कल्पना कीजिए कि आप एक ऐसी सतह पर भित्ति चित्र (mural) बनाने की कोशिश कर रहे हैं जो एक सपाट दीवार या एक गोल गेंद की तरह व्यवहार नहीं करती है। हमारी रोज़मर्रा की दुनिया में, यदि आप एक विशाल चित्र बनाना चाहते हैं, तो आप आमतौर पर एक कैनवास को सपाट फैलाते हैं या उसे एक गोले के चारों ओर लपेटते हैं। लेकिन गणितज्ञ लंबे समय से एक अजीब, अनंत सतह से मंत्रमुग्ध रहे हैं जिसे हाइपरबोलिक प्लेन (hyperbolic plane) कहा जाता है। इसे एक ऐसे कपड़े के रूप में सोचें जो केंद्र से दूर जाने पर चौड़ा होता जाता है, जो इतनी तेज़ी से फैलता है कि उपलब्ध स्थान तेजी से (exponentially) बढ़ता है। यह उस प्रकार की ज्यामिति है जिसने एशर (Escher) के प्रसिद्ध "सर्कल लिमिट" (Circle Limit) चित्रों को संभव बनाया है, जहाँ मछलियाँ किनारे की ओर तैरते हुए छोटी और छोटी होती जाती हैं, फिर भी पैटर्न कभी समाप्त नहीं होता।

लंबे समय तक, कंप्यूटर केवल सपाट स्क्रीन या गोलों पर चित्र बना सकते थे। लेकिन क्या होगा यदि हम एक पूरी नई दुनिया बनाना चाहें जो सीधे इस अजीब, फैलती हुई सतह पर रहती हो? यह डिफ्यूजन मॉडल्स (diffusion models) की चुनौती है, जो एक प्रकार का AI है जो रैंडम स्टैटिक (static) को स्पष्ट चित्रों में धीरे-धीरे बदलकर चित्र बनाता है। आमतौर पर, ये मॉडल एक बड़े चित्र को छोटे, ओवरलैपिंग वर्गों (squares) में काटकर, प्रत्येक वर्ग को ठीक करके और फिर उन्हें आपस में मिलाकर काम करते हैं। समस्या यह है कि जब आप हाइपरबोलिक प्लेन पर ऐसा करने की कोशिश करते हैं, तो "वर्ग" अजीब तरह से खिंच जाते हैं और विकृत हो जाते हैं, और जहाँ वे मिलते हैं वहाँ के किनारे अक्सर एक धुंधले ढेर में बदल जाते हैं। यदि आप इस डिजिटल दुनिया में घूमने की कोशिश करते हैं, तो धुंधलापन और खराब हो जाता है, और पैटर्न टूट जाते हैं।

यह शोध पत्र HyperbolicDiffusion नामक एक नई विधि पेश करता है जो बिना AI को फिर से प्रशिक्षित (retrain) किए इन समस्याओं को हल करता है। शोधकर्ता ने एक चतुर तरीका खोजा जिससे वे अपने "पेंटिंग विंडोज़" (चित्रकारी की खिड़कियाँ) को रख सकें ताकि वे अनंत सतह को कुशलतापूर्वक कवर कर सकें, और उन्होंने उन धुंधले किनारों को ठीक करने के लिए एक दो-चरणीय प्रक्रिया बनाई जहाँ खिड़कियाँ मिलती हैं। परिणाम एक तीक्ष्ण (sharp), सुसंगत और अनंत रूप से अन्वेषण योग्य हाइपरबोलिक दुनिया है जो किसी भी कोण से उतनी ही अच्छी दिखती है जितनी एशर की असंभव कला, जिसमें आप वास्तव में कदम रख सकते हैं।

समस्या: फैलता हुआ फर्श और धुंधले किनारे

यह समझने के लिए कि यह कठिन क्यों है, कल्पना कीजिए कि आप एक ऐसे फर्श पर टाइल लगा रहे हैं जो लगातार फैलता जा रहा है। एक सामान्य कमरे में, आप बस वर्गाकार टाइलें बिछाते हैं। लेकिन एक हाइपरबोलिक प्लेन पर, फर्श इतनी तेज़ी से बढ़ता है कि यदि आप एक बड़े क्षेत्र को कवर करना चाहते हैं, तो आपको घातीय रूप से (exponentially) अधिक टाइलों की आवश्यकता होगी। यदि आप एक मानक लेआउट का उपयोग करने का प्रयास करते हैं, तो या तो आप लाखों टाइलें बर्बाद कर देंगे या बड़े अंतराल छोड़ देंगे।

