares Monte Carlo) नामक एक विशेष तकनीक का उपयोग करना पड़ा। यह एक सिमुलेशन को 200 बार थोड़े अलग-अलग यादृच्छिक "पासे फेंकने" के साथ चलाने जैसा है ताकि केवल एक बार अनुमान लगाने के बजाय एक स्पष्ट औसत चित्र प्राप्त किया जा सके। उन्होंने एक "रेगुलराइजेशन" नियम भी जोड़ा, जो मूर्तिकार को यह बताने जैसा है कि, "आकृतियों को चिकना और सरल रखें; उन्हें टेढ़ा-मेढ़ा और अजीब न बनाएं।" यह एल्गोरिदम को शोर से भ्रमित होने से रोकता है।

परिणाम: अदृश्य को देखना

लेखकों ने यह देखने के लिए अपने डिजिटल मूर्तिकार को कंप्यूटर पर चलाया कि क्या यह भूतों को ढूंढ सकता है। उन्होंने कई परिदृश्य सेट किए:

• परिदृश्य A: केवल ड्रिफ्ट छिपा हुआ था।
• परिदृश्य B: केवल डिफ्यूजन छिपा हुआ था।
• परिदृश्य C: दोनों छिपे हुए थे, कभी-कभी एक ही स्थान पर।
• परिदृश्य D: उनके पास देखने के लिए केवल एक छोटी खिड़की थी (आंशिक डेटा), पूरी दीवार नहीं।

हर मामले में, एल्गोरिदम ने काम किया। इसने सफलतापूर्वक सही आकृतियों को तराशा।

• जब उन्होंने पूरी दीवार को देखा, तो इसने आकृतियों को पूरी तरह से खोज लिया।
• जब उन्होंने केवल दीवार के एक छोटे हिस्से को देखा, तब भी इसने उन्हें खोज लिया, हालांकि सटीक स्थान निर्धारित करने में थोड़ा अधिक प्रयास लगा।
• सबसे प्रभावशाली बात यह है कि जब दोनों भूत मौजूद थे, तो एल्गोरिदम भ्रमित नहीं हुआ। इसने सफलतापूर्वक दोनों आकृतियों को अलग किया, जिससे सिद्ध हुआ कि "टू-चैनल" गणित वास्तव में व्यवहार में काम करता है।

शोध पत्र निष्कर्ष निकालता है कि यह विधि एक शक्तिशाली नया उपकरण है। यह दर्शाता है कि एक अराजक, यादृच्छिक दुनिया में भी, हम छिपे हुए स्रोतों के बारे में सटीक ज्यामितीय जानकारी प्राप्त कर सकते हैं। यह एक याद दिलाता है कि सही गणितीय लेंस के साथ, सबसे अधिक थरथराहट वाली, अदृश्य ताकतों को भी मैप किया जा सकता है, एक समय में एक लहर के माध्यम से।