कल्पना कीजिए कि हम एक ऐसी दुनिया में हैं जहाँ हम उसी शक्ति का उपयोग कर सकते हैं जो सितारों को ऊर्जा देती है, एक प्रक्रिया जिसे परमाणु संलयन (न्यूक्लियर फ्यूजन) कहा जाता है। इसे साकार करने के लिए, वैज्ञानिक विशाल, डोनट के आकार की मशीनें बनाते हैं जिन्हें टोकामक (tokamaks) कहा जाता है। इन मशीनों के भीतर, अत्यधिक गर्म गैस, या प्लाज्मा, को शक्तिशाली चुंबकीय क्षेत्रों द्वारा तब तक दबाया जाता है जब तक कि वह आपस में जुड़ न जाए, जिससे भारी मात्रा में ऊर्जा मुक्त होती है। चुनौती यह है कि यह प्लाज्मा अविश्वसनीय रूप से अराजक और अस्थिर होता है। इसे नियंत्रित और सुरक्षित रखने के लिए, शोधकर्ता सेंसरों के एक विशाल समूह पर भरोसा करते हैं जो मशीन के तंत्रिका तंत्र की तरह कार्य करते हैं। ये सेंसर लगातार गैस के तापमान और दबाव से लेकर उन चुंबकीय क्षेत्रों की शक्ति तक सब कुछ मापते हैं जो इस पूरी प्रक्रिया को थामे हुए हैं। दशकों से, वैज्ञानिक इस डेटा का उपयोग यह अनुमान लगाने के लिए करते रहे हैं कि प्लाज्मा कब अस्थिर हो सकता है और वास्तविक समय में मशीन को नियंत्रित करने के लिए करते आए हैं। हालाँकि, जैसे-जैसे लक्ष्य एक वास्तव में आत्मनिर्भर पावर प्लांट बनाने की ओर बढ़ रहा है, डेटा की विशाल मात्रा और विविधता अत्यधिक अधिक होती जा रही है, जिससे एक नए प्रकार की पहेली पैदा हो गई है जिसे पारंपरिक कंप्यूटर प्रोग्राम हल करने में संघर्ष करते हैं।

प्रिंसटन विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस डेटा समस्या पर एक नए दृष्टिकोण से विचार किया है, जिसमें इस बात पर ध्यान केंद्रित किया गया है कि अगली पीढ़ी के आर्टिफिशियल इंटेलिजेंस के लिए इसे कैसे व्यवस्थित किया जाए। वे "फाउंडेशन मॉडल्स" (foundation models) के उपयोग की खोज कर रहे हैं, जो एक प्रकार का उन्नत कंप्यूटर प्रोग्राम है जो सूचना की विशाल मात्रा से सामान्य पैटर्न सीखता है, ठीक वैसे ही जैसे बड़े भाषा मॉडल मानव भाषण को समझने के लिए सीखते हैं। जबकि इन मॉडलों ने भाषा और छवि पहचान जैसे क्षेत्रों में क्रांति ला दी है, परमाणु संलयन में इन्हें लागू करना कठिन है क्योंकि यह डेटा एक समान नहीं है। एक विशिष्ट फ्यूजन प्रयोग में, मशीन सूचनाओं का एक अराजक मिश्रण उत्पन्न करती है: कुछ सेंसर एक एकल मान का सरल, धीमा माप लेते हैं, जबकि अन्य तरंगों और पैटर्न के जटिल, उच्च-गति वाले स्नैपशॉट कैप्चर करते हैं। शोधकर्ताओं ने पाया कि इस अव्यवस्थित, मिश्रित डेटा को सीधे एक कंप्यूटर मॉडल में डालने की कोशिश करना एक ही फनल (कीप) में एक साथ रेत की एक बाल्टी, पानी का एक गिलास और कुछ मुट्ठी भर पत्थर डालने की तरह है; विभिन्न सामग्रियां आपस में अच्छी तरह से नहीं मिल पाती हैं।

चुनौती के दायरे को समझने के लिए, टीम ने डीआईआई-डी (DIII-D) टोकामक का विश्लेषण किया, जो एक प्रमुख फ्यूजन अनुसंधान सुविधा है। उन्होंने करंट रीडिंग से लेकर जटिल छवियों और ध्वनि जैसी तरंग पैटर्न तक, तेईस अलग-अलग प्रकार के मापों को सूचीबद्ध किया। उन्होंने पाया कि डेटा की गति में बहुत बड़ा अंतर है। कुछ सेंसर प्रति सेकंड केवल कुछ ही बार जानकारी रिकॉर्ड करते हैं, जबकि अन्य हर सेकंड हजारों स्नैपशॉट कैप्चर करते हैं। यह अंतर पांच परिमाण (orders of magnitude) तक फैला हुआ है, जिसका अर्थ है कि सबसे तेज़ सेंसर सबसे धीमे सेंसरों की तुलना में लगभग एक लाख गुना अधिक तेज़ हैं। इसके अलावा, डेटा अलग-अलग आकारों में आता है। कुछ माप समय के साथ बदलने वाली संख्याओं की एक एकल रेखा मात्र हैं, कुछ हीट मैप की तरह दिखने वाले द्वि-आयामी ग्रिड हैं, और कुछ तीन-आयामी ब्लॉक हैं जो दिखाते हैं कि प्लाज्मा के माध्यम से तरंगें कैसे चलती हैं। यदि कोई कंप्यूटर मॉडल एक साथ इन सभी से सीखने की कोशिश करता है, तो वह तेजी से चलते डेटा की भारी मात्रा से भ्रमित होने का जोखिम उठाता है, जिससे संभावित रूप से उन धीमे, लेकिन समान रूप से महत्वपूर्ण संकेतों की अनदेखी हो सकती है जो मशीन के समग्र स्वास्थ्य की कहानी बताते हैं।

