Spinning Conformal Correlators from Neural Networks
यह शोध पत्र न्यूरल नेटवर्क को एम्बेडिंग फॉर्मलिज्म (embedding formalism) के साथ जोड़कर स्पिनिंग कॉन्फॉर्मल फील्ड्स का निर्माण करता है ताकि उनके सहसंबंध फलनों (correlation functions) की गणना की जा सके, और यह प्रदर्शित करता है कि स्वतंत्र और समान रूप से वितरित न्यूरॉन्स का एक विशिष्ट समूह अनंत-चौड़ाई सीमा (infinite-width limit) में 4d मैक्सवेल कॉन्फॉर्मल फील्ड थ्योरी को पुनः प्राप्त करता है।
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
आधुनिक भौतिकी के विशाल परिदृश्य में, दो अलग-अलग दुनिया अक्सर ऐसी लगती है जैसे वे अलग-अलग भाषाएं बोल रही हों। एक ओर क्वांटम फील्ड थ्योरी (quantum field theory) है, जो उस गणितीय ढांचे का वर्णन करती है जो हमारे ब्रह्मांड के मूलभूत कणों और बलों का वर्णन करता है, उस प्रकाश से लेकर जो हमें देखने की अनुमति देता है, उस गोंद तक जो परमाणु नाभिकों को एक साथ थामे रखता है। दूसरी ओर न्यूरल नेटवर्क की दुनिया है, जो आर्टिफिशियल इंटेलिजेंस के पीछे के कम्प्यूटेशनल इंजन हैं जो पैटर्न पहचानने, भाषाओं का अनुवाद करने और खेल खेलने के लिए सीखते हैं। दशकों तक, ये क्षेत्र अलग-अलग सिलोस (silos) में संचालित होते रहे, एक वास्तविकता के ताने-बाने पर केंद्रित था और दूसरा सॉफ्टवेयर की वास्तुकला पर। हालाँकि, एक आश्चर्यजनक संबंध उभर कर आया है: जिस तरह से एक न्यूरल नेटवर्क सूचना को संसाधित करता है, उसके गणितीय ढांचे निर्वात (vacuum) में कण कैसे परस्पर क्रिया करते हैं, इसका वर्णन करने वाले समीकरणों के समान गहरे रूप से मिलते-जुलते हैं। यह लिंक सुझाव देता है कि जिस तरह से एक कंप्यूटर सीखता है, वह प्रकृति के मौलिक नियमों को समझने का एक नया, अप्रत्याशित तरीका प्रदान कर सकता है।
इस संबंध के केंद्र में 'कॉन्फॉर्मल सिमिट्री' (conformal symmetry) नामक एक अवधारणा है। भौतिकी में, यह एक ऐसे ब्रह्मांड का वर्णन करती है जहाँ प्रकृति के नियम अपरिवर्तित रहते हैं, भले ही आप वस्तुओं के बीच की दूरियों को खींचें या सिकोड़ें। यह एक शक्तिशाली विचार है जो भौतिकविदों को विभिन्न पैमानों पर कणों के व्यवहार के बारे었던 जटिल समस्याओं को हल करने में मदद करता है। वर्षों से, शोधकर्ताओं ने सरल, स्केलर कणों (scalar particles)—जिनमें कोई आंतरिक दिशा या स्पिन नहीं होता—का मॉडल बनाने के लिए न्यूरल नेटवर्क का उपयोग किया है। लेकिन ब्रह्मांड अधिक जटिल संस्थाओं से भरा है, जैसे कि प्रकाश और चुंबकीय क्षेत्र, जिनमें 'स्पिन' नामक गुण होता है। ये घूमते हुए क्षेत्र अलग तरह से व्यवहार करते हैं; उनकी अपनी दिशात्मकता और अभिविन्यास (orientation) होती है, जिससे उन्हें गणितीय रूप से वर्णित करना बहुत कठिन हो जाता है। चुनौती यह थी कि न्यूरल नेटवर्क की लचीली, पैटर्न-मैचिंग शक्ति का उपयोग करके इन घूमते हुए क्षेत्रों और उनकी अंतःक्रियाओं के जटिल नृत्य को फिर से बनाने का तरीका खोजा जाए।
शोधकर्ताओं के एक दल ने इन घूमते हुए क्षेत्रों (spinning fields) को सीधे न्यूरल नेटवर्क से सफलतापूर्वक निर्मित करके अब एक महत्वपूर्ण कदम उठाया है। उन्होंने केवल एक ज्ञात भौतिक प्रणाली को सिम्युलेट करने के लिए कंप्यूटर का उपयोग नहीं किया; इसके बजाय, उन्होंने नेटवर्क की वास्तुकला से स्वयं भौतिक नियमों का निर्माण किया। नेटवर्क के आंतरिक घटकों को एक विशिष्ट, सममित (symmetrical) तरीके से व्यवस्थित करके, उन्होंने एक ऐसी प्रणाली बनाई जो स्वाभाविक रूप से घूमते हुए कणों के लिए सही गणितीय व्यवहार उत्पन्न करती है। शोधकर्ताओं ने प्रदर्शित किया कि जब उन्होंने यह गणना की कि ये कृत्रिम क्षेत्र आपस में कैसे परस्पर क्रिया करते हैं, तो परिणाम ज्ञात 'कॉन्फॉर्मल फील्ड थ्योरी' के नियमों से पूरी तरह मेल खाते थे। उन्होंने दिखाया कि नेटवर्क दो, तीन और यहाँ तक कि चार घूमते हुए कणों के एक साथ आने के सटीक इंटरैक्शन पैटर्न को पुनरुत्पादित कर सकता है, जो उच्च स्तर की गणितीय सटीकता और संरचनात्मक अखंडता की मांग करता है।
