🔢 mathematics

Performance Evaluation of an Adaptive Quadrature and a Double Exponential Formula Using Arbitrary-Precision Floating-Point Arithmetic

यह शोध पत्र 21 परीक्षण समस्याओं पर अनिश्चित-परिशुद्धता अंकगणित (arbitrary-precision arithmetic) का उपयोग करते हुए निनोमिया के एडेप्टिव क्वाड्रचर (AQE11D) और ताकाहाशी-मोरी के डबल एक्सपोनेंशियल (DE) फॉर्मूला के प्रदर्शन का मूल्यांकन करता है, जो यह प्रकट करता है कि जहाँ AQE11D सभी मामलों में उच्च सटीकता प्राप्त करता है, वहीं DE फॉर्मूला एंडपॉइंट सिंगुलैरिटीज़ (endpoint singularities) के लिए काफी अधिक कुशल है लेकिन आंतरिक सिंगुलैरिटीज़ (interior singularities) वाली समस्याओं पर विफल हो जाता है।

मूल लेखक: Tomonori Kouya

प्रकाशित 2026-08-14

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tomonori Kouya

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

पूर्ण संख्याओं की खोज

कल्पना कीजिए कि आप एक अजीब आकार के तालाब का क्षेत्रफल मापने की कोशिश कर रहे हैं। आप उस पर एक जाल फेंक सकते हैं और मछलियों को गिन सकते हैं, या आप एक रूलर और कैलकुलेटर का उपयोग करके सटीक आकार की गणना करने का प्रयास कर सकते हैं। विज्ञान और इंजीनियरिंग की दुनिया में, इसे न्यूमेरिकल इंटीग्रेशन (numerical integration) कहा जाता है: यह वक्र (curve) के नीचे के सटीक क्षेत्र को खोजने की कला है जब आप केवल एक साधारण सूत्र का उपयोग नहीं कर सकते। आमतौर पर, कंप्यूटर एक मानक रूलर का उपयोग करते हैं जिसे "डबल प्रिसिजन" (double precision) कहा जाता है, जो पुल बनाने या मौसम का अनुकरण करने जैसे अधिकांश दैनिक कार्यों के लिए अविश्वसनीय रूप से सटीक है। लेकिन कभी-कभी, तालाब का तल एक अनंत खाई में गिर जाता है, या पानी इतना अशांत होता है कि मानक रूलर टूट जाता है। ये "इल-कंडीशन्ड" (ill-conditioned) समस्याएं हैं, जिनमें अक्सर विशेष कार्यों या गणितीय प्रमाणों को सत्यापित करने या उप-परमाणु कणों के व्यवहार की गणना करने के लिए अत्यधिक सटीकता की आवश्यकता होती है।

इन असंभव आकारों से निपटने के लिए, वैज्ञानिक आर्बिट्ररी-प्रिसिजन अरिथमेटिक (arbitrary-precision arithmetic) का उपयोग करते हैं। इसे एक मानक रूलर के रूप में नहीं, बल्कि एक जादुई, अनंत रूप से विस्तार योग्य टेप माप के रूप में सोचें। इसमें निश्चित निशान होने के बजाय, आप कंप्यूटर से जितने आवश्यक हों उतने दशमलव स्थान जोड़ने के लिए कह सकते हैं—50, 100, या उससे भी अधिक—ताकि उत्तर बिल्कुल सही मिले। आज हम जिस शोध पत्र की खोज कर रहे हैं, वह इन जटिल क्षेत्रों को मापने के लिए दो अलग-अलग रणनीतियों का परीक्षण करने के लिए एक विशिष्ट, सुपर-शक्तिशाली संस्करण (जिसे MPFR कहा जाता है) का उपयोग करता है। एक रणनीति एक स्मार्ट, एडेप्टिव (अनुकूलनशील) खोजकर्ता की तरह है जो कठिन हिस्सों पर ज़ूम करता रहता है, जबकि दूसरी एक विशेष रूपांतरण (transformation) का मास्टर है जो उभारों को सुचारू बनाता है। प्रश्न यह है: जब गणित वास्तव में बहुत कठिन हो जाता है, तो कौन सा खोजकर्ता जीतता है?

