CELEBI: Design and Realization of a Reproducible Physics Analysis Framework

कण भौतिकी (पार्टिकल फिजिक्स) की विशाल और उच्च-दांव वाली दुनिया में, वैज्ञानिक उत्तर खोजने के लिए केवल एक सूक्ष्मदर्शी (माइक्रोस्कोप) से नहीं देखते हैं। इसके बजाय, वे विशाल मशीनें बनाते हैं जो कणों को आपस में टकराती हैं, जिससे संकेतों का एक अराजक प्रवाह उत्पन्न होता है जिसे ज्ञान में अनुवादित किया जाना चाहिए। यह अनुवाद खोज का कोई एकल क्षण नहीं है, बल्कि गणना की एक लंबी, घुमावदार यात्रा है। डिटेक्टर कच्चे डेटा को कैप्चर करते हैं, जिसे फिर स्वच्छ डेटासेट बनाने के लिए केंद्रीकृत प्रणालियों के माध्यम से संसाधित किया जाता है। उसके बाद ही व्यक्तिगत शोधकर्ता अपना स्वयं का कार्य शुरू कर सकते हैं: विशिष्ट घटनाओं (events) को चुनने के लिए कोड लिखना, गणितीय मापदंडों को समायोजित करना, और जटिल सांख्यिकीय परीक्षण चलाना यह देखने के लिए कि क्या एक नया कण पाया गया है या क्या कोई सिद्धांत सही साबित होता है। यह पूरी प्रक्रिया निर्णयों की एक श्रृंखला है, जहाँ अंतिम परिणाम सॉफ़्टवेयर, सेटिंग्स और डेटा इनपुट के एक विशिष्ट संयोजन पर निर्भर करता है।

वैज्ञानिक समुदाय के लिए चुनौती यह है कि यह श्रृंखला निरंतर बदलती रहती है। जैसे-जैसे शोधकर्ता अपनी विधियों को परिष्कृत करते हैं, वे कोड बदलते हैं, नंबरों में बदलाव करते हैं, और डेटा सेट बदलते हैं। आज प्रकाशित एक परिणाम उस प्रोग्राम के संस्करण पर निर्भर हो सकता है जिसे कल बदल दिया गया था। यदि पाँच साल पहले के किसी वैज्ञानिक को एक परिणाम की जाँच करनी हो, या यदि कोई नई टीम पुराने निष्कर्ष पर काम बनाना चाहती हो, तो उन्हें एक कठिन पहेली का सामना करना पड़ता है: यह पुनर्गठित करना कि जब काम किया गया था तब उसकी सटीक स्थिति क्या थी। केवल अंतिम नंबर या सोर्स कोड को सहेजना पर्याप्त नहीं है; व्यक्ति को उस पूरे संदर्भ को संरक्षित करना होगा कि वे नंबर कैसे बनाए गए थे। इसके बिना, वैज्ञानिक खोज का इतिहास असंबद्ध स्नैपशॉट्स का एक संग्रह बन जाता है, जहाँ एक प्रश्न से उत्तर तक का मार्ग खो जाता है।

इसे हल करने के लिए, बीजिंग विश्वविद्यालय के मिंगरुई झाओ द्वारा 'सेलेबी' (Celebi) नामक एक ढांचा विकसित किया गया। यह प्रणाली एक भौतिकी विश्लेषण के जीवन को प्रबंधित करने के लिए डिज़ाइन की गई है, जो इसे एक स्थिर फ़ाइल के रूप में नहीं, बल्कि सामग्री के एक जीवित, विकसित होते संग्रह के रूप में देखती है। शोधकर्ता ने महसूस किया कि वैज्ञानिक वर्तमान में अपने काम को जिस तरह से व्यवस्थित करते हैं, उसमें अक्सर गणना के निर्देशों को उन विशाल डेटा के साथ मिला दिया जाता है जो वे गणनाएँ उत्पन्न करती हैं। यह ट्रैक करना कठिन बना देता है कि किस प्रोग्राम के किस संस्करण ने किस परिणाम को जन्म दिया, विशेष रूप से जब समय के साथ काम बदलता है। सेलेबी इन दो दुनियाओं को अलग करता है। यह हल्के निर्देशों—कोड, सेटिंग्स और तर्क—को एक स्थान पर रखता है, जबकि भारी, उत्पन्न डेटा दूसरे स्थान पर रहता है। यह पृथक्करण यह सुनिश्चित करता है कि निर्देशों को उन टेराबाइट्स डेटा से दबे बिना, एक स्पष्ट, व्यवस्थित तरीके से संरक्षित किया जा सके जो वे उत्पन्न करते हैं।

