MANGO: An Autodiff Neutrino Oscillation Engine for Differentiable Analysis Pipelines

अदृश्य भूत और उन्हें चलाने वाला गणित

कल्पना कीजिए कि ब्रह्मांड न्यूट्रिनो नामक छोटे, भूतिया कणों से भरा हुआ है। वे इतने शर्मीले हैं कि वे बिना किसी चीज़ से टकराए एक प्रकाश वर्ष की ठोस सीसे (lead) की परत के पार निकल सकते हैं, और खरबों न्यूट्रिनो इस समय आपके शरीर से होकर गुजर रहे हैं, जिनका बिल्कुल पता भी नहीं चलता। ये कण तीन "फ्लेवर्स" (flavors) में आते हैं (इन्हें अलग-अलग रंगों की तरह समझें: इलेक्ट्रॉन, म्यूऑन और ताऊ), और जैसे-जैसे वे अंतरिक्ष की विशाल दूरियों या पृथ्वी के माध्यम से यात्रा करते हैं, उनमें अपना रंग बदलने की एक जादुई आदत होती है। इस घटना को "न्यूट्रिनो ऑसिलेशन" (neutrino oscillation) कहा जाता है।

वैज्ञानिक दशकों से इन रूप बदलने वाले कणों का अध्ययन कर रहे हैं ताकि ब्रह्मांड के मौलिक नियमों को समझा जा सके। ऐसा करने के लिए, वे जमीन के नीचे गहरे विशाल डिटेक्टर बनाते हैं और एक न्यूट्रिनो के टकराने (interact करने) का इंतज़ार करते हैं। लेकिन यह समझने के लिए कि न्यूट्रिनो क्या कर रहा था, उन्हें जटिल कंप्यूटर सिमुलेशन चलाने की आवश्यकता होती है। ये सिमुलेशन एक टाइम मशीन की तरह काम करते हैं, जो भविष्यवाणी करते हैं कि एक न्यूट्रिनो पृथ्वी के कोर, मेंटल और वायुमंडल के माध्यम से यात्रा करते समय कैसा व्यवहार करेगा।

लंबे समय तक, ये सिमुलेशन एक "वन-वे स्ट्रीट" (एकतरफा रास्ते) की तरह थे। आप शुरुआती स्थितियाँ डाल सकते थे (न्यूट्रिनो कहाँ से आया, उसकी गति कितनी थी) और एक उत्तर प्राप्त कर सकते थे (जब वह पहुँचता है तो उसका फ्लेवर क्या है)। लेकिन यदि आप यह जानना चाहते थे कि एक अकेले नंबर को बदलने पर—जैसे पृथ्वी के कोर का घनत्व (density) या वह कोण जिस पर न्यूट्रिनो प्रवेश करता है—उत्तर क्यों बदल गया, तो आपको पूरा सिमुलेशन फिर से चलाना पड़ता था, नंबर को थोड़ा बदलना पड़ता था और फिर से चलाना पड़ता था। यह एक केक बनाने के लिए एकदम सही रेसिपी खोजने की कोशिश करने जैसा था, जहाँ हर बार यह जानने के लिए कि क्या थोड़ा अधिक चीनी डालने से मदद मिलेगी, आपको एक नया केक बनाना पड़ता था। यह काम करता था, लेकिन यह धीमा, भद्दा था, और इसने प्रयोग को खुद ऑप्टिमाइज़ करना लगभग असंभव बना दिया था।

नया इंजन: MANGO

यहाँ MANGO का आगमन होता है (जिसका अर्थ है "MANGO: ए न्यूट्रिनो ग्रेडिएंट ऑसिलेटर")। MANGO को केवल एक कैलकुलेटर के रूप में नहीं, बल्कि एक सुपर-स्मार्ट, आत्म-जागरूक इंजन के रूप में सोचें जो गणित को उलटे क्रम में (reverse में) कर सकता है। कंप्यूटर विज्ञान की दुनिया में, इसे "ऑटोमैटिक डिफरेंशिएशन" (automatic differentiation) कहा जाता है। जबकि पारंपरिक उपकरण केवल गणना का परिणाम बता सकते हैं, MANGO आपको ठीक-ठीक बता सकता है कि उस परिणाम के प्रति प्रत्येक एकल घटक (ingredient) कितना संवेदनशील है, और वह भी एक ही बार में।