महान दौड़: एडेप्टिव क्लाइंबर बनाम स्मूथ स्लाइडर

इस अध्ययन में, लेखक, तोमोनोरी कोया (Tomonori Kouya) ने 21 अलग-अलग "काहनर टेस्ट प्रॉब्लम्स" (Kahaner test problems) के साथ एक डिजिटल रेस ट्रैक तैयार किया। ये 21 अलग-अलग बाधा कोर्स की तरह हैं, जो चिकने, सौम्य टीलों से लेकर तीखे स्पाइक्स वाले ऊबड़-खाबड़ ढलानों और यहाँ तक कि उन स्थानों तक जाते हैं जहाँ ज़मीन अचानक गायब हो जाती है (सिंगुलैरिटीज़)। लक्ष्य यह देखना था कि कौन सी गणितीय विधि इन आकारों के क्षेत्रफल को अत्यधिक सटीकता (विशेष रूप से, 50 या 100 दशमलव स्थानों तक सही उत्तर प्राप्त करना) के साथ माप सकती है, बिना बहुत अधिक समय लिए या बहुत अधिक कंप्यूटिंग शक्ति का उपयोग किए।

पहला दावेदार AQE11D है, जो एक "एडेप्टिव क्वाड्रचर" (adaptive quadrature) विधि है। इसकी कल्पना एक बहुत ही सावधान हाइकर (हाइकर) के रूप में करें जिसके पास एक ऐसा मानचित्र है जो चलते समय और अधिक विस्तृत होता जाता है। जब हाइकर को एक सपाट, आसान रास्ता दिखता है, तो वह बड़े कदम उठाता है। लेकिन जब वह किसी पथरीले, ऊबड़-खाबड़ खंड या चट्टान के किनारे से टकराता है, तो वह रुक जाता है, रास्ते को आधा कर देता है, और हर कोने-कोने को मापने के लिए छोटे, सतर्क कदम उठाता है। यह विधि अविश्वसनीय रूप से गहन है; यह लगभग किसी भी आकार को संभाल सकती है, जिसमें अचानक उछाल या तीव्र शिखर शामिल हैं।

दूसरा दावेदार डबल एक्सपोनेंशियल (DE) फॉर्मूला है। यह एक विशेष बोर्ड का उपयोग करके लहर की सवारी करने वाले एक मास्टर सर्फर की तरह है। कदम-दर-कदम चलने के बजाय, यह विधि पूरे परिदृश्य को बदल देती है। यह एक ऊबड़-खाबड़ चट्टान या तीखे शिखर को गणितीय रूप से एक सौम्य, लुढ़कती हुई पहाड़ी में बदल देती है जो अविश्वसनीय रूप से तेजी से घटती है। एक बार जब आकार सुचारू हो जाता है, तो यह विधि बड़े, व्यापक कदमों के साथ इसे माप सकती है, जिससे परिणाम बहुत जल्दी प्राप्त होता है।

परिणाम: गहनता बनाम गति

जब दौड़ शुरू हुई, तो परिणाम दो बहुत अलग शक्तियों की कहानी थे।

AQE11D हाइकर अंतिम उत्तरजीवी (survivor) था। वह सभी 21 बाधा कोर्स को जीतने में सफल रहा, सबसे कठिन इलाकों पर भी लक्षित सटीकता तक पहुँच गया। हालाँकि, इस गहनता की एक भारी कीमत थी। जब हाइकर का सामना एक "स्ट्रॉन्ग एंडपॉइंट सिंगुलैरिटी" (strong endpoint singularity) से हुआ—एक ऐसी चट्टान जो पथ के बिल्कुल प्रारंभ में अनंत रूप से नीचे गिरती है, जैसे कि $1/\sqrt{x}$ फलन—तो उसे बहुत अधिक संख्या में छोटे कदम उठाने पड़े। इस विशिष्ट चट्टान पर 100 दशमलव स्थानों तक सही उत्तर पाने के लिए, हाइकर को लगभग 54 मिलियन कदम (फंक्शन इवैल्यूएशन) लेने पड़े। यह एक मैराथन थी जिसमें बहुत समय लगा, लेकिन वे वहाँ पहुँच गए।