शोधकर्ताओं ने यह भी पाया कि मशीन के भीतर का भौतिक विज्ञान निरंतर और अप्रत्याशित रूप से बदलता रहता है। प्लाज्मा एक स्थिर, अनुमानित तरीके से व्यवहार नहीं करता है; इसके बजाय, टर्बुलेंस (विक्षोभ) के कारण इसके गुण सूक्ष्म सेकंड के अंशों में बदलते रहते हैं, जबकि प्लाज्मा का समग्र आकार बहुत लंबे समय में विकसित होता है। इसका मतलब है कि डेटा को साफ करने और तैयार करने के मानक तरीके, जो अक्सर एक स्थिर पृष्ठभूमि मानकर चलते हैं, सिस्टम की वास्तविक प्रकृति को पकड़ने में विफल रहते हैं। टीम ने महसूस किया कि एक सफल फाउंडेशन मॉडल बनाने के लिए, वे डेटा को केवल एक ढेर में नहीं फेंक सकते। इसके बजाय, उन्हें समय के आधार पर डेटा को काटने के तरीके पर सावधानीपूर्वक निर्णय लेना होगा। यदि वे समय की एक बहुत छोटी खिड़की देखते हैं, तो वे तेज़, अराजक तरंगों को स्पष्ट रूप से देख सकते हैं, लेकिन वे यह देखने में चूक जाते हैं कि मशीन कैसे विकसित हो रही है। यदि वे एक लंबी खिड़की देखते हैं, तो वे धीमी परिवर्तनों को देखते हैं लेकिन तीव्र उतार-चढ़ाव के विवरण को खो देते हैं।

अपने विश्लेषण के माध्यम से, टीम ने इस डेटा को व्यवस्थित करने के लिए एक विशिष्ट रणनीति प्रस्तावित की ताकि इसे इन उन्नत मॉडलों के प्रशिक्षण के लिए उपयोगी बनाया जा सके। उन्होंने सुझाव दिया कि लगभग एक सौ मिलीसेकंड का समय अंतराल एक व्यावहारिक संतुलन के रूप में कार्य करता है। यह अवधि प्लाज्मा की धीमी, स्थिर गतिविधियों को पकड़ने के लिए पर्याप्त लंबी है, लेकिन महत्वपूर्ण, तेज़ चलती तरंगों को देखने के लिए पर्याप्त छोटी भी है। उन्होंने सेंसरों की विभिन्न गति को संभालने के लिए एक विधि की भी सिफारिश की। सभी डेटा को एक ही गति पर चलाने के बजाय, जिससे या तो महत्वपूर्ण उच्च-गति विवरण खो जाते या प्रबंधित न होने योग्य कम-गति वाला डेटा बन जाता, उन्होंने एक लचीला प्रसंस्करण दृष्टिकोण प्रस्तावित किया। उपयोग किए जा रहे विशिष्ट मॉडल आर्किटेक्चर के आधार पर, उन्होंने या तो कच्चे वेवफॉर्म से स्पेक्ट्रोग्राम जैसे जटिल निरूपणों (representations) को प्रीकंप्यूट करने का सुझाव दिया ताकि डेटा की मात्रा कम हो सके, या मॉडल के प्रशिक्षण के दौरान डेटा निकालने, नॉर्मलाइजेशन और ऑग्मेंटेशन लागू करने के लिए ऑन-द-फ्लाई (on-the-fly) प्रोसेसिंग का सुझाव दिया। यह दृष्टिकोण कंप्यूटर को तेज़ सेंसर और धीमे सेंसर दोनों से एक साथ सीखने की अनुमति देता है, बिना उन्हें एक ही कृत्रिम सांचे में ढालने के।

अध्ययन यह निष्कर्ष निकालता है कि हालांकि परमाणु संलयन से संचालित भविष्य का मार्ग जटिल है, लेकिन यदि सही ढंग से व्यवस्थित किया जाए तो आवश्यक डेटा अधिक सुलभ होता जा रहा है। शोधकर्ताओं ने इस अध्ययन में कोई चालू फ्यूजन पावर प्लांट नहीं बनाया, न ही उन्होंने एक अंतिम, पूर्ण मॉडल प्रशिक्षित किया। इसके बजाय, उन्होंने एक महत्वपूर्ण ब्लूप्रिंट प्रदान किया। उन्होंने डेटा के परिदृश्य का मानचित्रण किया, उन विशिष्ट बाधाओं की पहचान की जिन्होंने वैज्ञानिकों को इस क्षेत्र में बड़े पैमाने पर आर्टिफिशियल इंटेलिजेंस का उपयोग करने से रोका है, और आगे बढ़ने के लिए स्पष्ट दिशा-निर्देश दिए। उनका कार्य बताता है कि डेटा की अनूठी प्रकृति—इसकी विभिन्न गति, आकार और व्यवहार—का सम्मान करके, वैज्ञानिक अंततः उन शक्तिशाली कंप्यूटर प्रणालियों को प्रशिक्षित करना शुरू कर सकते हैं जिनकी आवश्यकता परमाणु संलयन के अराजक भौतिक विज्ञान पर महारत हासिल करने के लिए है। यह संगठन उस भविष्य की ओर जाने वाला एक आवश्यक पहला कदम है जहाँ मशीनें पृथ्वी पर सितारों को नियंत्रित करना सीख सकती हैं।