Distribution Analysis of Discrete States: reconstructing transition processes from time-resolved state distributions

कल्पना कीजिए कि आप एक जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं, लेकिन आपकी नोटबुक खो गई है। आपके पास केवल भीड़ की दो तस्वीरें हैं: एक पार्टी की शुरुआत में ली गई और दूसरी एक घंटे बाद। आप जानते हैं कि पहली फोटो में कितने लोग लाल, नीले या हरे रंग के कपड़े पहने हुए हैं, और आप जानते हैं कि दूसरी फोटो में उन रंगों के कितने लोग हैं। लेकिन आपको यह नहीं पता कि कौन कहाँ गया। क्या लाल शर्ट वाला व्यक्ति नीले वाले से बदल गया? क्या वह कमरे से बाहर चला गया? क्या हरे रंग की शर्ट वाला कोई नया व्यक्ति अभी आया है?

यह वह पहेली है जिसका सामना वैज्ञानिक मछली पकड़ने, मतदान करने और प्लास्टिक के टूटने के अध्ययन जैसे विभिन्न क्षेत्रों में करते हैं। वे अक्सर चीजों (जैसे मछली, मतदाता, या कंपनियां) के समूह की "पहले" और "बाद की" तस्वीरें देखते हैं, लेकिन वे उनके बीच में उठाए गए व्यक्तिगत कदमों को कभी नहीं देख पाते। दशकों से, विशेषज्ञ जटिल गणित का उपयोग करके छिपी हुई गतिविधियों का अनुमान लगाने की कोशिश कर रहे हैं, लेकिन वे अक्सर एक दीवार से टकरा जाते हैं: एक ही दो तस्वीरों के लिए बहुत सारी संभावित कहानियाँ हो सकती हैं। यह शोध पत्र इस पहेली को हल करने का एक नया, चतुर तरीका पेश करता है। यह भीड़ को पाइपों के एक नेटवर्क की तरह मानता है और "मैक्सिमम एंट्रॉपी" (अधिकतम एंट्रॉपी) नामक एक सिद्धांत का उपयोग करता है—जो मूल रूप से एक फैंसी तरीका है यह कहने का कि "सबसे उबाऊ, सबसे कम पक्षपाती कहानी चुनें जो तथ्यों के अनुकूल हो"—ताकि यह पता लगाया जा सके कि भीड़ ने सबसे संभावित रास्ता कौन सा लिया। यह नृत्य की दिनचर्या को फिर से बनाने जैसा है, केवल नर्तकों की शुरुआत और अंत की स्थितियों को देखकर, यह जानते हुए कि कुछ नर्तक केवल आगे बढ़ सकते हैं, कुछ आगे-पीछे हो सकते हैं, और कुछ कहीं भी कूद सकते हैं।

---

द ग्रेट क्राउड रिकंस्ट्रक्टर (द ग्रेट क्राउड रिकंस्ट्रक्टर)

यह शोध पत्र एक नया टूलकिट प्रस्तुत करता है जिसे DADS (डिस्ट्रीब्यूशन एनालिसिस ऑफ डिस्क्रीट स्टेट्स) कहा जाता है। सोचिए कि DADS एक सार्वभौमिक अनुवादक है जो भीड़ के स्थिर स्नैपशॉट को उस भीड़ की गति की एक फिल्म में बदल देता है। चाहे आप समुद्र में मछली को ट्रैक कर रहे हों, चुनाव में मतदाताओं को, या गोदाम में बैटरियों को, गणित आश्चर्यजनक रूप से एक जैसा है: आपके पास समय A पर प्रत्येक "अवस्था" (जैसे आयु, राजनीतिक दल, या आकार) में कितनी चीजें हैं, और समय B पर प्रत्येक अवस्था में कितनी हैं, इसकी एक सूची होती है।

DADS की प्रतिभा यह है कि यह वैज्ञानिक को गणित करने से ठीक पहले एक महत्वपूर्ण निर्णय लेने के लिए मजबूर करता है। यह पूछता है: हम किस तरह के डांस फ्लोर पर हैं?

• एकतरफा रास्ता: क्या चीजें केवल आगे बढ़ सकती हैं? (जैसे मछली का बड़ा होना या प्लास्टिक का टूटना)।
• पड़ोस: क्या चीजें थोड़ा बाईं या दाईं ओर जा सकती हैं? (जैसे किसी की राय का "थोड़ा खुश" से "बहुत खुश" में बदलना)।
• फ्री-फॉर-ऑल (सबकी मर्जी): क्या कुछ भी किसी भी स्थान पर कूद सकता है? (जैसे किसी भी पार्टी से किसी भी अन्य पार्टी में मतदाता का बदलना)।

