Routing by Hurst: Matching Decomposed Modes to Inductive Biases for Time-Series Learning

कल्पना कीजिए कि आप एक अराजक शहर की सड़क को समझने की कोशिश कर रहे हैं। यह सब चीजों का मिश्रण है: ज़मीन के नीचे चलती सबवे की धीमी, स्थिर गड़गड़ाहट, एक परेड का लयबद्ध मार्च, एक बस के अचानक ब्रेक मारने की चीख, और हज़ारों बातचीत की बेतरतीब आवाज़ें। यदि आप इस पूरे शोर को केवल एक जोड़ी कानों से, एक ही वॉल्यूम पर सुनने की कोशिश करेंगे, तो आप बारीकियों को खो देंगे। आप शायद परेड को सुन लेंगे लेकिन बस की आवाज़ मिस कर देंगे, या बातचीत के शोर से दब जाएंगे और सबवे की आवाज़ नहीं सुन पाएंगे। यही वह चुनौती है जिसका सामना वैज्ञानिक टाइम-सीरीज़ डेटा (time-series data) के साथ करते हैं—समय के साथ रिकॉर्ड किए गए नंबरों की धाराएं, जैसे शेयर की कीमतें, मौसम के पैटर्न, या दिल की धड़कन। ये संकेत शायद ही कभी सरल होते हैं; ये धीमी, लंबे समय तक चलने वाली प्रवृत्तियों (trends) और तेज़, क्षणिक स्पाइक्स (spikes) का एक मिश्रण होते हैं।

इसे समझने के लिए, शोधकर्ता अक्सर डिकंपोज़िशन (decomposition) नामक एक उपकरण का उपयोग करते हैं, जो एक जादुई छलनी की तरह है जो एक अस्त-व्यस्त सिग्नल को उसके अलग-अलग स्तरों, या "मोड्स" (modes) में विभाजित कर देता है। एक बार अलग होने के बाद, उन्हें प्रत्येक स्तर का विश्लेषण करने की आवश्यकता होती है। लेकिन पेचीदा हिस्सा यह है: अलग-अलग स्तर अलग तरह से व्यवहार करते हैं। कुछ जिद्दी और स्थायी होते हैं (जैसे एक ट्रेंड जो चलता रहता है), जबकि अन्य चंचल और अल्पकालिक होते हैं। दशकों तक, अधिकांश कंप्यूटर मॉडल इन सभी स्तरों का विश्लेषण एक ही "मस्तिष्क" के साथ करने की कोशिश करते रहे, जिससे एक धीमी प्रवृत्ति और एक तेज़ स्पाइक को एक ही नियमों के तहत खेलने के लिए मजबूर होना पड़ता था। यह शोध पत्र एक सरल, शानदार प्रश्न पूछता है: क्या होगा अगर हम धीमी चीज़ों को तेज़ चीज़ों की तुलना में एक अलग मस्तिष्क दें?

इस पेपर के लेखक, यीवी शी (Yiwei Shi) और उनके सहयोगियों ने HRMN (हर्स्ट-रू़टेड मोड नेटवर्क - Hurst-Routed Mode Network) नामक एक नया सिस्टम प्रस्तावित किया है। इसे डेटा के लिए एक अत्यधिक कुशल ट्रैफिक कंट्रोल सेंटर के रूप में सोचें। हर कार (डेटा पॉइंट) को एक ही हाईवे पर भेजने के बजाय, HRMN पहले ट्रैफिक को छाँटता है। यह एक विशेष गणितीय पैमाने, जिसे हर्स्ट एक्सपोनेंट (Hurst exponent) कहा जाता है, का उपयोग यह मापने के लिए करता है कि डेटा का कोई हिस्सा कितना "जिद्दी" या "स्थिर" (persistent) है। यदि डेटा का कोई हिस्सा धीमा और स्थिर है (जैसे एक दीर्घकालिक ट्रेंड), तो उसे एक ट्रांसफॉर्मर (Transformer) शाखा की ओर भेजा जाता है—एक प्रकार का AI मस्तिष्क जो लंबी दूरी के संबंधों और संदर्भ (context) को समझने के लिए प्रसिद्ध है। यदि डेटा का कोई हिस्सा तेज़ और क्षणिक है (जैसे अचानक आया शोर), तो उसे एक TCN शाखा की ओर भेजा जाता है—एक अलग AI मस्तिष्क जो त्वरित, स्थानीय पैटर्न को पहचानने के लिए अनुकूलित है।

