Bridging Continents in Geotechnics: A Swarm-Intelligence Transferability Index for Raft Foundations on Expansive Soils

कल्पना कीजिए कि आप एक ऐसे फर्श पर घर बना रहे हैं जो एक विशाल, चिड़चिड़े स्पंज की तरह व्यवहार करता है। जब बारिश होती है, तो स्पंज फूल जाता है, जिससे फर्श (और आपका घर) ऊपर की ओर धकेला जाता है। जब यह सूखता है, तो स्पंज सिकुड़ जाता है, जिससे फर्श नीचे की ओर धंस जाता है। यह कोई सुचारू, कोमल गति नहीं है; स्पंज के किनारे अक्सर बीच के हिस्से की तुलना में अधिक गीले और सूखे होते हैं, जिससे फर्श झुक जाता है, उसमें दरारें आ जाती हैं और वह मुड़ जाता है। इंजीनियरिंग की दुनिया में, यह विस्तारशील मिट्टी (expansive soils) का दुःस्वप्न है, और वह "स्पंज" भारत की काली कपास मिट्टी (Black Cotton Soils) और पेरू के उच्च ऊंचाई वाले अल्टिप्लानो (Altiplano) जैसे स्थानों में पाई जाने वाली एक प्रकार की मिट्टी है।

द दशकों से, इंजीनियरों ने सख्त नियमपुस्तिकाओं (जैसे भारत में IS कोड या अमेरिका में ACI) का पालन करके इसे ठीक करने की कोशिश की है। लेकिन ये नियम अक्सर एक ऐसे सुरक्षा जाल की तरह होते हैं जो या तो बहुत भारी है (जिससे घर बहुत महंगा हो जाता है) या बहुत ढीला (जिससे घर में दरारें आ जाती हैं)।

यहाँ स्वार्म इंटेलिजेंस (Swarm Intelligence) का प्रवेश होता है। इसे एक अकेले प्रतिभाशाली इंजीनियर के रूप में नहीं, बल्कि छोटे रोबोटों के एक विशाल, डिजिटल झुंड के रूप में सोचें।

• पार्टिकल स्वार्म ऑप्टिमाइजेशन (PSO) पक्षियों के एक झुंड की तरह है जो उतरने के लिए सबसे अच्छी जगह की तलाश कर रहे हैं। वे जानकारी साझा करते हैं: "हे, मुझे एक अच्छी जगह मिली!" और "नहीं, मुझे इससे भी बेहतर जगह मिली!" वे आपके कंक्रीट स्लैब की मोटाई या खुदाई की गहराई के लिए अनंत संभावनाओं के माध्यम से तेजी से घूमते हैं, और एक आदर्श संतुलन खोजने के लिए अपने उड़ान पथ को लगातार समायोजित करते हैं।
• एंट कॉलोनी ऑप्टिमाइजेशन (ACO) चींटियों की एक कॉलोनी की तरह है जो भोजन के लिए सबसे छोटा रास्ता खोज रही है। वे अच्छे रास्तों पर "गंध के निशान" (फेरोमोन्स) छोड़ते हैं। यदि कोई रास्ता एक सस्ते, मजबूत डिजाइन की ओर ले जाता है, तो अधिक चींटियाँ उस रास्ते का अनुसरण करती हैं, जिससे वह निशान और मजबूत हो जाता है। यह विभिन्न प्रकार के नींवों (foundations) के बीच चयन करने के लिए बेहतरीन है, जैसे कि एक सपाट स्लैब या जालीदार पैटर्न (waffle-patterned) वाले स्लैब के बीच निर्णय लेना।

बड़ी खोज (और बड़ी "अभी नहीं")
इस शोध पत्र के लेखकों ने वैज्ञानिक साहित्य में एक खजाने की खोज की, जहाँ उन्होंने उन अध्ययनों को खोजा जहाँ इन डिजिटल झुंडों ने पहले ही इन "चिड़चिड़े स्पंजों" पर निर्माण करने की समस्या को हल किया था।

उन्होंने यहाँ क्या पाया:

1. अच्छी खबर: अन्य भू-तकनीकी (geotechnical) समस्याओं में (जैसे मिट्टी की मजबूती का अनुमान लगाना या सुरंग बनाना), ये स्वार्म रोबोट अद्भुत हैं। वे पुराने गणितीय सूत्रों की तुलना में लगातार बेहतर उत्तर खोजते हैं। वे तेज हैं, कंप्यूटर पर चलाने में सस्ते हैं, और बहुत सटीक हैं।
2. छूटा हुआ हिस्सा: अन्य जगहों पर इतनी सफलता के बावजूद, किसी ने भी अभी तक विशेष रूप से विस्तारशील मिट्टी के लिए राफ्ट फाउंडेशन (raft foundations) को डिजाइन करने के लिए इन डिजिटल झुंडों का उपयोग नहीं किया है। यहाँ एक अंतर है। जबकि कुछ शोधकर्ताओं ने लागत और कार्बन उत्सर्जन का अनुमान लगाने के लिए अन्य प्रकार की AI (जैसे डीप लर्निंग) का उपयोग किया है, उन्होंने इन जटिल मिट्टी के लिए आवश्यक विशिष्ट "स्वेलिंग प्रेशर" (फूलने के दबाव) के नियमों को इसमें शामिल नहीं किया है।

प्रस्तावित समाधान: एक वैचारिक ब्लूप्रिंट (Conceptual Blueprint)
चूंकि इस शोध पत्र को कोई तैयार उत्पाद नहीं मिला, इसलिए लेखकों ने यह दावा भी नहीं किया कि उन्होंने एक बनाया है। इसके बजाय, उन्होंने एक वैचारिक ब्लूप्रिंट तैयार किया कि हम इसे कैसे बना सकते हैं।

