A Generalized Parallelogram Rule for Proportional Analogies on Riemannian Manifolds

समस्या विवरण

आनुपातिक सादृश्य (Proportional analogies), जिन्हें चतुर्भुज संबंधों $a:b::c:d$ ("$a$ का $b$ से वही संबंध है जो $c$ का $d$ से है") के रूप में औपचारिक रूप दिया गया है, मानव संज्ञान और मशीन लर्निंग सत्यापन के लिए मौलिक हैं। जबकि यह अवधारणा प्रतीकात्मक डोमेन और यूक्लिडियन वेक्टर स्पेस में सुस्थापित है—जहाँ अंकगणितीय समांतर चतुर्भुज नियम ($b-a = d-c$) एक वैध आनुपातिक सादृश्य के रूप में कार्य करता है—रीमानियन मैनिफोल्ड्स (Riemannian manifolds) में इसका अनुप्रयोग सीमित है। समांतर चतुर्भुज नियम को रीमानियन मैनिफोल्ड्स तक विस्तारित करने के पिछले प्रयास (जैसे कि जियोडेसिक शूटिंग और पैरेलल ट्रांसपोर्ट के माध्यम से) दो प्राथमिक सीमाओं का सामना करते हैं: प्रत्यक्ष सामान्यीकरण आनुपातिक सादृश्यों के अभिगृयों (विशेष रूप से, $a:b::c:x$ का समाधान $a:c::b:x$ से भिन्न होता है) को संतुष्ट करने में विफल रहता है, और सामान्य निर्माण निरंतरता गुणों (continuity properties) की गारंटी नहीं देते हैं।

कार्यप्रणाली

यह शोध पत्र जियोडेसिक विस्थापन (parallel displacements) के बजाय जियोडेसिक मध्यबिंदुओं (geodesic midpoints) पर आधारित रीमानियन मैनिफोल्ड्स पर आनुपातिक सादृश्यों की एक नई, अंतर्निहित परिभाषा प्रस्तावित करता है। यह दृष्टिकोण इस ज्यामितीय अंतर्दृष्टि पर आधारित है कि यूक्लिडियन स्पेस में, एक समांतर चतुर्भुज अपने विकर्णों के मध्यबिंदुओं के संयोग से परिभाषित होता है।

मुख्य निर्माण:
एक रीमानियन मैनिफोल्ड $(\mathcal{M}, g)$ के लिए, संबंध $a:b::c:d$ तब सत्य होता है जब $a$ और $d$ के बीच का जियोडेसिक मध्यबिंदु, $b$ और $c$ के बीच के जियोडेसिक मध्यबिंदु के साथ मेल खाता है।

• जियोडेसिक रूप से उत्तल मामला (Geodesically Convex Case): यदि मैनिफोल्ड जियोडेसिक रूप से उत्तल है (किसी भी दो बिंदुओं के बीच अद्वितीय जियोडेसिक्स मौजूद हैं), तो संबंध को इस प्रकार परिभाषित किया जाता है:
  $$\exp_a\left(\frac{1}{2}\log_a(d)\right) = \exp_b\left(\frac{1}{2}\log_b(c)\right)$$
  यह सूत्रीकरण सुनिश्चित करता है कि संबंध एक मजबूत (strong) आनुपातिक सादृश्य है।
• सामान्य मामला: गैर-उत्तल मैनिफोल्ड्स के लिए जहाँ जियोडेसिक्स अद्वितीय नहीं हैं, परिभाषा को इस प्रकार सामान्यीकृत किया गया है:
  $$\exists v \in T_a\mathcal{M}, \exists w \in T_b\mathcal{M} \text{ ऐसा कि } c=\exp_b(w), d=\exp_a(v), \text{ और } \exp_a(v/2) = \exp_b(w/2)$$

सैद्धांतिक ढांचा:
लेखक इस निर्माण के गुणों का विश्लेषण करते हैं, जिसमें शामिल हैं:

1. अभिगृहीय संतुष्टि (Axiomatic Satisfaction): यह सिद्ध करना कि संबंध समरूपता (symmetry), माध्य का विनिमय (exchange of means), और अपवर्तनीयता (reflexivity) को संतुष्ट करता है।
2. सममिति अपरिवर्तनीयता (Isometry Invariance): यह प्रदर्शित करना कि सादृश्य रीमानियन आइसोमेट्रीज़ के तहत संरक्षित रहता है।
3. मजबूती (Robustness): यह स्थापित करना कि हैडामार्ड मैनिफोल्ड्स (Hadamard manifolds) और रीमानियन सिमेट्रिक स्पेस पर सादृश्य मजबूत (लघु विक्षोभों के तहत निरंतर) है।
4. $\mathbb{R}^n$ में वास्तविकता: यह दिखाना कि $n \geq 2$ के लिए, कोई भी चार अलग बिंदु एक उपयुक्त मेट्रिक के तहत एक सादृश्य बना सकते हैं, जबकि $n=1$ के लिए, बिंदुओं द्वारा बनाए गए अंतराल नेस्टेड (nested) होने चाहिए।