इससे भी बदतर यह है कि जब आप इन टाइलों से छवियों को मिलाने का प्रयास करते हैं, तो ज्यामिति विरोध करती है। क्योंकि सतह मुड़ी हुई है, एक "वर्गाकार" विंडो इस बात पर निर्भर करती है कि वह कहाँ स्थित है और उसकी दिशा क्या है। जब पाँच अलग-अलग खिड़कियाँ फर्श के एक ही स्थान को पेंट करने की कोशिश करती हैं, तो वे उस पड़ोस को थोड़ा अलग देखती हैं। यदि आप उनके अनुमानों को बस आपस में मिला देते हैं, तो परिणाम एक भूतिया धुंध (ghostly blur) होता है जहाँ किनारे आपस में मेल नहीं खाते। पहले के प्रयासों में स्पहीर (जैसे पृथ्वी) पर ऐसा करने में समान समस्याएँ आई थीं, लेकिन हाइपरबोलिक प्लेन पर, समस्या बहुत कठिन है क्योंकि क्षेत्रफल बहुत तेज़ी से बढ़ता है।

समाधान: एक स्मार्ट टाइलिंग सिस्टम और एक दो-चरणीय सुधार

इस शोध पत्र के लेखक ने, जो पेरिस में Obvious Research में कार्यरत हैं, एक ऐसा समाधान निकाला है जिसके लिए नए AI को शुरू से सिखाने की आवश्यकता नहीं है। इसके बजाय, उन्होंने मौजूदा AI को हाइपरबोलिक दुनिया को पेंट करने के प्रबंधन के लिए एक स्मार्ट सिस्टम बनाया। उनकी विधि, HyperbolicDiffusion, तीन मुख्य भागों में काम करती है।

1. स्मार्ट टाइलिंग (Hyperbolic Blooming Cover)
सबसे पहले, उन्हें "विंडोज़" (वे वर्ग जिन्हें AI देखता है) को रखने का एक तरीका चाहिए था ताकि वे संसाधनों को बर्बाद किए बिना पूरे क्षेत्र को कवर कर सकें। उन्होंने हाइपरबोलिक ब्लूमिंग कवर (HBC) नामक एक विधि का आविष्कार किया। कल्पना कीजिए कि आप एक ऐसे बगीचे में फूल रोप रहे हैं जो लगातार बड़ा होता जा रहा है। उन्हें यादृच्छिक रूप से या एक कठोर ग्रिड में लगाने के बजाय, HBC उन्हें बाहर की ओर बढ़ते हुए पूर्ण छल्लों (rings) में लगाता है। यह एक चतुर गणितीय ट्रिक (डायनेमिक प्रोग्रामिंग) का उपयोग करता है ताकि यह पता लगाया जा सके कि ज़मीन को पूरी तरह से कवर करने के लिए प्रत्येक रिंग में कितने फूलों की आवश्यकता है।

शोध पत्र दिखाता है कि यह विधि अविश्वसनीय रूप से कुशल है। यह केवल 5.44 सेकंड में 11 मिलियन विंडोज़ से अधिक के लेआउट की योजना बना सकता है। इससे भी महत्वपूर्ण बात यह है कि उन्होंने सिद्ध किया कि परीक्षण किए गए क्षेत्रों के लिए, उनका लेआउट पूर्णतः सर्वोत्तम व्यवस्था से कभी भी 10% से अधिक दूर नहीं है। इसका मतलब है कि वे सुरक्षा के लिए हजारों अतिरिक्त विंडोज़ बर्बाद नहीं कर रहे हैं; वे आवश्यक न्यूनतम संख्या का लगभग ही उपयोग कर रहे हैं।

2. साझा कैनवास (चरण A)
एक बार विंडोज़ रख दिए जाने के बाद, AI पेंटिंग शुरू करता है। यहाँ मुख्य बात यह है कि हाइपरबोलिक सतह के प्रत्येक बिंदु की एक स्थायी आईडी (ID) होती है, जैसे एक विशिष्ट पता। भले ही कोई बिंदु पाँच अलग-अलग विंडोज़ में दिखाई दे, वह हमेशा वही "पता" होता है। AI ओवरलैपिंग विंडोज़ को देखता है, इस बात का अनुमान लगाता है कि प्रत्येक के लिए छवि कैसी दिखनी चाहिए, और फिर इस आधार पर उन अनुमानों को मिलाता है कि वह प्रत्येक विंडो पर कितना भरोसा करता है। यह हाइपरबोलिक सतह पर एक एकल, एकीकृत छवि बनाता है।

हालाँकि, लेखक ने पाया कि यह पहला चरण पूर्ण नहीं है। क्योंकि विंडोज़ अलग-अलग तरह से विकृत (warped) होती हैं, इसलिए AI कभी-कभी ओवरलैपिंग क्षेत्रों में एक ही विवरण के थोड़े अलग संस्करण पेंट करता है। यह एक "घोस्टिंग" प्रभाव पैदा करता है जहाँ किनारे धुंधले या दोहरे दिखाई देते हैं, विशेष रूप से इमारतों या जंगलों जैसे जटिल दृश्यों में।

3. मरम्मत दल (चरण B)
यहीं पर उनके जादू का दूसरा भाग होता है। उन्होंने महसूस किया कि वे छवि को देखे बिना भी, केवल ज्यामिति को देखकर ठीक से अनुमान लगा सकते हैं कि धुंधलापन कहाँ होगा। उन्होंने एक "मल्टीप्लिसिटी मास्क" (multiplicity mask) की गणना की—एक मानचित्र जो दिखाता है कि कहाँ कई विंडोज़ एक ही स्थान के लिए संघर्ष कर रही हैं।