दूसरी ओर, DE सर्फर चिकने और चट्टान के किनारों वाले कोर्स पर गति का बादशाह था। उसी अनंत चट्टान ( $1/\sqrt{x}$ ) पर, सर्फर ने केवल 743 कदमों में उस पर सवारी की, और काम को बहुत कम समय में पूरा कर दिया। DE फॉर्मूला इस विशिष्ट समस्या पर हाइकर की तुलना में लगभग 70,000 गुना तेज़ था। इसने 21 में से 18 कोर्स को सफलतापूर्वक जीता, जिससे यह सिद्ध हुआ कि यह चिकने रास्तों और कठिन किनारों के लिए चैंपियन है।

हालाँकि, सर्फर की एक कमजोरी भी थी। जब बाधा कोर्स में पथ के बीच में अचानक उछाल या तीखा स्पाइक (इंटरियर डिस्कॉन्टिन्युटी) आता, या जब लहरें बहुत अराजक (ऑसिलेशन) होती थीं, तो सर्फर का बोर्ड विफल हो जाता। DE फॉर्मूला इन विशिष्ट लहरों पर सवारी करने के लिए कोई सुचारू तरीका नहीं ढूंढ सका और उसने तीन समस्याओं (संख्या 2, 9, और 21) पर हार मान ली। एडेप्टिव हाइकर, अपनी रुकने और ज़ूम करने की क्षमता के साथ, इन बीच-बीच के पहेलियों को हल करने वाला एकमात्र व्यक्ति था।

पैरेलल पावर-अप

अध्ययन में यह भी परीक्षण किया गया कि यदि आप एक ही समय में काम करने के लिए हाइकर या सर्फरों की एक पूरी टीम को काम पर रखते हैं (पैरेलल प्रोसेसिंग) तो क्या होता है।

DE सर्फर के लिए, टीम के सदस्यों को जोड़ना बहुत अच्छा रहा। क्योंकि सर्फर कई बड़े, समान कदमों में काम करता है, टीम काम को आसानी से विभाजित कर सकती थी। 20 लोगों के साथ, सर्फर लगभग दोगुना तेज़ हो गया, और सबसे कठिन समस्याओं पर, टीम बड़ी संख्या में कदमों को कुशलतापूर्वक संभाल सकती थी।

AQE11D हाइकर के लिए, टीम जोड़ने से ज्यादा मदद नहीं मिली। हाइकर की रणनीति पथ को आधा करने, नए स्थानों को मापने और फिर निर्णय लेने की है। यह निर्णय लेने की प्रक्रिया एक बाधा (bottleneck) बन जाती है। 20 लोगों के साथ भी, हाइकर बहुत अधिक तेज़ नहीं हो सका क्योंकि वे लीडर के यह कहने का इंतज़ार करने में फंसे थे कि, "ठीक है, अब इस विशेष छोटी चट्टान को विभाजित करो।" वास्तव में, सबसे कठिन चट्टान वाली समस्या पर, पूरी टीम को एक ही स्थान पर फंसे एक व्यक्ति द्वारा पीछे खींच लिया गया, जिससे पूरा समूह धीमा हो गया।

निष्कर्ष

तो, जो लोग अपरिमेय को मापने की कोशिश कर रहे हैं, उनके लिए सीख क्या है?

यदि आपकी समस्या में चिकनी वक्र रेखाएं या शुरुआत या अंत में कठिन किनारे शामिल हैं, तो डबल एक्सपोनेंशियल फॉर्मूला स्पष्ट विजेता है। यह तेज़, कुशल है और एक सुपर-सटीक उत्तर प्राप्त करने के लिए बहुत कम गणनाओं की आवश्यकता होती है। यह अधिकांश कठिन इंटीग्रल्स के लिए सबसे उपयुक्त उपकरण है।

हालाँकि, यदि आपकी समस्या में सड़क के ठीक बीच में अचानक उछाल या तीखा स्पाइक आता है, तो एडेप्टिव क्वाड्रचर (AQE11D) ही एकमात्र है जो काम पूरा करेगा, भले ही इसमें बहुत समय लगे और लाखों कदम लगें।

