Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics Using Retrieval-Augmented Large Language Models

कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि एक विशाल, जटिल मशीन कैसे काम करती है, जैसे कि कोई अंतरिक्ष यान या परमाणु ऊर्जा संयंत्र। आमतौर पर, इंजीनियरों को यह समझने के लिए कि कुछ टूटने पर क्या होता है, बहुत बड़े और जटिल मानचित्र बनाने पड़ते हैं जिन्हें "फॉल्ट ट्री" (Fault Trees) कहा जाता है। ये मानचित्र ऐसे हैं जैसे कि आप केवल गिरे हुए पत्तों और टूटी हुई शाखाओं का अध्ययन करके पूरे पारिस्थितिकी तंत्र को समझने की कोशिश कर रहे हों। वे ज्ञात समस्याओं के लिए तो बेहतरीन हैं, लेकिन यदि कोई बिल्कुल नया, अजीबोगरीब फेलियर (विफलता) होता है, जिसके बारे में किसी ने सोचा भी न हो, तो ये मानचित्र अक्सर विफल हो जाते हैं क्योंकि वे केवल विशिष्ट, पहले से लिखे गए आपदा परिदृश्यों की ही तलाश करते हैं।

इसे ठीक करने के लिए, वैज्ञानिक "फंक्शनल मॉडलिंग" (Functional Modeling) नामक चीज़ का उपयोग करते हैं। केवल टूटे हुए हिस्सों की सूची बनाने के बजाय, वे इस बात का मानचित्रण करते हैं कि मशीन को वास्तव में क्या करना चाहिए। यह एक कार को समझने जैसा है—सिर्फ हर टूटे हुए बोल्ट को सूचीबद्ध करके नहीं, बल्कि यह समझकर कि इंजन का काम ईंधन को गति में बदलना है, और पहियों का काम उस गति को संचलन (movement) में बदलना है। यदि आप कार्यों (jobs) को जानते हैं, तो आप यह पता लगा सकते हैं कि यदि ईंधन रुक जाए तो क्या होगा, भले ही आपने पहले कभी उस सटीक समस्या को न देखा हो। यह शोध पत्र इस क्षेत्र में एक बड़ी बाधा को दूर करने पर केंद्रित है: इन "कार्य मानचित्रों" (job maps) को स्वचालित रूप से बनाना। अब तक, इन मानचित्रों को बनाने के लिए विशेषज्ञों को हजारों पन्नों के तकनीकी मैनुअल पढ़ने पड़ते थे और मैन्युअल रूप से कनेक्शन बनाने पड़ते थे, जो एक ऐसी प्रक्रिया है जिसमें महीनों लग जाते हैं और जिसे बड़े सिस्टम के लिए स्केल करना कठिन है।

---

पेपर का बड़ा विचार: AI को ब्लूप्रिंट बनाना सिखाना

यह शोध पत्र इन "कार्य मानचित्रों" (जिन्हें डायनेमिक मास्टर लॉजिक या DML मॉडल कहा जाता है) को आर्टिफिशियल इंटेलिजेंस, विशेष रूप से लार्ज लैंग्वेज मॉडल्स (LLMs) और "रिट्रीवल-ऑगमेंटेड जनरेशन" (RAG) नामक तकनीक का उपयोग करके बनाने का एक चतुर तरीका पेश करता है। एक LLM को एक अत्यंत बुद्धिमान, तेज़ पढ़ने वाले इंटर्न के रूप में सोचें जिसने इंजीनियरिंग मैनुअल के पूरे पुस्तकालय को पढ़ लिया है। हालाँकि, इस इंटर्न की एक बुरी आदत है: कभी-कभी वे चीजें बना देते हैं या जब कहानी बहुत लंबी हो जाती है तो भ्रमित हो जाते हैं। इसे ठीक करने के लिए, लेखकों ने उन्हें नियमों का एक सख्त सेट और एक "सर्च इंजन" (RAG) दिया जो उन्हें कुछ भी लिखने से पहले कार्य से संबंधित मैनुअल के विशिष्ट पृष्ठ को देखने के लिए मजबूर करता है।

परिणामस्वरूप, यह सिस्टम स्वचालित रूप से तकनीकी दस्तावेज़ों को पढ़ता है और एक "नॉलेज ग्राफ" (कनेक्शन का एक डिजिटल जाल) बनाता है जो बिल्कुल विशेषज्ञ द्वारा बनाए गए मानचित्रों जैसा दिखता है। लेखकों ने इसका परीक्षण एक सेवानिवृत्त परमाणु ऊर्जा संयंत्र के लो-प्रेशर कूलेंट इंजेक्शन (LPCI) सिस्टम पर किया। यह एक सुरक्षा जाल है जिसे रिएक्टर को पानी से भरने के लिए डिज़ाइन किया गया है यदि वह बहुत गर्म हो जाए। यह एक जटिल प्रणाली है, जिसमें पंप, वाल्व और पाइप एक विशिष्ट तरीके से मिलकर काम करते हैं।

