Neural operator discovery from heterogeneous trajectories
यह शोध पत्र न्यूरल ऑपरेटर डिस्कवरी (NOD) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो बिना लेबल वाले शासी कारकों (governing factors) के, विषम प्रक्षेप पथों (heterogeneous trajectories) से सीधे साझा समाधान ऑपरेटरों और सिस्टम-विशिष्ट विविधताओं को सीखता है, जिससे एक कारक-आधारित लेटेंट-कंडीशनिंग (factorized latent-conditioning) सूत्रीकरण के माध्यम से व्याख्या योग्य, ज़ीरो-शॉट सामान्यीकरण सक्षम होता है।
मूल पेपर CC BY 4.0 (https://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
कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं, लेकिन आपके पास केवल छोड़े गए पदचिह्न (footprints) हैं, न कि वे जूते जिन्होंने उन्हें बनाया है। भौतिकी और इंजीनियरिंग की दुनिया में, वैज्ञानिकों के पास डेटा का ढेर होता है—चीजों के चलने, बहने या समय के साथ बदलने के स्नैपशॉट, जैसे कि किसी नाव के पीछे बनता लहरों का भंवर या किसी धातु की छड़ के माध्यम से गर्मी का प्रसार। इन्हें "ट्रैजेक्टरीज" (trajectories) कहा जाता है। आमतौर पर, यह भविष्यवाणी करने के लिए कि आगे क्या होगा, वैज्ञानिकों को प्रत्येक विशिष्ट स्थिति के लिए "खेल के सटीक नियम" जानने की आवश्यकता होती है: जैसे तरल पदार्थ की श्यानता (viscosity), वस्तु का आकार, या तापमान। यह बिल्कुल वैसा ही है जैसे यह जानने के लिए कि जूते का वजन कितना है ताकि यह अनुमान लगाया जा सके कि पदचिह्न कितना गहरा होगा। लेकिन वास्तविक दुनिया में, हमारे पास अक्सर वे लेबल नहीं होते। हमारे पास केवल बिखरे हुए पदचिह्न होते हैं। यह शोध पत्र खेल के नियमों और जूते के विशिष्ट विवरणों को एक साथ, केवल पदचिह्नों को देखकर सीखने की चुनौती से निपटता है।
लेखकों ने, जो MIT और झेजियांग यूनिवर्सिटी की एक टीम है, "न्यूरल ऑपरेटर डिस्कवरी" (NOD) नामक एक नई विधि विकसित की है। इसे एक सुपर-स्मार्ट AI जासूस के रूप में समझें जो केवल पदचिह्नों को रटता नहीं है, बल्कि चलने वाले की "शैली" (style) को समझना सीखता है। उन्होंने पाया कि यदि वे अपने AI को एक ही व्यक्ति द्वारा किए गए दो अलग-अलग कदमों (लेकिन अलग-अलग जगहों से शुरू किए गए) को देखने के लिए मजबूर करते हैं, तो वह उस व्यक्ति की अनूठी "शैली" (छिपे हुए नियम) को बिना यह बताए समझ सकता है कि वह व्यक्ति कौन था। यह AI को उच्च सटीकता के साथ भविष्य की गतिविधियों की भविष्यवाणी करने की अनुमति देता है, यहाँ तक कि उन लोगों के लिए भी जिन्हें उसने पहले कभी नहीं देखा है, और उन चरम स्थितियों में भी जहाँ नियम नाटकीय रूप से बदल जाते हैं।
जासूस की नई तरकीब