जहाँ यह मानचित्र संघर्ष दिखाता है (जहाँ दो या अधिक विंडोज़ समान रूप से योगदान दे रही हैं), वे वहाँ सुधार के दूसरे चरण को चलाते हैं। वे उन विशिष्ट धुंधले स्थानों को लेते हैं, उनमें थोड़ा शोर (noise) वापस जोड़ते हैं (जैसे रेत के जार को हिलाना), और AI से उन्हें फिर से पेंट करने के लिए कहते हैं, इस बार केवल किनारों को तीक्ष्र और सुसंगत बनाने पर ध्यान केंद्रित करते हुए। यह "री-नॉइज़िंग" (re-noising) चरण घोस्टिंग को ठीक करता है और विवरणों को स्पष्ट बनाता है।

उन्होंने क्या पाया और इसका क्या अर्थ है

शोधकर्ता ने बादलों जैसे सरल टेक्सचर से लेकर आंतरिक कमरों और वास्तुशिल्प भित्ति चित्रों (frescoes) जैसे जटिल दृश्यों तक सब पर अपने तरीके का परीक्षण किया। उन्होंने पाया कि:

• टाइलिंग काम करती है: उनके HBC तरीके ने त्रिज्या (radius) 12 (हाइपरबोलिक संदर्भ में एक विशाल पैमाना) तक के क्षेत्रों को अनुमानित विंडोज़ के साथ सफलतापूर्वक कवर किया, और योजना बनाना हमेशा तेज़ (सबसे बड़े लेआउट के लिए भी 6 सेकंड से कम) रहा।
• धुंधलापन गायब है: उनके परीक्षणों में, दूसरे सुधार चरण ने किनारों की तीक्ष्णता को काफी बढ़ा दिया। उन्होंने "ग्रेडिएंट मैग्नीट्यूड" (किनारों के तीखेपन को मापने का एक तरीका) को मापा और पाया कि इसमें औसतन 15% का सुधार हुआ, और "लैपलेसियन मैग्नीट्यूड" (तीक्ष्णता का एक अन्य मीट्रिक) में 17% का सुधार हुआ।
• यह केवल एक सपाट छवि नहीं है: अन्य विधियों के विपरीत जो एक सपाट चित्र बनाती हैं और फिर उसे एक वृत्त में विकृत करती हैं, यह विधि सीधे हाइपरबोलिक सतह पर छवि बनाती है। इसका मतलब है कि आप दुनिया में एक "कैमरा" घुमा सकते हैं, और छवि तीक्ष्ण और सुसंगत बनी रहती है। एक पैटर्न जो किनारे पर छोटा दिखता है, वह केंद्र में बड़ा दिखाई देगा, लेकिन वह धुंधला या टूटा हुआ नहीं होगा।

शोध पत्र स्पष्ट रूप से इस विचार को खारिज करता है कि एक एकल-चरणीय प्रक्रिया (केवल एक बार पेंट करना और मिलाना) जटिल, संरचित सामग्री के लिए पर्याप्त है। उन्होंने कई एक-चरणीय विविधताओं का परीक्षण किया, जैसे कि सघन विंडोज़ का उपयोग करना या स्वामित्व को अलग तरह से मिलाना, लेकिन उनमें से कोई भी विवरण खोए बिना धुंधलेपन को नहीं हटा सका। दो-चरणीय दृष्टिकोण ही एकमात्र तरीका था जो काम कर गया।

उन्होंने यह भी दिखाया कि इस पद्धति को स्फेयर्स (जैसे पृथ्वी) के लिए अनुकूलित किया जा सकता है और यह वहां भी पिछले तरीकों से बेहतर प्रदर्शन करती है, जो सुझाव देता है कि ज्यामिति-आधारित सुधार का विचार शक्तिशाली है।

यह क्यों महत्वपूर्ण है

यह कार्य "नेविगेबल हाइपरबोलिक म्यूरल्स" और गैर-यूक्लिडियन गेम वर्ल्ड बनाने का द्वार खोलता है। एक ऐसे वीडियो गेम की कल्पना करें जहाँ आप एक ऐसे गलियारे में चल सकते हैं जो आगे बढ़ने पर अनंत रूप से चौड़ा होता जाता है, या एक वीआर (VR) अनुभव जहाँ आप एक ऐसे कैथेड्रल का अन्वेषण कर सकते हैं जो अनंत तक फैलता है। क्योंकि छवि सीधे घुमावदार सतह पर उत्पन्न होती है, आप अपना दृष्टिकोण बदल सकते हैं, और दुनिया तीक्ष्ण और सुसंगत बनी रहती है। यह ऐसी जनरेटिव आर्ट की ओर एक कदम है जो हाइपरबोलिक प्लेन की अजीब और सुंदर ज्यामिति को वास्तव में समझती है, जिससे एक गणितीय जिज्ञासा डिजिटल रचनात्मकता के लिए एक खेल का मैदान बन जाती है।