डिजिटल दुनिया में, सूचना नाजुक होती है। जब डेटा नेटवर्क के माध्यम से यात्रा करता है या हार्ड ड्राइव पर रहता है, तो यह लगातार शोर, हस्तक्षेप और भ्रष्टाचार (करप्शन) से घिरा रहता है। एक एकल बिट का बदलना एक स्पष्ट छवि को स्टेटिक (धुंधली आकृति) में या एक सही बैंक ट्रांसफर को एक खोई हुई राशि में बदल सकता है। इससे निपटने के लिए, इंजीनियर त्रुटि-सुधार कोड (error-correcting codes) का उपयोग करते हैं, जो अनिवार्य रूप से गणितीय रेसिपी की तरह हैं जो संदेश भेजने से पहले उसमें अतिरिक्त, अनावश्यक जानकारी जोड़ते हैं। यह रेडंडेंसी (अनावश्यकता) एक सुरक्षा जाल की तरह कार्य करती है, जिससे रिसीवर को मूल संदेश को पुनर्गठित करने की अनुमति मिलती है, भले ही उसके कुछ हिस्से क्षतिग्रस्त अवस्था में पहुंचे हों। दशकों से, लक्ष्य इन सुरक्षा जालों को यथासंभव कुशल बनाना रहा है: कम से कम अतिरिक्त डेटा जोड़ना और फिर भी अधिकतम त्रुटियों को ठीक करने में सक्षम होना। इस दक्षता की सैद्धांतिक सीमा को "क्षमता" (capacity) के रूप में जाना जाता है। क्षमता तक पहुँचना इसका अर्थ है कि एक कोड उतना ही अच्छा प्रदर्शन कर रहा है जितना कि भौतिकी और गणित अनुमति देते हैं, यानी वह अतिरिक्त डेटा की एक निश्चित मात्रा के लिए अधिकतम त्रुटियों को ठीक कर रहा है।

हालाँकि, इस क्षेत्र में एक दूसरा, अक्सर अनदेखा किया जाने वाला चुनौतीपूर्ण पहलू है: डिकोडिंग प्रक्रिया को चलाने के लिए आवश्यक भौतिक संसाधन। जबकि आधुनिक कंप्यूटर अविश्वसनीय रूप से तेज़ हैं, वे इस बात से भी सीमित हैं कि वे एक बार में कितनी मेमोरी रख सकते हैं। हाल के वर्षों में पाए गए कुछ सबसे शक्तिशाली डिकोडिंग तरीके अविश्वसनीय रूप से तेज़ हैं लेकिन उन्हें संचालित करने के लिए भारी मात्रा में मेमोरी की आवश्यकता होती है, जो उन्हें उपग्रहों, सेंसरों या सुरक्षित हार्डवेयर जैसे कड़े प्रतिबंधों वाले उपकरणों के लिए अव्यावहारिक बनाता है। इसके अलावा, कई कुशल तरीके यादृच्छिकता (randomness) पर निर्भर करते हैं—डिकोडिंग प्रक्रिया को निर्देशित करने के लिए एक सिक्का उछालने या रैंडम सीड का उपयोग करना। जबकि सिद्धांत में यादृच्छिकता अच्छी तरह काम करती है, यह वास्तविक दुनिया की प्रणालियों में एक देनदारी हो सकती है जहाँ पूर्वानुमेयता (predictability) और सुरक्षा सर्वोपरि है। एक नियत एल्गोरिदम (deterministic algorithm), जो बिना किसी यादृच्छिक विकल्प के एक सख्त, अपरिवर्तनीय पथ का अनुसरण करता है, विश्वसनीय, सुरक्षित और पुनरुत्पादक सिस्टम बनाने के लिए कहीं अधिक वांछनीय है।

शोधकर्ताओं की एक टीम ने अब इन प्रतिस्पर्धी मांगों के बीच के अंतर को पाट दिया है। उन्होंने त्रुटि-सुधार कोडों का एक नया परिवार निर्मित किया है जो सैद्धांतिक अधिकतम दक्षता प्राप्त करते हैं, और जिन्हें एक ऐसे एल्गोरिदम द्वारा डिकोड किया जाता है जो नियत (deterministic) भी है और मेमोरी के मामले में भी अत्यंत मितव्ययी है। उनका कार्य सिद्ध करता है कि यह संभव है कि कोड द्वारा संभाल जा सकने वाली अधिकतम त्रुटियों को ठीक करने के लिए विशाल मेमोरी या यादृच्छिक संयोग की आवश्यकता न हो। उनके द्वारा विकसित एल्गोरिदम डेटा के आकार के लगभग रैखिक (linear) समय में चलता है, जिसका अर्थ है कि यह कुशलता से स्केल होता है, लेकिन यह पिछले उच्च-प्रदर्शन वाले तरीकों की तुलना में बहुत कम मेमोरी का उपयोग करता है। यह एक महत्वपूर्ण बदलाव है, क्योंकि यह दर्शाता है कि उच्च प्रदर्शन के लिए मेमोरी या नियतता (determinism) की बलि देना आवश्यक नहीं है।