जादू कैसे होता है: परत-दर-परत शेफ

लेखकों ने केवल AI से यह नहीं पूछा कि "पूरा नक्शा बनाओ।" वह एक शेफ से एक वाक्य में दस-कोर्स का भोजन पकाने के लिए कहने जैसा होगा। इसके बजाय, उन्होंने काम को परतों में विभाजित किया, जैसे कि छत से लेकर नींव तक घर बनाना।

1. खोज (The Search): सिस्टम एक उच्च-स्तरीय लक्ष्य के साथ शुरू होता है, जैसे "रिएक्टर को ठंडा रखना।" यह उन विशिष्ट अनुभागों की खोज करता है जो इस लक्ष्य के बारे में बात करते हैं।
2. निष्कर्षण (The Extraction): AI उन अनुभागों को पढ़ता है और पूछता है, "इस लक्ष्य को प्राप्त करने के लिए किन कार्यों (functions) की आवश्यकता है?" उसे "पानी पंप करना" या "वाल्व खोलना" जैसे उत्तर मिलते हैं।
3. जुड़ाव (The Connection): फिर यह उन नए कार्यों को लेता है और उन विशिष्ट पुर्जों (components) को खोजने के लिए मैनुअल को फिर से खोजता है जो वह काम करते हैं।
4. ग्राफ (The Graph): अंत में, यह इन सभी टुकड़ों को एक डिजिटल ग्राफ (नॉलेज ग्राफ) में जोड़ देता है जहाँ प्रत्येक नोड एक हिस्सा या कार्य है, और प्रत्येक रेखा एक तार्किक नियम (जैसे "AND" या "OR") है जो उन्हें जोड़ती है।

पेपर दिखाता है कि यह विधि आश्चर्यजनक रूप से अच्छी तरह काम करती है। जब उन्होंने एक ही परमाणु संयंत्र के दस्तावेज़ों पर पांच बार इस सिस्टम को चलाया, तो इसने अविश्वसनीय निरंतरता के साथ मानचित्र बनाया। बड़े लक्ष्यों और मुख्य कार्यों के लिए, AI ने हर बार इसे 100% सही बनाया। यहाँ तक कि विशिष्ट घटकों (जैसे व्यक्तिगत वाल्व) के विस्तृत स्तर पर भी, यह 98% बार सही था।

"इंटीग्रिटी स्कोर": मानचित्र कितना अच्छा है?

यह सुनिश्चित करने के लिए कि AI ने केवल अनुमान नहीं लगाया है, लेखकों ने "इंटीग्रिटी स्कोर" नामक एक विशेष स्कोरिंग सिस्टम बनाया। कल्पना कीजिए कि आप एक छात्र के होमवर्क को ग्रेड दे रहे हैं। आप केवल यह नहीं देखते कि उत्तर सही हैं या नहीं; आप यह भी देखते हैं कि क्या पूरी कहानी समझ में आती है। यदि छात्र बीच में एक महत्वपूर्ण चरण चूक जाता है, तो पूरा उत्तर बिखर जाता है।

लेखकों ने पाया कि जिस तरह से वे AI को जानकारी देते थे, उससे बहुत फर्क पड़ता था। यदि वे AI को एक साथ बहुत सारे हिस्सों को प्रोसेस करने के लिए कहते थे (एक बड़ा "बैच साइज"), तो मानचित्र की गुणवत्ता थोड़ी गिर जाती थी। यह एक शेफ को पूरे भोजन के लिए एक साथ सारी सब्जियां काटने के लिए कहने जैसा था; वे कुछ चीजें छोड़ सकते हैं। जब उन्होंने AI को एक समय में एक छोटा कदम उठाने के लिए कहा (बैच साइज 1), तो मानचित्र सबसे सटीक था, हालांकि इसे बनाने में थोड़ा अधिक समय लगा। उन्हें जो सबसे अच्छा संतुलन मिला वह था पाँच चरणों को एक साथ प्रोसेस करना, जिसने मानचित्र को बहुत सटीक (लग पर 89/100 स्कोर) रखा और इसे बनाने में बहुत अधिक समय भी नहीं लगा।

यह मानचित्र क्या कर सकता है: जासूस और योजनाकार

एक बार मानचित्र बन जाने के बाद, यह दो मुख्य चीजों के लिए एक शक्तिशाली उपकरण बन जाता है:

1. अपवर्ड प्रोपेगेशन (जासूस - The Detective): यदि एक विशिष्ट वाल्व टूट जाता है, तो आप सिस्टम से पूछ सकते हैं, "पूरे प्लांट का क्या होगा?" सिस्टम सीढ़ी के ऊपर की ओर विफलता को ट्रैक करता है। यह कह सकता है, "यदि यह वाल्व विफल होता है, तो पंप काम नहीं कर पाएगा, जिसका अर्थ है कि कूलिंग फंक्शन विफल हो जाएगा, और रिएक्टर ओवरहीट हो सकता है।" यह उन तार्किक नियमों का पालन करके करता है जिन्हें AI ने मानचित्र में बनाया है।
2. डाउनवर्ड प्रोपेगेशन (योजनाकार - The Planner): आप यह भी पूछ सकते हैं, "हम रिएक्टर को ठंडा कैसे रखें?" सिस्टम सीढ़ी के नीचे की ओर देखता है और कहता है, "आपको पंप को काम करने की आवश्यकता है, जिसके लिए वाल्व का खुला होना और बिजली का चालू होना आवश्यक है।" यह उन सभी अलग-अलग तरीकों को खोज लेता है जिनसे एक लक्ष्य प्राप्त किया जा सकता है, जिससे आपको बैकअप योजनाओं (redundancy) का पता चलता है।

पेच: पेपर क्या कहता है और क्या नहीं कहता

लेखक यह दावा करने में सावधान हैं कि यह एक पूर्ण, तैयार उत्पाद नहीं है। वे स्पष्ट रूप से कहते हैं कि जबकि AI मैनुअल पढ़ने और कनेक्शन बनाने में माहिर है, यह मानव विशेषज्ञ की तरह भौतिकी (physics) को "समझता" नहीं है। मानचित्र टेक्स्ट का एक प्रतिनिधित्व है, न कि वास्तविकता का एक पूर्ण सिमुलेशन।

उदाहरण के लिए, पेपर नोट करता है कि सिस्टम सबसे भीड़भाड़ वाले, जटिल हिस्सों (जहाँ कई वाल्व और पाइप जुड़ते हैं) के साथ थोड़ा संघर्ष करता है। यह सैकड़ों में से एक या दो कनेक्शन मिस कर सकता है। इसके अलावा, सिस्टम को "कॉमन कॉज फेलियर्स" (Common Cause Failures) के बारे में स्वतः पता नहीं चलता—ऐसी स्थितियाँ जहाँ दो अलग-अलग हिस्से एक ही कारण से एक साथ विफल हो जाते हैं, जैसे कि निर्माण का एक खराब बैच या साझा बिजली का उछाल। AI बातचीत के दौरान इन्हें संभावनाओं के रूप में चिह्नित कर सकता है, लेकिन यह उन्हें मानचित्र के मूल तर्क में नहीं बनाता है।

पेपर इस विचार को भी खारिज करता है कि यह मानव विशेषज्ञों की जगह लेगा। इसके बजाय, यह सुझाव देता है कि यह एक "फोर्स मल्टीप्लायर" (शक्ति वर्धक) है। यह उस कार्य को लेता है जिसमें विशेषज्ञों को महीनों के पढ़ने और ड्राइंग में लगते हैं और उसे कुछ दिनों तक समेट देता है। फिर मानव विशेषज्ञ AI के काम की समीक्षा करने के लिए आता है, उन छूटे हुए लिंक को पकड़ता है और यह सुनिश्चित करता है कि मानचित्र वास्तव में सुरक्षित है।

निष्कर्ष

यह पेपर सुझाव देता है कि अब हम जटिल तकनीकी मैनुअल्स के ढेरों को इंटरैक्टिव, तार्किक मानचित्रों में बदलने के लिए AI का उपयोग कर सकते हैं जो हमें यह समझने में मदद करते हैं कि विशाल मशीनें कैसे काम करती हैं और उनके टूटने पर क्या होता है। यह कोई जादुई छड़ी नहीं है जो हर इंजीनियरिंग समस्या को तुरंत हल कर देती है, लेकिन यह एक शक्तिशाली नया उपकरण है जो हमारे जटिल संसार को सुरक्षित रखने के काम को बहुत तेज़ और अधिक सुसंगत बनाता है। लेखक दिखाते हैं कि सही "सर्च एंड वेरीफाई" रणनीति के साथ, AI इंजीनियरिंग लॉजिक की भाषा सीख सकता है, और टेक्स्ट को सुरक्षा के एक जीवित, सांस लेते ब्लूप्रिंट में बदल सकता है।