वे एक हाइब्रिड सिस्टम का सुझाव देते हैं जहाँ:

• पक्षी (PSO) निरंतर चीजों (जैसे कि कंक्रीट वास्तव में कितना मोटा होना चाहिए) के लिए सटीक संख्या खोजने के लिए उड़ते हैं।
• चींटियाँ (ACO) सर्वोत्तम असतत (discrete) विकल्पों को चुनने के लिए चलती हैं (जैसे "फ्लैट राफ्ट" बनाम "स्टिफन्ड राफ्ट")।
• दोनों मिलकर दो चीजों को कम करने के लिए काम करते हैं: लागत (Cost) और कार्बन उत्सर्जन (CO₂), जबकि यह सुनिश्चित करते हैं कि घर में दरार न आए (सुरक्षा कारक/factor of safety को 2.5 से ऊपर रखना) और वह बहुत अधिक ऊपर न उठे (डिफरेंशियल हीव/differential heave को L/360 से कम रखना)।

"ट्रांसफरेबिलिटी इंडेक्स" (Transferability Index): क्या हम कॉपी-पेस्ट कर सकते हैं?
यह शोध पत्र एक महत्वपूर्ण प्रश्न पूछता है: "क्या हम भारत के डिजाइन नियमों को लेकर सीधे पेरू के निर्माण स्थल पर चिपका सकते हैं?"

इसका उत्तर एक सतर्क "सीधे तौर पर नहीं" है।
लेखकों ने एक ट्रांसफरेबिलिटी इंडेक्स (TI) बनाया है, जो वीडियो गेम के कंपैटिबिलिटी चेकर की तरह है। यह जाँचता है कि क्या "सॉफ्टवेयर" (डिजाइन विधि) "हार्डवेयर" (स्थानीय स्थितियों) के साथ काम करता है।

• भारत के पास इन मिट्टियों के लिए बहुत अनुभव है लेकिन भूकंपीय (seismic) चिंता कम है।
• अमेरिका के पास इन मिट्टियों के लिए बेहतरीन डिजाइन उपकरण हैं लेकिन अलग जलवायु और भूकंपीय नियम हैं।
• पेरू पेचीदा है। यहाँ भी वही चिड़चिड़े स्पंज हैं, लेकिन यह एक विशाल भूकंप बेल्ट पर भी स्थित है। शोध पत्र का सुझाव है कि यदि आप बिना जांचे भारत या अमेरिका के डिजाइन का उपयोग पेरू में करने की कोशिश करते हैं, तो हो सकता है कि आप एक ऐसा घर बनाएं जो फूलने वाली मिट्टी में तो टिक जाए लेकिन भूकंप में ढह जाए, या इसके विपरीत।

TI प्रोफाइल दिखाता है कि पेरू को विचार उधार लेने से पहले पांच चीजों की जांच करने की आवश्यकता है: मिट्टी का प्रकार, भूकंप का जोखिम, स्थानीय बिल्डिंग कोड कितने विकसित हैं, स्थानीय AI उपकरण कितने उन्नत हैं, और क्या स्थानीय श्रमिकों के पास सही सामग्री उपलब्ध है।

वास्तविकता की जांच
यह याद रखना महत्वपूर्ण है कि यह शोध पत्र क्या नहीं है।

• यह वास्तव में बनाए गए और परीक्षण किए गए घर की रिपोर्ट नहीं है।
• यह एक सिमुलेशन नहीं है जहाँ उन्होंने नंबर चलाए और अंतिम उत्तर प्राप्त किया।
• यह इस दावे के बारे में नहीं है कि समस्या हल हो गई है।

लेखक बहुत स्पष्ट हैं: यह एक वैचारिक ढांचा (conceptual framework) है। यह कागज पर खींचा गया एक नक्शा है, वह सड़क नहीं जिस पर आप अभी गाड़ी चला सकें। उनके चार्ट में दिखाए गए "नंबर" केवल उदाहरण के लिए हैं, यह दिखाने के लिए कि प्रणाली कैसे काम करेगी, न कि अंतिम परिणाम क्या है।

अगला कदम
शोध पत्र निष्कर्ष निकालता है कि सबसे बड़ी बाधा गणित या रोबोट नहीं है; बल्कि स्थानीय डेटा की कमी है। इस कार्य को पेरू में सफल बनाने के लिए, इंजीनियरों को:

1. स्थानीय बिल्डिंग कोड को अपडेट करने की आवश्यकता है ताकि इसमें फूलने वाली मिट्टी के विशिष्ट नियम (जैसे अमेरिकी PTI पद्धति) शामिल हों।
2. "इंस्ट्रुमेंटेड" राफ्ट्स (instrumented rafts)—अर्थात सेंसर वाले फाउंडेशन—बनाना शुरू करना होगा जो यह माप सकें कि वे कितना हिलते हैं और मिट्टी कितनी गीली होती है।
3. उस वास्तविक दुनिया के डेटा का उपयोग इन स्वार्म रोबोटों को "प्रशिक्षित" करने के लिए करना होगा।

जब तक ऐसा नहीं होता, झुंड उड़ने के लिए तैयार है, लेकिन उसे सुरक्षित रूप से पेरू के ऊंचाइयों में नेविगेट करने के लिए एक स्थानीय मानचित्र की आवश्यकता है। शोध पत्र का सुझाव है कि एक बार हमारे पास यह डेटा आ जाए, तो ये डिजिटल झुंड दुनिया की सबसे कठिन मिट्टियों पर सस्ता, हरा-भरा और सुरक्षित घर बनाने में मदद कर सकते हैं।