उनकी उपलब्धि का मुख्य आधार यह है कि वे डिकोडिंग के तरीके की एक चतुर पुनर्कल्पना करते हैं। पारंपरिक रूप से, एक दूषित संदेश को डिकोड करने में मूल संदेश को खोजने के लिए पूरे संदेश को एक साथ देखना शामिल होता है। यह वैश्विक दृष्टिकोण (global view) शक्तिशाली है लेकिन मेमोरी-गहन है। वैकल्पिक रूप से, "स्थानीय" (local) डिकोडिंग संदेश के केवल एक छोटे से हिस्से को एक समय में देखती है, जो मेमोरी-कुशल है लेकिन इसे सही ढंग से काम करने के लिए यादृच्छिकता की आवश्यकता होती है। शोधकर्ताओं ने महसूस किया कि वास्तविक डिकोडिंग शुरू होने से पहले एक छोटे, कुशल प्री-प्रोसेसिंग चरण की अनुमति देकर, वे स्थानीय प्रक्रिया को नियत बना सकते हैं। इस प्री-प्रोसेसिंग को एक बार के सेटअप के रूप में सोचें जहाँ डिकोडर इलाके का मानचित्र तैयार करता है; एक बार मानचित्र तैयार हो जाने के बाद, डिकोडिंग की वास्तविक यात्रा चरण-दर-चरण पूर्ण निश्चितता और न्यूनतम मेमोरी के साथ आगे बढ़ सकती है, बिना पूरी तस्वीर को दोबारा देखे।

इस प्रणाली को बनाने के लिए, शोधकर्ताओं ने एक 'टेन्सर कोड' (tensor code) नामक संरचना का उपयोग किया, जिसे डेटा के बहु-आयामी ग्रिड के रूप में देखा जा सकता है जहाँ प्रत्येक पंक्ति और प्रत्येक कॉलम को विशिष्ट नियमों का पालन करना चाहिए। उन्होंने इस ग्रिड में नेविगेट करने का एक नया तरीका विकसित किया। पूरे ग्रिड को एक साथ डिकोड करने के बजाय, उनका एल्गोरिदम समस्या को छोटे, प्रबंधनीय टुकड़ों में तोड़ देता है। यह ग्रिड से कुछ प्रतिनिधि कॉलम चुनने की तकनीक का उपयोग करता है, उन्हें डिकोड करता है, और फिर उस जानकारी का उपयोग शेष को अनुमान लगाने के लिए करता है। महत्वपूर्ण रूप से, उन्होंने पूरी ग्रिड को मेमोरी में संग्रहीत किए बिना इन अनुमानों की शुद्धता को सत्यापित करने का एक तरीका तैयार किया। उन्होंने परीक्षणों की एक श्रृंखला बनाई जो गुणवत्ता नियंत्रण जांच की तरह कार्य करती है, यह सुनिश्चित करती है कि डिकोड किए गए टुकड़े सही ढंग से फिट होते हैं और प्राप्त डेटा से मेल खाते हैं, और यह सब बहुत कम स्थान का उपयोग करके किया जाता है।

परिणामस्वरूप एक ऐसी प्रणाली प्राप्त हुई है जो शक्तिशाली और व्यावहारिक दोनों है। उनके द्वारा निर्मित कोड डेटा ट्रांसमिशन की किसी भी वांछित दर के लिए, क्षमता के सैद्धांतिक स्तर तक त्रुटियों को ठीक कर सकते हैं। डिकोडिंग एल्गोरिदम संदेश की लंबाई के लगभग आनुपातिक समय में चलता है, जिससे यह वास्तविक समय के अनुप्रयोगों के लिए पर्याप्त तेज़ हो जाता है। सबसे महत्वपूर्ण बात यह है कि यह मेमोरी का बहुत कम हिस्सा उपयोग करता है, जिसका अर्थ है कि यह बहुत कम स्थान के साथ बड़ी मात्रा में डेटा को संभाल सकता है। यह पिछले तरीकों से एक अलग दृष्टिकोण है जिन्होंने या तो मेमोरी के लिए गति का त्याग किया, यादृच्छिकता का उपयोग किया, या दक्षता की सैद्धांतिक सीमाओं तक पहुँचने में विफल रहे। एक उच्च-दर वाले बेस कोड को एक नए प्रकार के नियत स्थानीय डिकोडिंग के साथ जोड़कर, शोधकर्ताओं ने दिखाया है कि गति, मेमोरी और विश्वसनीयता के बीच के समझौतों को दूर किया जा सकता है।