लेखक का निष्कर्ष है कि जबकि एडेप्टिव विधि एक विश्वसनीय "स्विस आर्मी नाइफ" है जो किसी भी समस्या को हल कर सकती है, DE फॉर्मूला एक विशेष "रेस कार" है जो अधिकांश मामलों के लिए बहुत बेहतर है, बशर्ते कि ट्रैक के बीच में अचानक गड्ढा न हो। लेखक सुझाव देते हैं कि भविष्य के कार्य दोनों दुनियाओं के सर्वश्रेष्ठ को मिलाने का प्रयास कर सकते हैं या एडेप्टिव हाइकर को तेज़ बनाने के लिए शक्तिशाली ग्राफिक्स कार्ड (GPUs) का उपयोग कर सकते हैं, लेकिन फिलहाल, काम के लिए सही उपकरण चुनना ही सबसे महत्वपूर्ण सबक है।

तकनीकी सारांश: आर्बिट्ररी-प्रिसिजन अंकगणित का उपयोग करके एडेप्टिव क्वाड्रचर और डबल एक्सपोनेंशियल फॉर्मूला का प्रदर्शन मूल्यांकन

समस्या विवरण
संख्यात्मक एकीकरण (numerical integration) को अक्सर मानक IEEE 754 बाइनरी64 प्रारूप से परे सटीकता की आवश्यकता होती है, विशेष रूप से इल-कंडीशन्ड (ill-conditioned) समस्याओं, विशेष फलन मूल्यांकन और संख्यात्मक सत्यापन के लिए। जबकि GNU MPFR लाइब्रेरी सही ढंग से राउंडेड आर्बिट्ररी-प्रिसिजन अंकगणित के लिए एक वास्तविक मानक प्रदान करती है, यह मूल्यांकन करने की आवश्यकता है कि विभिन्न क्वाड्रचर रणनीतियाँ इस लाइब्रेरी के साथ कार्यान्वित होने पर कैसे प्रदर्शन करती हैं। विशेष रूप से, यह अध्ययन दो अलग-अलग दृष्टिकोणों की तुलना करता है: एक एडेप्टिव क्वाड्रचर विधि (AQE11D) और डबल एक्सपोनेंशियल (DE) फॉर्मूला, जो उपयोगकर्ता द्वारा निर्दिष्ट सटीकता आवश्यकताओं (सहिष्णुता $10^{-50}$ और $10^{-100}$ ) को पूरा करने की क्षमता पर ध्यान केंद्रित करते हैं, जिसमें एंडपॉइंट सिंगुलैरिटीज़ (endpoint singularities), आंतरिक विच्छिन्नता (interior discontinuities), और तीव्र दोलन (strong oscillations) शामिल हैं।

कार्यप्रणाली
लेखक ने OpenMP पैरेललिज्म के साथ एक CPU पर GNU MPFR लाइब्रेरी का उपयोग करके दोनों एल्गोरिदम को लागू किया।