आमतौर पर, जब वैज्ञानिक यह अनुमान लगाने के लिए कंप्यूटर मॉडल बनाने की कोशिश करते हैं कि कोई सिस्टम (जैसे तरल पदार्थ या रासायनिक प्रतिक्रिया) कैसा व्यवहार करेगा, तो वे तब एक दीवार से टकरा जाते हैं जब उनके पास "निर्देश पुस्तिका" (instruction manual) नहीं होती। यदि वे जानना चाहते हैं कि एक सिलेंडर के चारों ओर पानी कैसे बहता है, तो उन्हें पानी के गाढ़ेपन (viscosity) की आवश्यकता होती है। यदि उनके पास वह संख्या नहीं है, तो मॉडल अंधा है।
इन समस्याओं को ठीक करने के पिछले प्रयास एक अकेले पदचिह्न को देखकर जूते का आकार अनुमान लगाने जैसे थे। कुछ तरीकों ने गति के पूरे इतिहास को याद करने की कोशिश की (जैसे कि अगले कदम का अनुमान लगाने के लिए पिछले 10 कदमों को देखना), लेकिन इससे अक्सर मॉडल भ्रमित हो जाता था और समय के साथ बड़ी गलतियाँ करता था। अन्य तरीकों ने डेटा को एक छिपे हुए "गुप्त कोड" में संकुचित करने की कोशिश की, लेकिन वह कोड अक्सर अव्यवस्थित था और वास्तव में हमें भौतिकी के बारे में कुछ भी उपयोगी नहीं बताता था।
Sili Deng और उनके सहयोगियों के नेतृत्व वाली इस टीम ने एक अलग दृष्टिकोण अपनाया। उन्होंने इस समस्या को एक ही कहानी के दो संस्करणों के बीच "अंतर पहचानो" (spot the difference) के खेल की तरह माना।
"दो-कहानी" प्रशिक्षण खेल
यहाँ उनका तरीका NODnet कैसे काम करता है, एक सरल उपमा का उपयोग करते हुए:
कल्पना कीजिए कि आपके पास हजारों अलग-अलग लेखकों द्वारा लिखी गई कहानियों का एक पुस्तकालय है। आप नहीं जानते कि किसने कौन सी कहानी लिखी है, और आपके पास उनके नाम भी नहीं हैं। आपके पास केवल टेक्स्ट है। आपका लक्ष्य एक ऐसी मशीन बनाना है जो किसी भी लेखक की कहानी को पूरा कर सके, चाहे वह कोई भी हो, और यहाँ तक कि उन लेखकों के लिए भी नई कहानियाँ लिख सके जिनसे आप कभी नहीं मिले।
लेखकों की तरकीब यह थी कि उन्होंने एक ही लेखक की किताब के दो अलग-अलग अध्याय लिए।
- अध्याय A का उपयोग लेखक की अनूठी "आवाज़" (उनकी शैली, शब्दावली और लहजा) को समझने के लिए किया जाता है।
- अध्याय B का उपयोग यह परीक्षण करने के लिए किया जाता है कि क्या मशीन उस "आवाज़" का उपयोग करते हुए आगे क्या होगा, इसकी भविष्यवाणी कर सकती है।
महत्वपूर्ण बात यह है कि मशीन को बताया जाता है: "ये दोनों अध्याय एक ही लेखक के हैं, लेकिन वे कथानक (plot) के अलग-अलग बिंदुओं से शुरू होते हैं।" यह मशीन को विशिष्ट कथानक विवरणों (जैसे "नायक महल में था") को अनदेखा करने और केवल लेखक की अनूठी शैली ("शासी कारकों" या governing factors) पर ध्यान केंद्रित करने के लिए मजबूर करता है।
वास्तविक दुनिया में, इसका अर्थ है कि AI तरल प्रवाह के एक छोटे से हिस्से (आवाज़) को देखता है और उसी तरल सेटअप के एक दूसरे हिस्से के भविष्य की भविष्यवाणी करने के लिए उसका उपयोग करता है। ऐसा बार-बार करके, AI विशिष्ट शुरुआती स्थितियों के शोर को हटाकर शुद्ध "नियमों" को अलग करना सीख जाता है जो उस सिस्टम को नियंत्रित करते हैं।
"छिपे हुए आयाम" (Hidden Dimension) का जादू