यह कार्य एक मौलिक प्रश्न को भी संबोधित करता है: कुशल गणना के लिए वास्तव में कितनी यादृच्छिकता आवश्यक है? लंबे समय से, यह माना जाता था कि कुछ प्रकार के स्थानीय डिकोडिंग स्वाभाविक रूप से नियत नहीं हो सकते। शोधकर्ताओं ने दिखाया कि यह विश्वास स्थानीयता (locality) की एक विशिष्ट परिभाषा पर आधारित था जिसने एक छोटे, कुशल प्री-प्रोसेसिंग चरण को ध्यान में नहीं रखा था। इस परिभाषा को थोड़ा शिथिल करके, उन्होंने नियत एल्गोरिदम बनाने की क्षमता को अनलॉक किया जो उनके यादृच्छिक समकक्षों जितने ही शक्तिशाली हैं। यह अंतर्दृष्टि क्रिप्टोग्राफी और सुरक्षित संचार में भविष्य के अनुप्रयोगों के द्वार खोलती है, जहाँ नियत व्यवहार अक्सर एक सख्त आवश्यकता होती है। निश्चितता के साथ, न्यूनतम संसाधनों का उपयोग करके और बिना रैंडम सीड के डेटा को डिकोड करने की क्षमता, मजबूत डिजिटल सिस्टम बनाने के लिए एक नया आधार प्रदान करती है।

इस खोज के निहितार्थ केवल दूषित फाइलों को ठीक करने तक ही सीमित नहीं हैं। इन कोडों को बनाने के लिए उपयोग की जाने वाली तकनीकें, जैसे कि विभिन्न प्रकार के कोडों को संयोजित करने का विशिष्ट तरीका और गलत संभावनाओं को छांटने (pruning) के तरीके, कोडिंग थ्योरी की अन्य समस्याओं पर भी लागू किए जा सकने वाले सामान्य उपकरण हैं। शोधकर्ताओं ने प्रदर्शित किया कि उनका दृष्टिकोण न केवल सरल त्रुटि सुधार के लिए बल्कि एक अधिक जटिल कार्य जिसे 'लिस्ट रिकवरी' (list recovery) कहा जाता है, के लिए भी काम करता है, जहाँ लक्ष्य उन सभी संभावित मूल संदेशों को खोजना है जो एक दूषित सिग्नल से उत्पन्न हो सकते थे। यह बहुमुखी प्रतिभा बताती है कि उनके द्वारा खोजे गए अंतर्नि는 सिद्धांतों में मजबूती है और वे व्यापक रूप से लागू होने योग्य हैं।

कंप्यूटिंग के व्यापक संदर्भ में, यह कार्य अधिक कुशल और विश्वसनीय डिजिटल बुनियादी ढांचे की ओर एक कदम है। जैसे-जैसे डेटा की मात्रा बढ़ती जा रही है, ऐसे एल्गोरिदम की आवश्यकता बढ़ती जा रही है जो सूचना को मेमोरी पर बोझ डाले बिना तेजी से संसाधित कर सकें। अधिकतम त्रुटि सुधार प्राप्त करने की क्षमता, जबकि मेमोरी के कड़े प्रतिबंधों के भीतर रहना, यह सुनिश्चित करता है कि भविष्य के उपकरण छोटे, अधिक सुरक्षित और अधिक सक्षम हो सकते हैं। शोधकर्ताओं ने इन प्रणालियों को बनाने के लिए एक ब्लूप्रिंट प्रदान किया है, यह सिद्ध करते हुए कि दक्षता की सैद्धांतिक सीमाएँ केवल गणितीय अमूर्तता नहीं हैं बल्कि कंप्यूटिंग की भौतिक दुनिया में प्राप्त करने योग्य वास्तविकताएँ हैं। एक नियत, स्थान-कुशल डिकोडर बनाने में उनकी सफलता, जो क्षमता तक पहुँचता है, डिजिटल संचार को अधिक लचीला और कुशल बनाने के निरंतर प्रयास में एक महत्वपूर्ण मील का पत्थर है।