सेलेबी का मूल आधार एक विश्लेषण को बनाने के बारे में सोचने का एक नया तरीका है। शोधकर्ता ने एक अवधारणा पेश की जिसे वे "मटेरियलाइज्ड वर्कफ्लो" (materialized workflow) कहते हैं। पारंपरिक कंप्यूटिंग में, एक वर्कफ्लो अक्सर केवल चरणों की एक सूची होती है जो कंप्यूटर को बताता है कि आगे क्या करना है। सेलेबी में, वर्कफ्लो विश्लेषण के हिस्सों का प्रतिनिधित्व करने वाली वास्तविक, मूर्त वस्तुओं से बना होता है। सिस्टम एक "एल्गोरिदम" (algorithm), जो गणना के लिए एक सामान्य रेसिपी है, और एक "टास्क" (task), जो डेटा के एक विशेष सेट पर उस रेसिपी का विशिष्ट अनुप्रयोग है, के बीच अंतर करता है। कल्पना कीजिए कि एक शेफ के पास सूप की एक मास्टर रेसिपी (एल्गोरिदम) है, लेकिन वह अलग-अलग ग्राहकों के लिए अलग-अलग बैच बनाता है, जिसमें नमक की मात्रा बदलता है या अलग-अलग सब्जियां डालता है (टास्क)। इस प्रणाली में, मास्टर रेसिपी वही रहती है, लेकिन प्रत्येक विशिष्ट बैच को एक अद्वितीय टास्क के रूप में रिकॉर्ड किया जाता है जो रेसिपी और उपयोग की गई विशिष्ट सामग्रियों से जुड़ा होता है। यह संरचना विश्लेषण के कई अलग-अलग हिस्सों में कोड को कॉपी और पेस्ट किए बिना पुनः उपयोग करने की अनुमति देती है, जिससे त्रुटियां कम होती हैं और काम का इतिहास बहुत स्पष्ट हो जाता है।

इस संरचना को मनुष्यों के लिए पढ़ने और समझने में आसान बनाने के लिए, शोधकर्ता ने डिजिटल फ़ाइलों को इस तरह व्यवस्थित किया जो विश्लेषण की तार्किक संरचना को दर्शाता है। जटिल, छिपे हुए फोल्डरों में सब कुछ छिपाने के बजाय, सिस्टम प्रोजेक्ट्स, डायरेक्टरीज, एल्गोरिदम और टास्क का एक स्पष्ट पदानुक्रम (hierarchy) उपयोग करता है। इनमें से प्रत्येक वस्तु के अपने नोट्स और विवरण होते हैं, ताकि फाइल सिस्टम को देखने वाला कोई भी व्यक्ति तुरंत समझ सके कि कोड का एक हिस्सा क्या करता है और यह बाकी काम से कैसे जुड़ता है। यह संगठन सुनिश्चित करता है कि विश्लेषण स्व-वर्णनात्मक (self-describing) बना रहे; संदर्भ फाइलों में ही निर्मित होता है। इसके अलावा, सिस्टम डेटा इनपुट को अलग-अलग तरीके से संभालता है, यह इस पर निर्भर करता है कि वे कहाँ से आते हैं। यदि डेटा विश्लेषण के पिछले चरण द्वारा उत्पन्न किया गया है, तो सिस्टम कार्यों के बीच के लिंक को ट्रैक करता है। यदि डेटा बाहर से आता है, तो सिस्टम यह चिह्नित करने के लिए एक विशिष्ट ऑब्जेक्ट बनाता है कि वह बाहरी डेटा वर्कफ्लो में कहाँ प्रवेश करता है। यह एक सुसंगत मानचित्र बनाता है कि जानकारी का प्रत्येक टुकड़ा कहाँ से आया, चाहे उसका स्रोत कुछ भी हो।