इस खोज का सबसे चतुर हिस्सा यह है कि AI यह कैसे पता लगाता है कि उसे कितने छिपे हुए नियमों को सीखने की आवश्यकता है।
कल्पना कीजिए कि आप किसी व्यक्ति के चलने की शैली का वर्णन करने की कोशिश कर रहे हैं। आप एक हजार अलग-अलग शब्दों का उपयोग कर सकते हैं, लेकिन शायद आपको केवल दो की आवश्यकता है: "कदम की लंबाई" और "गति"। यदि आप बहुत अधिक शब्दों का उपयोग करते हैं, तो आप उनके मोजों के रंग जैसी अप्रासंगिक चीजों का वर्णन करने लगते हैं। यदि आप बहुत कम शब्दों का उपयोग करते हैं, तो आप एक धावक और एक टहलने वाले के बीच अंतर नहीं कर पाएंगे।
शोधकर्ताओं ने एक ऐसा सिस्टम बनाया जो स्वचालित रूप से विभिन्न संख्या में "छिपे हुए शब्दों" (जिन्हें लेटेंट डायमेंशन कहा जाता है) का परीक्षण करता है। उन्होंने पाया कि बर्गर्स समीकरण (Burgers' equation - तरल झटकों का एक मॉडल) के लिए, AI स्वाभाविक रूप से 1 छिपे हुए आयाम पर स्थिर हो गया। फिट्ज़ह्यू-नागुमो सिस्टम (FitzHugh–Nagola system - तंत्रिका आवेगों का एक मॉडल) के लिए, यह 2 पर स्थिर हो गया। यह उन प्रणालियों में परिवर्तन होने वाले वास्तविक भौतिक चरों की संख्या से पूरी तरह मेल खाता था (पहले के लिए श्यानता और दूसरे के लिए दो पैरामीटर)।
यह सुझाव देता है कि AI केवल अनुमान नहीं लगा रहा है; यह वास्तव में दुनिया का वर्णन करने के लिए आवश्यक नियमों की वास्तविक, न्यूनतम संख्या की खोज कर रहा है। यह ऐसा है जैसे AI कह रहा हो, "मुझे मोजों के रंग को जानने की आवश्यकता नहीं है; मुझे बस कदम की लंबाई जानने की आवश्यकता है।"
उन्होंने क्या पाया (और क्या नहीं)
टीम ने इस विचार का परीक्षण तीन बहुत अलग भौतिक प्रणालियों पर किया:
- बर्गर्स समीकरण (Burgers' Equation): तरल प्रवाह का एक मॉडल जो तीव्र, अचानक झटके (जैसे सोनिक बूम) पैदा कर सकता है। उन्होंने अलग-अलग श्यानता के साथ इसका परीक्षण किया, जिसमें "शून्य श्यानता" वाला मामला भी शामिल था जहाँ तरल पूरी तरह से फिसलन भरा होता है।
- सिलेंडर फ्लो वेक (Cylinder Flow Wake): एक सिलेंडर के पीछे हवा या पानी कैसे घूमता है। यह एक कठिन परीक्षण था क्योंकि डेटा "विरल" (sparse) था (केवल 16 उदाहरण) और आकार अनियमित था।
- फिट्ज़ह्यू-नागुमो सिस्टम (FitzHugh–Nagumo System): तंत्रिकाओं में विद्युत संकेत कैसे यात्रा करते हैं, इसका एक मॉडल, जो जटिल, दोलन संबंधी (oscillating) तरीकों से व्यवहार कर सकता है।
तीनों मामलों में, NODnet मॉडल पुराने तरीकों से बेहतर प्रदर्शन करता है।
- दीर्घकालिक भविष्यवाणी (Long-term Prediction): जबकि अन्य मॉडल कुछ चरणों के बाद भटक जाते हैं (जैसे कि एक GPS जो धीरे-धीरे सिग्नल खो देता है), NODnet मॉडल लंबे समय तक सटीक रहता है। उदाहरण के लिए, बर्गर्स टेस्ट में, पुराने "ऑटोरेग्रेसिव" मॉडल (जो केवल अतीत को देखते हैं) 50 चरणों के बाद बहुत बड़ी गलतियाँ करते थे, जबकि NODnet शांत और सटीक रहा।
