FedRings: A Scalable and Topology-Aware Federated Learning Framework for LEO Satellite Constellations

कल्पना कीजिए कि हमारे ऊपर का आकाश अब खाली नहीं है, बल्कि हजारों उपग्रहों से बना एक विशाल, उच्च-गति वाला ट्रेन नेटवर्क है। ये केवल पृथ्वी को देखते रहने वाली निष्क्रिय आँखें नहीं हैं; ये स्मार्ट कंप्यूटर बनते जा रहे हैं, जो हमारे मौसम, जंगलों और शहरों के बारे में लगातार डेटा एकत्र कर रहे हैं। लेकिन यहाँ एक पेंच है: ये उपग्रह इतनी तेज़ी से चल रहे हैं कि वे हमेशा एक-दूसरे से बात नहीं कर सकते, और वे निश्चित रूप से सारा कच्चा डेटा इंटरनेट को जाम किए बिना पृथ्वी पर नहीं भेज सकते। यहीं पर "फेडरेटेड लर्निंग" (Federated Learning) नामक एक चतुर विचार काम आता है। इसे एक समूह परियोजना (group project) की तरह समझें जहाँ छात्र (उपग्रह) स्वयं एक पहेली को हल करते हैं और केवल अपने अंतिम उत्तर साझा करते हैं, न कि अपनी पूरी बिखरी हुई नोटबुक सौंपते हैं। यह गोपनीयता बनाए रखता है और बैंडविड्थ बचाता है। हालाँकि, अंतरिक्ष में, "कक्षा" (classroom) अराजक है। छात्र एक-दूसरे के पास से तेज़ी से गुज़र रहे हैं, बात करने की खिड़कियाँ खुलती और बंद होती हैं, और कनेक्शन रुक-रुक कर मिलते हैं। यदि शिक्षक ज़मीन से सभी को तालमेल बिठाने की कोशिश करता है, तो परियोजना रुक जाती है। इसलिए, वैज्ञानिक पूछ रहे हैं: हम इन तेज़ गति वाले उपग्रहों को कुशलतापूर्वक एक साथ सीखने के लिए कैसे प्रेरित करें जब वे मुश्किल से संपर्क में रह पाते हैं?

यहाँ FedRings आता है, जो किंग अब्दुल्ला यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ता ज़िवु लियू और उनकी टीम द्वारा प्रस्तावित एक नया फ्रेमवर्क है। उन्होंने महसूस किया कि इन उपग्रहों को एक मानक कंप्यूटर नेटवर्क की तरह बात करने के लिए मजबूर करना ही समस्या थी। इसके बजाय, उन्होंने उपग्रहों को उनकी कक्षाओं (orbits) की प्राकृतिक लय का पालन करने देने का निर्णय लिया। कल्पना कीजिए कि उपग्रह एक ट्रैक फील्ड पर धावकों की तरह गोलाकार रास्तों पर व्यवस्थित हैं। FedRings उन्हें "रिंग्स" (छल्लों) में व्यवस्थित करता है जहाँ प्रत्येक उपग्रह केवल अपने ठीक बगल वाले दो पड़ोसियों से बात करता है। लेकिन क्योंकि अंतरिक्ष कठिन है, वे केवल कनेक्शन का इंतज़ार नहीं करते; वे एक "स्पैटियो-टेम्पोरल रूटिंग" (spatio-temporal routing) रणनीति का उपयोग करते हैं। यह एक ऐसे जीपीएस (GPS) की तरह है जो न केवल आपको रास्ता दिखाता है, बल्कि यह भी भविष्यवाणी करता है कि कब एक पुल खुलेगा और कब बंद होगा, जिससे उपग्रहों को पता चलता है कि उन्हें अपने नोट्स कब पास करने हैं।

यह शोध पत्र इसे सफल बनाने के लिए कुछ स्मार्ट तरकीबें पेश करता है। सबसे पहले, वे "एडेप्टिव स्पार्स इंक्रीमेंटल एग्रीगेशन" (Adaptive Sparse Incremental Aggregation) का उपयोग करते हैं। हर बार डेटा का एक भारी बैग भेजने के बजाय, उपग्रह सबसे महत्वपूर्ण बदलावों की एक छोटी, चुनिचुनी सूची आगे बढ़ाते हैं, और जैसे-जैसे वे आगे बढ़ते हैं, उसमें अपने नोट्स जोड़ते जाते हैं। यह एक घेरे में कागज़ के एक एकल पन्ने को पास करने जैसा है, जहाँ प्रत्येक व्यक्ति एक वाक्य जोड़ता है और उसे आगे बढ़ाता है, बजाय इसके कि हर कोई एक साथ अपनी पूरी कहानी चिल्लाकर सुना दे। दूसरा, उनके पास एक "हिस्टोरिकल कंपनसेशन मैकेनिज्म" (Historical Compensation Mechanism) है। यदि कोई उपग्रह एक टर्न मिस कर देता है क्योंकि एक लिंक टूट गया (जो अंतरिक्ष में अक्सर होता है), तो वह घबराता नहीं है। वह अपने पड़ोसियों के सामान्य व्यवहार की "याददाश्त" का उपयोग करके उस कमी को पूरा करता है, जिससे सीखने की प्रक्रिया चलती रहती है, भले ही रास्ते ऊबड़-खाबड़ हों।

अपने सिमुलेशन में, जिसमें 90 उपग्रहों का एक वास्तविक सेटअप (6 ऑर्बिटल प्लेन वाला एक "वॉकर स्टार" तारामंडल) इस्तेमाल किया गया था, FedRings ने दिखाया कि यह पुराने तरीकों की तुलना में बहुत तेज़ी से और बहुत कम संचार ट्रैफ़िक के साथ सीख सकता है। शोधकर्ताओं ने इसका परीक्षण EuroSAT और DeepGlobe जैसे वास्तविक दुनिया के उपग्रह इमेज डेटासेट के साथ किया। उन्होंने पाया कि FedRings कम राउंड में उच्च सटीकता तक पहुँच गया और वहाँ तक पहुँचने के लिए काफी कम डेटा का उपयोग किया। जबकि शोध पत्र यह उल्लेख करता है कि इसका परीक्षण अभी तक वास्तविक उपग्रहों पर नहीं बल्कि एक सिम्युलेटेड वातावरण में किया गया है, परिणाम बताते हैं कि सीखने को कक्षाओं (orbits) की प्राकृतिक "रिंग्स" के इर्द-गिर्द व्यवस्थित करना, अराजकता से लड़ने के बजाय, एक जीतने वाली रणनीति है। यह एक अराजक, उच्च-गति वाली दौड़ को एक समन्वित, कुशल रिले रेस में बदल देता है, यह साबित करता है कि सबसे गतिशील वातावरण में भी, थोड़ा सा ढांचागत अनुशासन बहुत काम आता है।