इस निर्णय को लेवल 0 टोपोलॉजी कहा जाता है। शोध पत्र का तर्क है कि इसे गलत समझना दीवारों को अनदेखा करते हुए भूलभुलैया को हल करने जैसा है। यदि आप यह मान लेते हैं कि लोग कहीं भी कूद सकते हैं जबकि वे केवल छोटे कदम ले सकते हैं, तो आपका गणित पूरी तरह से गलत होगा। इस "डांस फ्लोर" के नियमों को पहले तय करके, DADS फिर दो तस्वीरों के बीच लोगों के सबसे संभावित प्रवाह की गणना कर सकता है।

मशीन में "भूत" (द घोस्ट इन द मशीन)

इन गणनाओं को परेशान करने वाले "भूतों" के बारे में इस शोध पत्र की सबसे बड़ी खोज क्या है? जब आप केवल दो तस्वीरों से गति का अनुमान लगाने की कोशिश करते हैं, तो हमेशा एक छिपा हुआ चर (variable)—एक "भूत" संख्या—होता है जिसे आप देख नहीं सकते। लेखक इसे $\delta$ (डेल्टा) कहता है।

उन्होंने महसूस किया कि वास्तव में चार अलग-अलग प्रकार के भूत हैं जो आपके परिणामों को खराब कर सकते हैं:

1. भौतिक भूत (The Physical Ghost): आपने सभी को नहीं देखा। शायद आपने केवल बड़ी मछलियाँ देखीं और छोटी वाली छूट गईं।
2. सिमेंटिक भूत (The Semantic Ghost): लेबल का अर्थ बदल गया। शायद 1980 में "वामपंथ" का अर्थ 2020 की तुलना में बिल्कुल अलग था।
3. एपिस्टेमिक भूत (The Epistemic Ghost): आप भीड़ का आकार नहीं जानते। आप औसत जानते हैं, लेकिन यह नहीं जानते कि हर कोई कितना फैला हुआ है।
4. स्ट्रक्चरल भूत (The Structural Ghost): यह नया है! यह खराब डेटा के बारे में नहीं है; यह खेल के नियमों के बारे में है। यदि डांस फ्लोर बहुत अधिक गतिविधियों (जैसे फ्री-फॉर-ऑल) की अनुमति देता है, तो गणित सरल रूप से एक उत्तर नहीं खोज सकता, चाहे आपका डेटा कितना भी अच्छा क्यों न हो।

शोध पत्र बताता है कि कुछ प्रणालियों (जैसे बढ़ती उम्र की मछलियाँ) के लिए, नियम इतने सख्त होते हैं (आप केवल बूढ़े हो सकते हैं, कभी छोटे नहीं हो सकते) कि भूत केवल एक संख्या होता है जिसे आप आसानी से ठीक कर सकते हैं। लेकिन अन्य प्रणालियों (जैसे विचार) के लिए, भूत संभावनाओं का एक पूरा बादल है जिसे स्थिर करने के लिए अतिरिक्त नियमों की आवश्यकता होती है।

द ग्रेट "ओप्स" मोमेंट (द ग्रेट "ओप्स" मोमेंट)

यहाँ कहानी बहुत ईमानदार और मानवीय हो जाती है। लेखक ने यह सोचकर पेपर शुरू किया था कि उन्होंने कपलिंग इंडेक्स ($K$) नामक एक "जादुई संख्या" खोज ली है। उन्हें लगा कि यह संख्या उन्हें यह बता सकती है कि कोई प्रणाली एक निर्देशित, उद्देश्यपूर्ण तरीके से (जैसे मार्च करती भीड़) बदल रही है या बस यादृच्छिक (जैसे इधर-उधर घूमती भीड़) रूप से बदल रही है। उन्होंने बैटरी, चुनाव और सर्वेक्षणों के डेटा को देखा, और ऐसा लगा कि संख्याएँ पूरी तरह से मेल खाती हैं, जो परिवर्तन के एक सार्वभौमिक नियम का सुझाव देती हैं।

लेकिन फिर, उन्होंने एक "सांख्यिकीय जासूस" खेलने का निर्णय लिया। उन्होंने पूछा: क्या यह पैटर्न केवल एक इत्तेफाक हो सकता है? क्या यह रैंडम शोर हो सकता है? उन्होंने यह देखने के लिए एक विशाल सिमुलेशन ("ब्लॉक-बूटस्ट्रैप नल टेस्ट") चलाया कि क्या पैटर्न तब भी दिखाई देगा जब वास्तव में कुछ भी नहीं हो रहा हो।

परिणाम? पैटर्न गायब हो गया।

शोध पत्र स्वीकार करता है कि "जादुई संख्या" संभवतः यादृच्छिक नमूना शोर (random sampling noise) का एक संयोग थी। 44 परीक्षणों में से केवल दो ने महत्वपूर्ण परिणाम दिखाए, जो कि शुद्ध भाग्य से होने वाली बात है। लेखक ने इसे छुपाया नहीं; उन्होंने गर्व से अपना दावा वापस ले लिया। उन्होंने लिखा, "हम गलत थे, और यहाँ बताया गया है कि हमने यह कैसे पता लगाया।" इस आत्म-सुधार को एक विशेषता के रूप में प्रस्तुत किया गया है, न कि एक त्रुटि के रूप में, जो यह दर्शाता है कि ढांचा अपनी गलतियों को पकड़ने के लिए बनाया गया है।