सेलेबी का सबसे महत्वपूर्ण नवाचार "इम्प्रेशंस" (impressions) नामक एक तंत्र है। चूंकि कार्यशील विश्लेषण हमेशा बदल रहा होता है, इसलिए शोधकर्ता को काम को रोके बिना एक विशिष्ट क्षण को फ्रीज करने के तरीके की आवश्यकता थी। एक 'इम्प्रेशन' एक विशेष क्षण में पूरे विश्लेषण के स्नैपशॉट की तरह है, जो कोड, मापदंडों और निर्भरताओं की सटीक स्थिति को कैप्चर करता है। एक बार इम्प्रेशन बन जाने के बाद, यह अपरिवर्तनीय (immutable) है; इसे बदला नहीं जा सकता। यदि वैज्ञानिक बाद में कोड या सेटिंग्स में बदलाव करता है, तो वह एक नया वर्किंग स्टेट बनाता है, लेकिन पुराना इम्प्रेशन बिल्कुल वैसा ही रहता है जैसा वह था। यह उन्हें एक विशिष्ट परिणाम के लिए मौजूद स्थितियों का स्थायी रिकॉर्ड रखने की अनुमति देता है। यदि कोई परिणाम उत्पन्न होता है, तो वह सीधे उस इम्प्रेशन से जुड़ा होता है जिसने उसे बनाया है। इसका मतलब है कि वर्षों बाद भी, एक वैज्ञानिक एक परिणाम को देख सकता है और ठीक से जान सकता है कि उस परिणाम को बनाने के लिए कोड के किस संस्करण और किन विशिष्ट सेटिंग्स का उपयोग किया गया था, क्योंकि वह परिणाम स्थायी रूप से उस अपरिवर्तनीय स्नैपशॉट से जुड़ा हुआ है।

यह सिस्टम विश्लेषण को संरक्षित करने के कार्य को चलाने के कार्य से भी अलग करता है। संरक्षित निर्देश एक रिपॉजिटरी में संग्रहीत होते हैं, लेकिन जब वास्तविक गणना करने का समय आता है, तो एक अलग प्रणाली, जिसे "प्रोडक्शन फैक्ट्री" (Production Factory) कहा जाता है, कार्यभार संभाल लेती है। 'युकी' (Yuki) नामक एक मिडलवेयर लेयर, इन दोनों के बीच सेतु का कार्य करती है। जब एक संरक्षित अवस्था को चलाने की आवश्यकता होती है, तो युकी संग्रहीत निर्देशों को एक ऐसे प्रारूप में अनुवादित करती है जिसे कंप्यूटर निष्पादित कर सके और इसे वर्कफ्लो रनर को भेज देती है। यह डिज़ाइन सुनिश्चित करता है कि विश्लेषण को संग्रहीत करने का तरीका उस विशिष्ट कंप्यूटर या सॉफ़्टवेयर पर निर्भर नहीं है जिसका उपयोग इसे चलाने के लिए किया जाता है। शोधकर्ता कंप्यूटिंग वातावरण या निष्पादन उपकरणों को बदल सकते हैं बिना स्वयं विश्लेषण को दोबारा लिखे। यह लचीलापन यह सुनिश्चित करता है कि विश्लेषण को दीर्घकाल के लिए संरक्षित किया जा सके, भले ही इसे चलाने के लिए उपयोग की जाने वाली तकनीक विकसित हो जाए।

इन तत्वों को जोड़कर, सेलेबी एक भौतिकी विश्लेषण के जीवनचक्र को प्रबंधित करने के लिए एक पूर्ण ढांचा प्रदान करता है। यह गणना के निर्देशों को उसके द्वारा उत्पन्न विशाल डेटा से अलग रखने, उन निर्देशों को मानव-पठनीय संरचना में व्यवस्थित करने और विशिष्ट अवस्थाओं के स्थायी, अपरिवर्तनीय रिकॉर्ड बनाने का एक तरीका प्रदान करता है। यह दृष्टिकोण आधुनिक विज्ञान की एक मौलिक समस्या का समाधान करता है: जब अंतर्निहित कार्य लगातार बदल रहा हो तो परिणामों को दोहराने (reproduce) की कठिनाई। शोधकर्ता यह प्रदर्शित करते हैं कि विश्लेषण को संरचित, परस्पर जुड़े ऑब्जेक्ट्स के संग्रह के रूप में मानकर और विशिष्ट अवस्थाओं को लॉक करने के लिए 'इम्प्रेशंस' का उपयोग करके, मूल प्रश्न से अंतिम उत्तर तक एक स्पष्ट और अटूट साक्ष्य रेखा बनाए रखना संभव है। यह कार्य एक ऐसे भविष्य की नींव रखता है जहाँ वैज्ञानिक परिणाम केवल प्रकाशित ही नहीं होते, बल्कि वे पूरी तरह से संरक्षित, पता लगाने योग्य और किसी के भी द्वारा, कहीं भी, किसी भी समय पुन: देखे जाने और सत्यापित किए जाने के लिए तैयार होते हैं।