AQE11D: यह निनोमिया के एडेप्टिव 9-पॉइंट न्यूटन-कोट नियम (AQNN9) का एक विस्तार है। यह 11 फलन मानों से एक त्रुटि अनुमान कार्यात्मक $\bar{e}$ $\overset{e}{ˉ}$ का निर्माण करता है। निश्चित-क्रम नियमों की सीमाओं को दूर करने के लिए, AQE11D अनकन्वर्ज्ड उप-अंतरालों (subintervals) के लिए उच्च-क्रम नियमों (13, 19, 27, और 41-पॉइंट) के एक अनुक्रम का उपयोग करता है। महत्वपूर्ण रूप से, उच्च-परिशुद्धता अंकगणित के लिए, एल्गोरिदम को संशोधित किया गया था ताकि:
1. राउंडिंग-एरर नॉइज़ फ्लोर को डबल-प्रिसिजन स्थिरांक से बदलकर $2^{5-PB}$ के समानुपाती मात्रा (जहाँ $PB$ मैंटिसा प्रिसिजन है) में सामान्यीकृत किया जा सके।
2. विसंगति पहचान परीक्षणों (anomaly detection tests) के क्रम को उलट दिया जाए ताकि आर्बिट्ररी प्रिसिजन पर लॉगरिदमिक सिंगुलैरिटीज़ (अंकगणितीय अनुक्रम) और विच्छिन्नता (स्थिर अनुक्रम) के बीच सही ढंग से अंतर किया जा सके।
3. एंडपॉइंट सिंगुलैरिटीज़ (जैसे $1/\sqrt{x}$ ) के लिए सेमी-एनालिटिक प्रोसेसिंग का उपयोग किया जाए ताकि विचलनकारी एंडपॉइंट का सीधे मूल्यांकन करने से बचा जा सके।
डबल एक्सपोनेंशियल (DE) फॉर्मूला: यह विधि एक परिवर्तनीय रूपांतरण $x(t) = c + r \tanh(\frac{\pi}{2} \sinh t)$ लागू करती है ताकि इंटीग्रैंड को एक ऐसे फलन में बदला जा सके जो डबल-एक्सपोनेंशियल रूप से घटता है। इसके बाद इंटीग्रल का अनुमान ट्रैपेज़ॉइडल नियम का उपयोग करके लगाया जाता है। उच्च परिशुद्धता में कैंसिलेशन एरर या एंडपॉइंट्स के पास विचलनकारी मानों के मूल्यांकन को रोकने के लिए, कार्यान्वयन निर्देशांक के बजाय सीधे एंडपॉइंट से सापेक्ष दूरी की गणना करता है।
प्रायोगिक सेटअप: एल्गोरिदम का परीक्षण Kahaner के 21 बेंचमार्क समस्याओं पर किया गया। $\epsilon_a = 10^{-50}$ के लिए मैंटिसा प्रिसिजन ($PB $) 256 बिट्स और$ \epsilon_a = 10^{-100}$ के लिए 512 बिट्स सेट किया गया था। प्रदर्शन को प्राप्त सटीकता, फलन मूल्यांकन की संख्या, सीरियल निष्पादन समय, और OpenMP पैरेलल स्पीडअप (इंट्रा-इंटीग्रल और टास्क-लेवल) द्वारा मापा गया।

मुख्य परिणाम

सटीकता और अभिसरण (Convergence):
- AQE11D: इसने दोनों सहिष्णुता स्तरों पर सभी 21 परीक्षण समस्याओं के लिए लक्षित सटीकता सफलतापूर्वक प्राप्त की। हालांकि, मजबूत एंडपॉइंट सिंगुलैरिटीज़ वाली समस्याओं (विशेष रूप से समस्या 7, $1/\sqrt{x}$ ) के लिए, विधि को $10^{-100}$ सहिष्णुता पर फलन मूल्यांकनों की एक विशाल संख्या ( $\approx 5.4 \times 10^7$ ) की आवश्यकता थी। यह समान समस्या के लिए DE फॉर्मूला की तुलना में लगभग $7 \times 10^4$ गुना अधिक मूल्यांकन है।
- DE फॉर्मूला: यह 21 में से 18 समस्याओं पर अभिसरित हुआ। यह आंतरिक विच्छिन्नता (समस्या 2), तीव्र दोलन (समस्या 9), या तीक्ष्ण चोटियों (समस्या 21) वाली समस्याओं पर अभिसरण करने में विफल रहा। उन समस्याओं के लिए जहाँ यह अभिसरित हुआ, इसने AQE11D की तुलना में काफी कम फलन मूल्यांकन और कम समय लिया।
निष्पादन समय:
- एंडपॉइंट सिंगुलैरिटीज़ वाली समस्याओं (जैसे समस्या 3, 7, 19) पर, DE फॉर्मूला कई गुना तेज़ था। समस्या 7 के लिए $10^{-50}$ पर, DE ने 1.2 ms लिया जबकि AQE11D ने 125.5 ms लिया।
- जिन समस्याओं में DE अभिसरित होने में विफल रहा, वहां AQE11D ही एकमात्र व्यवहार्य विकल्प था।
पैरेलल प्रदर्शन:
- इंट्रा-इंटीग्रल पैरेललिज्म: एकल इंटीग्रल के भीतर फलन मूल्यांकनों को पैरेलल करने से AQE11D के लिए बहुत कम या कोई स्पीडअप नहीं मिला, क्योंकि प्रत्येक विभाजन (bisection) के लिए केवल छह बिंदुओं का मूल्यांकन किया जाता है और सिंक्रोनाइज़ेशन ओवरहेड अधिक होता है। इसके विपरीत, DE फॉर्मूला ने सिंगुलर/ऑसिलेटरी समस्याओं पर मध्यम स्पीडअप (2–4x) और अनकन्वर्टेड समस्याओं पर, जहाँ सैंपल पॉइंट्स $\approx 10^5$ तक पहुँच गए, 6x तक स्पीडअप दिखाया।
- टास्क पैरेललिज्म: 21 समस्याओं के माध्यम से पैरेलल करने पर AQE11D ने $10^{-50}$ पर $\approx 5.0$ की स्पीडअप प्राप्त की, जो समस्या 7 के सीरियल बॉटलनेक के कारण $10^{-100}$ पर गिरकर 2.6 रह गई। DE फॉर्मूला ने दोनों प्रिसिजन स्तरों पर निरंतर $\approx 2.0$ की स्पीडअप प्राप्त की, क्योंकि अनकन्वर्ज्ड समस्याओं को विभाजित नहीं किया जा सकता था।