इसकी प्रेरणा मानव मस्तिष्क से ली गई है। जिस तरह हमारी आँखें प्रकाश के तेज़ झटकों को उच्च मस्तिष्क केंद्रों द्वारा धीमी, बदलती परिस्थितियों को संसाधित करने के तरीके से अलग तरह से देखती हैं, HRMN इसी "दो-मार्ग" (two-pathway) संगठन की नकल करता है। शोधकर्ताओं ने हृदय की अतालता (arrhythmia) का पता लगाने से लेकर ट्रैफ़िक वॉल्यूम की भविष्यवाणी करने और सर्वर क्रैश का पता लगाने तक, 12 विभिन्न वास्तविक दुनिया के डेटासेट्स पर इस विचार का परीक्षण किया। उन्होंने पाया कि डेटा के सही प्रकार को सही "मस्तिष्क" से मिलाने से, उनका सिस्टम लगातार मौजूदा अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।

विशेष रूप से, पेपर सुझाव देता है कि HRMN वर्गीकरण (classification) कार्यों में अधिक सटीक है, रिग्रेशन (regression) कार्यों में भविष्य के मूल्यों की भविष्यवाणी करने में बेहतर है, और विसंगतियों (anomalies) को पकड़ने में पिछले मॉडलों जैसे कि TimesNet की तुलना में अधिक पैना है। उदाहरण के लिए, वर्गीकरण कार्यों पर, इसने सटीकता में 2.5 से 5.6 प्रतिशत अंकों का सुधार किया, और रिग्रेशन कार्यों पर, इसने त्रुटियों को 8.0% से 10.2% तक कम कर दिया। महत्वपूर्ण रूप से, लेखक यह भी दिखाते हैं कि ये लाभ केवल इसलिए नहीं हैं क्योंकि उनका मॉडल बड़ा या अधिक जटिल है; वास्तव में, उनके मॉडल में कम पैरामीटर (0.95 मिलियन) हैं जिन्हें उन्होंने हराया है (जिनमें से कुछ के पास 2 मिलियन से अधिक पैरामीटर थे)।

पेपर सावधानीपूर्वक इस विचार को भी खारिज करता है कि केवल डेटा को विभाजित करना ही पर्याप्त है। उन्होंने परीक्षण किया कि क्या होता है यदि वे डेटा को विभाजित करते हैं लेकिन सब कुछ एक ही मस्तिष्क को भेज देते हैं, या यदि वे डेटा को बेतरतीब ढंग से रूट करते हैं। दोनों ही मामलों में, प्रदर्शन काफी गिर गया। यह सुझाव देता है कि जादू केवल सिग्नल को अलग करने में नहीं है, बल्कि रूटिंग के विशिष्ट कार्य में है—यानी स्थिर हिस्सों को लंबी स्मृति वाले मस्तिष्क की ओर और क्षणिक हिस्सों को छोटी स्मृति वाले मस्तिष्क की ओर भेजना। हालांकि लेखक नोट करते हैं कि उनकी विधि एक विशिष्ट थ्रेशोल्ड (0.6) पर निर्भर करती है और उन संकेतों पर सबसे अच्छा काम करती है जिनमें स्पष्ट मल्टी-स्केल संरचनाएं होती हैं, परिणाम दृढ़ता से संकेत देते हैं कि टाइम-सीरीज़ डेटा के साथ "एक ही आकार सबके लिए उपयुक्त" (one-size-fits-all) दृष्टिकोण अपनाने से बहुत सारा प्रदर्शन हाथ से निकल सकता है। डेटा की विभिन्न "आवाजों" को सही कानों से सुनकर, HRMN कहानी को बहुत अधिक स्पष्टता से सुनता है।