यह पेपर MANGO को एक नए, ओपन-सोर्स टूल के रूप में पेश करता है जो JAX नामक एक आधुनिक प्रोग्रामिंग फ्रेमवर्क पर आधारित है। इसकी मुख्य शक्ति यह है कि यह न्यूट्रिनो भौतिकी की पूरी प्रक्रिया को गणित की एक एकल, निरंतर श्रृंखला (chain) के रूप में मानता है। आमतौर पर, वैज्ञानिक न्यूट्रिनो के फ्लेवर बदलने की संभावना की गणना करते हैं, और फिर रुक जाते हैं। MANGO इस "गणितीय श्रृंखला" को खुला रखता है। यह कंप्यूटर को डिटेक्टर की प्रतिक्रिया, डेटा को समूहबद्ध करने के तरीके, और यहाँ तक कि स्वयं पृथ्वी के भौतिक आकार तक, अंतिम परिणाम की संवेदनशीलता (sensitivity) को पीछे की ओर ट्रैक करने की अनुमति देता है।

MANERO वास्तव में क्या करता है

शोधकर्ता ने MANGO को एक विशिष्ट सिरदर्द को हल करने के लिए बनाया है: न्यूट्रिनो संभावनाओं के डेरिवेटिव्स (ढलान/slopes) की गणना करना। अतीत में, इन ढलानों की गणना करना या तो असंभव था या इसके लिए वैज्ञानिकों को हर नए परिदृश्य के लिए जटिल, त्रुटि-पूर्ण सूत्र मैन्युअल रूप से लिखने पड़ते थे। MANGO खेल बदल देता है क्योंकि यह गणना के हर एक चरण को "डिफरेंशिएबल" (differentiable) बना देता है।

यहाँ पेपर क्या प्रदर्शित करता है:

• यह अदृश्य को देखता है: MANGO यह गणना कर सकता है कि यदि आप उन चीजों में बदलाव करते हैं जिन्हें पारंपरिक सूत्र अनदेखा कर देते हैं, जैसे कि डिटेक्टर की सटीक गहराई, वायुमंडल में वह ऊँचाई जहाँ न्यूट्रिनो उत्पन्न हुआ था, या पृथ्वी के विशिष्ट परतों का घनत्व, तो न्यूट्रिनो की संभावना कैसे बदलती है।
• यह जटिलताओं को संभालता है: पृथ्वी एक चिकनी परतों वाला आदर्श गोला नहीं है; इसमें क्रस्ट, मेंटल और कोर है, जिनमें से प्रत्येक का घनत्व अलग है। MANGO इस "स्तरित" (layered) पृथ्वी को मॉडल कर सकता है (PREM नामक एक मानक मॉडल का उपयोग करके) और यहाँ तक कि उन अजीब, गैर-मानक भौतिक सिद्धांतों को भी संभाल सकता है जहाँ न्यूट्रिनो नए तरीकों से पदार्थ के साथ इंटरैक्ट कर सकते हैं या अपनी क्वांटम "कोहेरेंस" खो सकते हैं।
• यह अविश्वसनीय रूप से तेज़ है: पेपर दिखाता है कि एक स्तरित पृथ्वी मॉडल के सभी 369 विभिन्न मापदंडों (घनत्व, इलेक्ट्रॉन अंश, और शेल रेडियस) के लिए संवेदनशीलता की गणना करने में केवल लगभग 2.5 से 3 गुना अधिक समय लगता है। पुराने तरीके में, ऐसा करने के लिए सैकड़ों अलग-अलग रन की आवश्यकता होती।
• यह सटीक है: लेखक ने सत्यापित किया कि MANGO के परिणाम अन्य स्थापित उपकरणों (जैसे OscProb और NuFast) से एक बहुत ही सूक्ष्म अंश (विशेष रूप से $10^{-9}$ से $10^{-5}$ के बीच के अंतर) के भीतर मेल खाते हैं। उन्होंने यह भी साबित किया कि गणित तब भी पूरी तरह से काम करता है जब न्यूट्रिनो पृथ्वी के कोर से गुजरते हैं, जो एक ऐसा क्षेत्र है जहाँ गणित आमतौर पर बहुत जटिल हो जाता है।