- जीरो-शॉट मैजिक (Zero-Shot Magic): मॉडल उस सिस्टम के लिए भी भविष्यवाणी कर सका जिसे उसने कभी नहीं देखा था। तंत्रिका आवेग परीक्षण में, उन्होंने AI को नियमों के एक विशिष्ट सेट पर प्रशिक्षित किया, और फिर उससे एक पूरी तरह से नए सेट के नियमों की भविष्यवाणी करने को कहा जिसे उसने पहले कभी नहीं देखा था। AI ने केवल अनुमान नहीं लगाया; इसने सीखी हुई "शैली" का उपयोग करके सही ढंग से निष्कर्ष निकाला।
- "इनविस्किड" सीमा (The "Inviscid" Limit): तरल परीक्षण में, उन्होंने AI से पूछा कि क्या होगा जब तरल में शून्य श्यानता हो (एक ऐसी स्थिति जिसके लिए उसे स्पष्ट रूप से प्रशिक्षित नहीं किया गया था)। AI की आंतरिक "आवाज़" इस चरम मामले को संभालने के लिए सुचारू रूप से और निरंतर बदल गई, जिससे पता चलता कि वह केवल गणित नहीं, बल्कि भौतिकी को वास्तव में समझता है।
जासूस की सीमाएँ
लेखक सावधानी से नोट करते हैं कि यह एक सिमुलेशन-आधारित खोज है। उन्होंने अभी तक कारखाने या नदी से वास्तविक दुनिया के शोर वाले सेंसर डेटा पर इसका परीक्षण नहीं किया है। वे यह भी बताते हैं कि उनकी विधि तब सबसे अच्छा काम करती है जब "नियम" सुचारू रूप से बदलते हैं। यदि कोई सिस्टम अचानक एक प्रकार के व्यवहार से पूरी तरह से अलग व्यवहार में बदल जाता है (जैसे पानी का बर्फ में बदलना), तो वर्तमान विधि संघर्ष कर सकती है।
इसके अलावा, उन्होंने पाया कि AI को कैसे "सिखाया" जाता है यह महत्वपूर्ण है। यदि AI केवल एक समय में एक कदम (जैसे फिल्म का एक फ्रेम) देखता है, तो वह गहरे नियमों को सीखने में विफल रहता है। उसे "आवाज़" को समझने के लिए पूरी तस्वीर या कई चरणों के आगे देखने की आवश्यकता है। यह सुझाव देता है कि प्रकृति के नियमों की खोज करने के लिए, हमें केवल तत्काल अगले कदम को नहीं, बल्कि बड़ी तस्वीर को देखने की आवश्यकता है।
यह क्यों महत्वपूर्ण है
यह शोध पत्र विज्ञान करने के एक नए तरीके का सुझाव देता है। प्रत्येक प्रयोग को उसके मापदंडों के साथ लेबल करने के लिए किसी मनुष्य की आवश्यकता होने के बजाय, हम AI को अव्यवस्थित, बिना लेबल वाले डेटा को छानने और हमारे लिए छिपे हुए नियमों को खोजने देने में सक्षम हो सकते हैं। यह "स्व-पर्यवेक्षित" (self-supervised) खोज की दिशा में एक कदम है, जहाँ मशीनें ब्रह्मांड को खेलते हुए देखकर उसके नियम सीखती हैं।
हालाँकि यह कोई जादुई छड़ी नहीं है जो आज हर भौतिकी की समस्या को हल कर दे, लेकिन यह एक आशाजनक मार्ग प्रदान करता है। यह दिखाता है कि बिना किसी मैनुअल के भी, यदि हम पर्याप्त अलग-अलग "पदचिह्नों" को देखते हैं और उन्हें सही तरीके से तुलना करते हैं, तो हम हमारी नसों में रक्त के प्रवाह से लेकर हमारे वायुमंडल के मौसम के पैटर्न तक, जटिल प्रणालियों के भविष्य की भविष्यवाणी करना सीख सकते हैं। AI केवल याद नहीं कर रहा है; यह एक भौतिक विज्ञानी की तरह सोचना सीख रहा 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।