इस कार्य की सबसे उल्लेखनीय उपलब्धि 'फ्री मैक्सवेल थ्योरी' (free Maxwell theory) का पुनर्निर्माण है, जो चार-आयामी स्थान में प्रकाश और विद्युत चुंबकत्व के व्यवहार का वर्णन करती है। वास्तविक दुनिया में, प्रकाश एक 'फ्री फील्ड' है, जिसका अर्थ है कि इसके फोटॉन सीधे एक-दूसरे के साथ परस्पर क्रिया नहीं करते हैं; वे बस एक-दूसरे के माध्यम से गुजर जाते हैं। शोधकर्ताओं ने पाया कि एक एकल, सरल न्यूरल नेटवर्क का उपयोग करके, वे इस क्षेत्र की बुनियादी दो-बिंदु अंतःक्रिया (two-point interaction) को पकड़ सकते थे, लेकिन नेटवर्क में अभी भी छिपी हुई जटिलताएं थीं जो इसे वास्तविक दुनिया के लिए एक पूर्ण मिलान बनने से रोकती थीं। इसे हल करने के लिए, उन्होंने समानांतर में काम करने वाले कई स्वतंत्र नेटवर्कों के एक विशाल समूह (ensemble) से जुड़ी एक तकनीक का उपयोग किया। जैसे-जैसे उन्होंने इन नेटवर्कों की संख्या को अनंत तक बढ़ाया, अवांछित जटिलताएं लुप्त हो गईं, और सिस्टम उस अवस्था में स्थिर हो गया जो प्रकाश के वास्तविक, मुक्त सिद्धांत से अभिन्न (indistinguishable) थी। परिणामी मॉडल ने विद्युत चुंबकीय क्षेत्र के सटीक सहसंबंध कार्यों (correlation functions) को पुनरुत्पादित किया, जिसमें वह विशिष्ट तरीका भी शामिल है जिससे क्षेत्र की शक्ति अंतरिक्ष और समय में स्वयं से संबंधित होती है।
यह कार्य केवल ज्ञात भौतिकी की नकल नहीं करता है; यह इस बात पर एक नया दृष्टिकोण प्रदान करता है कि भौतिक नियम सांख्यिकीय प्रणालियों (statistical systems) से कैसे उभर सकते हैं। शोधकर्ताओं ने दिखाया कि जिस तरह से न्यूरल नेटवर्क के मापदंडों (parameters) को साझा और सहसंबंधित किया जाता है, वह निर्धारित करता है कि कौन सी भौतिक संरचनाएं दिखाई देंगी। इन कनेक्शनों को सावधानीपूर्वक ट्यून करके, वे यह नियंत्रित कर सकते थे कि किस प्रकार की कण अंतःक्रियाओं की अनुमति दी जाएगी और किन्हें वर्जित किया जाएगा। यह सुझाव देता है कि एक न्यूरल नेटवर्क की वास्तिका (architecture) केवल गणना का एक उपकरण नहीं है, बल्कि एक भौतिक सिद्धांत की मौलिक परिभाषा है। अध्ययन पुष्टि करता है कि मशीन लर्निंग और क्वांटम फील्ड थ्योरी के बीच गहरा संरचनात्मक पत्राचार इतना मजबूत है कि वह घूमते हुए क्षेत्रों की जटिलता को संभाल सके, जिससे भविष्य में अधिक विलक्षण और कठिन-से-हल होने वाले सिद्धांतों की खोज के लिए इन कम्प्यूटेशनल उपकरणों का उपयोग करने का मार्ग प्रशस्त होता है।
शोधकर्ता अपनी सफलता की सीमाओं को नोट करने में सावधानी बरतते रहे। उनका निर्माण सफलतापूर्वक सिद्धांत के स्थानीय, गेज-इनवेरिएंट (gauge-invariant) क्षेत्र को कैप्चर करता है, जो क्षेत्र के दृश्य प्रभावों का वर्णन करता है, लेकिन यह अभी तक चुंबकीय मोनोपोल (magnetic monopoles) जैसे गैर-स्थानीय (non-local) लक्षणों या अंतर्निहित क्षमता के विशिष्ट रूपांतरण नियमों को संबोधित नहीं करता है। इसके अलावा, जबकि यह विधि चार-आयामी स्थान के लिए खूबसूरती से काम करती है, यह उन विशिष्ट गुणों पर निर्भर करती है जो तीन या पांच आयामों में लागू नहीं होते हैं, जिसका अर्थ है कि यह दृष्टिकोण अभी सार्वभौमिक नहीं है। फिर भी, एक न्यूरल नेटवर्क के सांख्यिकीय गुणों से एक मौलिक बल जैसे कि विद्युत चुंबकत्व के सटीक व्यवहार को प्राप्त करने की क्षमता एक ठोस 'प्रूफ ऑफ कॉन्सेप्ट' प्रदान करती है। यह प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस की भाषा का उपयोग भौतिकी के नियम लिखने के लिए किया जा सकता है, जो हमारे ब्रह्मांड के मौलिक निर्माण खंडों को देखने के लिए एक ताज़ा और शक्तिशाली लेंस प्रदान करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।