एक वास्तविक परीक्षण: पृथ्वी टोमोग्राफी (Earth Tomography)

अपनी शक्ति दिखाने के लिए, लेखक ने पृथ्वी की "टोमोग्राफिक" विश्लेषण करने के लिए MANGO का उपयोग किया। कल्पना कीजिए कि आप पृथ्वी के कोर से गुजरने वाले न्यूट्रिनो को देखकर उसके घनत्व का पता लगाने की कोशिश कर रहे हैं।

MANGO का उपयोग करके, उन्होंने न केवल घनत्व का अनुमान लगाया; बल्कि उन्होंने यह भी गणना की कि उस माप में अनिश्चितता कितनी होगी। लेकिन सबसे महत्वपूर्ण बात यह है: उन्होंने फिर उस अनिश्चितता के थ्रू डिफरेंशिएशन किया यह देखने के लिए कि यदि वे डिटेक्टर के कोणीय रिज़ॉल्यूशन (angular resolution - यानी न्यूट्रिनो की दिशा बताने की क्षमता) में सुधार करते हैं, तो वह कैसे बदलेगा।

एक ही पास में, MANGO ने गणना की कि डिटेक्टर की कोण मापने की क्षमता में केवल 0.01 का सुधार करने से पृथ्वी के कोर के घनत्व माप की सटीकता में 7.8% का सुधार होगा। यह "एक्सपेरिमेंटल डिज़ाइन" का एक प्रकार का गणना है जो पहले अप्राप्य था क्योंकि इसके लिए भौतिकी, सांख्यिकी और डिटेक्टर हार्डवेयर की पूरी श्रृंखला के माध्यम से डिफरेंशिएशन करने की आवश्यकता थी।

यह क्या नहीं है (और यह क्या नहीं करता)

यह ध्यान रखना महत्वपूर्ण है कि MANGO क्या नहीं है। यह उन उच्च-ऊर्जा न्यूट्रिनो के सिमुलेशन के लिए उपकरण नहीं है जो पृथ्वी द्वारा अवशोषित या नष्ट कर दिए जाते हैं (एक प्रक्रिया जिसे एटेनुएशन/attenuation कहा जाता है); उसके लिए अन्य उपकरणों की अभी भी आवश्यकता है। यह कोई जादुई छड़ी भी नहीं है जो हर भौतिक समस्या को तुरंत हल कर दे; यह एक आधार (foundation) है। लेखक स्पष्ट रूप से कहते हैं कि जबकि MANGO कोर ऑसिलेशन भौतिकी को पूरी तरह से संभालता है, इसे पूर्ण डेंसिटी-मैट्रिक्स ट्रांसपोर्ट या पूर्ण प्रयोग सिमुलेशन (जैसे बड़े सॉफ़्टवेयर सूट द्वारा किए जाते हैं) को कवर करने के लिए विस्तारित करना भविष्य का कार्य है।

निष्कर्ष

यह पेपर MANGO को एक बुनियादी बदलाव के रूप में प्रस्तुत करता है। यह न्यूट्रिनो भौतिकी को एक ऐसी दुनिया से हटाकर जहाँ आप एक परिणाम की गणना करते हैं और फिर मैन्युअल रूप से अनुमान लगाते हैं कि इसे कैसे सुधारा जाए, एक ऐसी दुनिया में ले जाता है जहाँ कंप्यूटर आपको बताता है कि सर्वोत्तम उत्तर प्राप्त करने के लिए आपको अपने प्रयोग, डिटेक्टर या मॉडल में क्या बदलाव करने चाहिए। यह न्यूट्रिनो सिमुलेशन के "ब्लैक बॉक्स" को एक पारदर्शी, समायोज्य (adjustable) मशीन में बदल देता है, जिससे वैज्ञानिकों को अपने प्रयोगों को अनुकूलित करने और पृथ्वी के आंतरिक भाग को उस स्तर की सटीकता और गति के साथ समझने की अनुमति मिलती है जो पहले पहुंच से बाहर था। लेखक ने अपना कोड ओपन-सोर्स कर दिया है, जिससे शेष वैज्ञानिक समुदाय को इस नए, डिफरेंशिएबल आधार पर निर्माण करने के लिए आमंत्रित किया गया है।