सात कहानियाँ, एक गणित

यह साबित करने के लिए कि उनका नया टूलकिट काम करता है, लेखक ने इसे सात बहुत अलग वास्तविक दुनिया की कहानियों पर लागू किया:

1. जर्मन चुनाव: उन्होंने पाया कि वेमार रिपब्लिक (1928) और आधुनिक जर्मन लोकतंत्र (1972) दोनों एक ही "एंट्रॉपी फिंगरप्रिंट" (अव्यवस्था का एक माप) के साथ अधिकतम स्थिरता के बिंदु पर पहुँचे थे, भले ही वे 44 साल दूर थे। हालाँकि, आधुनिक प्रणाली बहुत अधिक स्थिर थी, जिसने चरम पार्टियों के उदय को 2.3 के कारक से धीमा कर दिया।
2. मतदाता विचार: उन्होंने एक "डिकपलिंग" प्रभाव की खोज की। जबकि चुनावी परिणाम अधिक ध्रुवीकृत हो रहे थे (लोग चरम सीमाओं के लिए वोट दे रहे थे), मतदाताओं का अपना स्व-विवरण मध्य में बना हुआ था। लोग चरम सीमा के लिए वोट दे रहे थे बिना यह स्वीकार किए कि वे चरम पर हैं।
3. जीवन संतुष्टि: उन्होंने दिखाया कि 1949 से पहले, डेटा बहुत धुंधला था, लेकिन उसके बाद, वे ट्रैक कर सके कि संकट (जैसे महामारी) ने लोगों को उच्च और निम्न संतुष्टि दोनों की ओर एक साथ कैसे धकेला, जिससे एक "तेज" वितरण बना।
4. प्लास्टिक का क्षरण: प्रयोगशाला प्रयोग में, उन्होंने ट्रैक किया कि प्लास्टिक कैसे टूटता है। उन्होंने पाया कि अलग-अलग माप (जैसे कठोरता बनाम वजन) के लिए अलग-अलग "डांस फ्लोर" नियमों की आवश्यकता होती है। कुछ परिवर्तन एकतरफा (अपरिवर्तनीय) थे, जबकि अन्य (जैसे क्रिस्टलीकरण) आगे-पीछे हो सकते थे।
5. व्यावसायिक अस्तित्व: उन्होंने एक सार्वभौमिक नियम की पुष्टि की: नई कंपनियों के विफल होने की संभावना पुरानी कंपनियों की तुलना में बहुत अधिक होती है। यह "नई होने की देनदारी" वक्र अमेरिका और जर्मनी में समान था, जो साबित करता है कि गणित सीमाओं के पार काम करता है।
6. क्रस्टेशियन विकास: उन्होंने आकार के बजाय आकार (size) के आधार पर नेफ्रोप्स (एक प्रकार का लॉबस्टर) को ट्रैक किया। उन्होंने डेटा में एक "चट्टान" (cliff) पाई: एक बार जब लॉबस्टर इतने बड़े हो गए कि उन्हें कानूनी रूप से पकड़ा जा सके, तो वे सर्वेक्षण डेटा से लगभग तुरंत गायब हो गए। यह कोई जैविक रहस्य नहीं था; यह एक मछली पकड़ने के नियम का परिणाम था।

निष्कर्ष (द टेकअवे)

शोध पत्र निष्कर्ष निकालता है कि हालांकि हम हमेशा भीड़ के व्यक्तिगत कदमों को नहीं देख सकते, लेकिन यदि हम खेल के नियमों का सम्मान करते हैं, तो हम प्रवाह का पुनर्निर्माण कर सकते हैं। सबसे महत्वपूर्ण सबक यह है कि अपरिवर्तनीय प्रणालियाँ (जैसे उम्र बढ़ना या टूटना) परिवर्तनीय प्रणालियों (जैसे विचार) की तुलना में गणितीय रूप से हल करना आसान हैं। लेकिन भले ही गणित कठिन हो, ढांचा यह जांचने का एक तरीका प्रदान करता है कि हमारे निष्कर्ष वास्तविक हैं या केवल रैंडम शोर।

लेखक ने केवल एक नया कैलकुलेटर नहीं बनाया; उन्होंने सोचने का एक नया तरीका बनाया है जो अनिश्चितता को स्वीकार करता है, अपने काम की जाँच करता है, और एक मछुआरे की पकड़, एक मतदाता के मतपत्र और प्लास्टिक के टुकड़े के बीच गहरे संरचनात्मक समानताओं को पाता है। यह एक याद दिलाता है कि विज्ञान में, यह जानना कि आप क्या नहीं जानते हैं—और "हम गलत थे" कहने का साहस रखना—उत्तर खोजने जितना ही महत्वपूर्ण है।