मुख्य योगदान

1. अंतर्निहित परिभाषा: जियोडेसिक मध्यबिंदुओं पर आधारित रीमानियन मैनिफोल्ड्स पर एक आनुपातिक सादृश्य संबंध का परिचय, जो आनुपातिक सादृश्यों के अभिगृयों को संतुष्ट करता है और पूरी तरह से अंतर्निहित (intrinsic) है (केवल एक्सपोनेंशियल और लॉगरिदमिक मैप्स पर निर्भर है)।
2. सैद्धांतिक गुण: आइसोमेट्री के तहत अपरिवर्तनीयता, मजबूती और जियोडेसिक रूप से उत्तल एवं सिमेट्रिक स्पेस पर स्पष्ट लक्षण वर्णन सहित प्रमुख गुणों की स्थापना।
3. लेपेज और कौसेरो (2024) का विस्तार: यह सिद्ध करना कि $\mathbb{R}^n$ ($n \geq 2$) में किन्हीं भी चार अलग-अलग बिंदुओं को एक उपयुक्त मेट्रिक के तहत सादृश्य बनाया जा सकता है, और $n=1$ के लिए क्रमबद्ध स्थितियाँ प्रदान करना।
4. विविध डोमेन में बहुमुखी प्रतिभा: विभिन्न ज्यामितिक डोमेन के लिए क्लोज्ड-फॉर्म समाधान या एल्गोरिदम प्रदान करते हुए इस ढांचे का अनुप्रयोग:
   • सिमेट्रिक स्पेस: गोले ($\mathbb{S}^n$), हाइपरबोलिक स्पेस ($\mathbb{H}^n$), और सिमेट्रिक पॉजिटिव डेफिनिट (SPD) मैट्रिसेस।
   • शेप स्पेस: केंडल्स स्पेस ऑफ ट्रायंगुलर शेप्स और 3D ट्रायंगुलर मेश।
   • प्रोबेबिलिटी मैनिफोल्ड्स: फिशर-राओ (Fisher-Rao) और एिचसन (Aitchison) मेट्रिक्स के तहत कैटेगोरिकल डिस्ट्रीब्यूशन का सिमप्लेक्स।

परिणाम और अनुप्रयोग

शोध पत्र एक विशिष्ट अनुप्रयोग और सैद्धांतिक व्युत्पत्ति के माध्यम से इस ढांचे को स्पष्ट करता है:

• SPD मैट्रिसेस: सिमेट्रिक पॉजिटिव डेफिनिट मैट्रिसेस के मैनिफोल्ड के लिए, आनुपातिक समीकरण $A:B::C:X$ मैट्रिसेस के ज्यामितीय माध्य वाले एक अद्वितीय समाधान को स्वीकार करता है: $X = (B\#C)A^{-1}(B\#C)$।
• शेप स्पेस: इस पद्धति को 3D ट्रायंगुलर मेश (Morphomatics लाइब्रेरी का उपयोग करके) पर विरूपण (deformations) को स्थानांतरित करने के लिए लागू किया गया है। एक कुत्ते के मेश से गाय के मेश में पोज़ परिवर्तन को स्थानांतरित करने के प्रयोग में, ढांचे ने लगभग 2 सेकंड में लक्षित मेश को सफलतापूर्वक उत्पन्न किया, जो जटिल ज्यामितीय डोमेन में सामान्यीकरण को प्रदर्शित करता है।
• कैटेगोरिकल डिस्ट्रीब्यूशन (वरीयता स्थानांतरण): लेखकों ने मूवीलेंस 1M डेटासेट पर वरीयता स्थानांतरण कार्य के लिए ढांचे का मूल्यांकन किया। लक्ष्य तीन संदर्भ वितरणों को देखते हुए, एक लक्षित मूवी श्रेणी के लिए लक्षित जनसांख्यिकीय समूह के रेटिंग वितरण की भविष्यवाणी करना था।
  • मेट्रिक्स: प्रदर्शन को मीन जेन्सेन-शैनन डाइवर्जेंस (Mean Jensen-Shannon divergence) के माध्यम से मापा गया।
  • निष्कर्ष: आनुपातिक दृष्टिकोण (फिशर-राओ और एिचसन मेट्रिक्स) ने बढ़ती कठिनाई की छह प्रयोगात्मक स्थितियों (आयु, लिंग, व्यवसाय और शैली के आधार पर भिन्न) में गैर-आनुपातिक बेसलाइन (लीव-वन-आउट प्रेडिक्टर्स और एडिटिव मॉडल) को लगातार पीछे छोड़ दिया।
  • तुलना: फिशर-राओ मेट्रिक ने छह में से पांच सेटिंग्स में सबसे कम डाइवर्जेंस प्राप्त किया, जबकि एिचसन मेट्रिक ने व्यवसाय-आधारित कोहॉर्ट्स के लिए सर्वश्रेष्ठ प्रदर्शन किया। दोनों ने अरिथमेटिको-जियोमेट्रिक सादृश्य बेसलाइन से बेहतर प्रदर्शन किया।

महत्व

यह शोध पत्र दावा करता है कि यह प्रतीकात्मक डोमेन और यूक्लिडियन वेक्टर स्पेस से परे आनुपातिक सादृश्यों को विस्तारित करने के लिए एक एकीकृत ज्यामितीय ढांचा प्रदान करता है। जियोडेसिक मध्यबिंदुओं के माध्यम से सादृश्यों को अभिलक्षित करके, लेखक प्रदर्शित करते हैं कि एक एकल अंतर्निहित निर्माण स्वाभाविक रूप से प्रोबेबिलिटी डिस्ट्रीब्यूशन, शेप स्पेस और SPD मैट्रिसेस जैसे जटिल संरचनाओं तक आनुपातिक तर्क का विस्तार करता है। यह कार्य स्थापित करता है कि ये सादृश्य न केवल सैद्धांतिक रूप से सुदृढ़ हैं (अभिगृयों और मजबूती को संतुष्ट करते हैं), बल्कि व्यावहारिक रूप से प्रभावी भी हैं, जैसा कि वरीयता वितरण और ज्यामितीय विरूपण के सफल स्थानांतरण से पता चलता है। लेखक सुझाव देते हैं कि यह ढांचा ट्रांसफर लर्निंग, मेटा-लर्निंग और ज्यामितीय डेटा ऑग्मेंटेशन के भविष्य के विकास के लिए एक आधार के रूप में कार्य कर सकता है।