महत्व और दावे
यह शोध पत्र उन संख्यात्मक इंटीग्रेटर्स के लिए डिज़ाइन दिशानिर्देश प्रदान करने का दावा करता है जिन्हें आर्बिट्ररी-प्रिसिजन अंकगणित का उपयोग करके सख्त, उपयोगकर्ता-निर्दिष्ट सटीकता आवश्यकताओं को पूरा करना होता है। प्राथमिक योगदान यह अनुभवजन्य प्रदर्शन है कि:

AQE11D एक मजबूत, सार्वभौमिक सॉल्वर है जो सिंगुलैरिटीज़ और विच्छिन्नता की एक विस्तृत श्रृंखला को संभालने में सक्षम है, लेकिन यह बहुत उच्च परिशुद्धता पर मजबूत एंडपॉइंट सिंगुलैरिटीज़ के लिए अत्यधिक कम्प्यूटेशनल लागत वहन करता है।
DE फॉर्मूला स्मूथ फंक्शन्स और एंडपॉइंट सिंगुलैरिटीज़ के लिए अत्यधिक कुशल है, लेकिन इसमें बिना संशोधन के आंतरिक विच्छिन्नता या जटिल दोलन व्यवहार को संभालने की अनुकूलन क्षमता (adaptability) की कमी है।
आर्बिट्ररी-प्रिसिजन कार्यान्वयन: यह अध्ययन उन विशिष्ट एल्गोरिद्मिक समायोजनों (जैसे नॉइज़ फ्लोर जनरलाइजेशन और टेस्ट रीऑर्डरिंग) को उजागर करता है जो आर्बिट्ररी प्रिसिजन पर एडेप्टिव क्वाड्रचर को स्थिर बनाने के लिए आवश्यक हैं, यह देखते हुए कि मानक डबल-प्रिसिजन ह्यूरिस्टिक्स सीधे तौर पर लागू नहीं होते हैं।

लेखक निष्कर्ष निकालते हैं कि जबकि DE फॉर्मूला अपने लागू डोमेन के लिए गति और दक्षता में बेहतर है, पूर्ण स्पेक्ट्रम की एकीकरण चुनौतियों को कवर करने के लिए एक हाइब्रिड या एडेप्टिव दृष्टिकोण आवश्यक है। भविष्य के कार्य में लोड बैलेंसिंग, सब-इंटरवल-लेवल पैरेललिजेशन, और CUDA पोर्ट्स का उपयोग करके GPU एक्सेलेरेशन को संबोधित करने का प्रस्ताव है।

पूर्ण संख्याओं की खोज

महान दौड़: एडेप्टिव क्लाइंबर बनाम स्मूथ स्लाइडर

परिणाम: गहनता बनाम गति

पैरेलल पावर-अप

निष्कर्ष

इसी तरह के और पेपर