The Marangoni Effect Algorithm: A Novel Physics-Inspired Metaheuristic for Global Optimization

इंजीनियरिंग और विज्ञान की दुनिया में, एक जटिल समस्या के लिए सबसे अच्छा संभव समाधान खोजना अक्सर एक विशाल, धुंधले परिदृश्य में एक एकल, सटीक स्थान खोजने जैसा होता है। यह भूभाग असमान है, जो गहरे घाटियों से भरा है जो दुनिया के तल की तरह दिखते हैं लेकिन वास्तव में केवल स्थानीय जाल (local traps) हैं, जबकि वास्तविक निम्नतम बिंदु कहीं और छिपा हुआ है। दशकों से, वैज्ञानिक इस परिदृश्य में नेविगेट करने के लिए गणितीय उपकरणों पर भरोसा करते आए हैं, लेकिन जब परिदृश्य बहुत अधिक ऊबड़-खाबड़ हो जाता है या धुंध बहुत घनी हो जाती है, तो वे पारंपरिक उपकरण अक्सर फंस जाते हैं। इसे हल करने के लिए, शोधकर्ताओं ने प्रकृति और भौतिकी की ओर रुख किया है, ऐसे कंप्यूटर प्रोग्राम बनाए हैं जो पक्षियों के झुंड में उड़ने, चींटियों द्वारा भोजन खोजने, या गुरुत्वाकर्षण द्वारा वस्तुओं को एक साथ खींचने की नकल करते हैं। ये प्रोग्राम, जिन्हें मेटाहेयुरिस्टिक्स (metaheuristics) के रूप में जाना जाता है, हर बार एक पूर्ण उत्तर की गारंटी नहीं देते हैं, लेकिन वे अज्ञात का पता लगाने और गतिरोधों से बचने में उल्लेखनीय रूप से सक्षम हैं, जो गगनचुंबी इमारतों से लेकर कुशल मशीन लर्निंग मॉडल तक डिजाइन करने के लिए आवश्यक बनाते हैं।

ज़ंजन, ईरान के शोधकर्ताओं की एक टीम ने इस खोज में एक नया दृष्टिकोण पेश किया है, जो 'मैरंगोनी प्रभाव' (Marangoni effect) नामक एक विशिष्ट तरल घटना से प्रेरित है। यह वह भौतिक बल है जो तरल को कम सतह तनाव वाले क्षेत्रों से उच्च सतह तनाव वाले क्षेत्रों की ओर प्रवाहित करता है। एक परिचित उदाहरण वाइन के गिलास में दिखने वाले "वाइन के आँसू" (tears of wine) हैं: जैसे ही अल्कोहल कांच से चिपकी पतली फिल्म से वाष्पित होता है, यह एक तनाव अंतर पैदा करता है जो तरल को कांच के ऊपर की ओर खींचता है, और फिर यह बूंदों के रूप में इकट्ठा होकर वापस नीचे गिर जाता है। शोधकर्ताओं, मसूद मोल्लायी और मेहदी बाबाई ने महसूस किया कि फैलने और फिर वापस इकट्ठा होने की यह प्राकृतिक प्रक्रिया को एक शक्तिशाली खोज रणनीति में बदला जा सकता है। उन्होंने इस व्यवहार की नकल करने वाला एक एल्गोरिदम बनाया, जिसमें फैलने के चरण का उपयोग पूरे खोज क्षेत्र का पता लगाने के लिए और इकट्ठा होने के चरण का उपयोग सबसे आशाजनक क्षेत्रों पर ध्यान केंद्रित करने के लिए किया गया।

नया तरीका, जिसे मैरंगोनी इफेक्ट एल्गोरिदम कहा जाता है, एक डिजिटल परिदृश्य में घूमती आभासी बूंदों के झुंड का अनुकरण करके कार्य करता है। शुरुआत में, एल्गोरिदम एक बूंद छोड़ता है जो व्यापक रूप से फैलती है, यह सुनिश्चित करती है कि खोज पूरे उपलब्ध क्षेत्र को कवर करे। जैसे-जैसे प्रक्रिया आगे बढ़ती है, एल्गोरिदम मूल्यांकन करता है कि प्रत्येक बूंद का प्रदर्शन कैसा है। जो बूंदें बेहतर समाधान पाती हैं, उन्हें इस तरह माना जाता है जैसे वे एक कंटेनर के उथले, अधिक आकर्षक क्षेत्रों में हों, जिससे अन्य बूंदें उनकी ओर एकत्रित या विस्थापित होती हैं। महत्वपूर्ण रूप से, एल्गोरिदम दो प्रतिस्पर्धी आवश्यकताओं के बीच संतुलन बनाता है: नई संभावनाओं के लिए दूर और व्यापक रूप से देखने की आवश्यकता, और सर्वोत्तम निष्कर्षों पर ध्यान केंद्रित करने और उन्हें परिष्कृत करने की आवश्यकता। यह इस तथ्य के माध्यम से प्राप्त किया जाता है कि जैसे-जैसे खोज आगे बढ़ती है, बूंदों के फैलने की दूरी को धीरे-धीरे कम किया जाता है, ठीक वैसे ही जैसे एक खोज दल जो एक सुराग मिलने पर पूरे मैदान में फैलने के बाद धीरे-धीरे एक विशिष्ट स्थान पर केंद्रित हो जाता है।

यह परीक्षण करने के लिए कि क्या यह नया तरीका वास्तव में काम करता है, शोधकर्ताओं ने इसे चार अन्य प्रसिद्ध खोज एल्गोरिदम के विरुद्ध कठोर परीक्षणों के माध्यम से परखा। उन्होंने बीस-तीन कठिन गणितीय समस्याओं का एक मानक सेट उपयोग किया, जिन्हें यह परीक्षण करने के लिए डिज़ाइन किया गया है कि कोई प्रोग्राम परिदृश्य में सबसे निचले बिंदु को कितनी अच्छी तरह खोज सकता है। ये समस्याएँ सरल, चिकनी पहाड़ियों से लेकर जटिल, ऊबड़-खाबड़ भूभागों तक फैली हुई थीं जिनमें कई झूठे तल (false bottoms) थे। टीम ने प्रत्येक समस्या के लिए परीक्षण पचास बार किए ताकि यह सुनिश्चित किया जा सके कि परिणाम सुसंगत हैं और केवल भाग्यशाली अनुमान नहीं हैं। निष्कर्षों ने दिखाया कि मैरंगोनी इफेक्ट एल्गोरिदम अत्यधिक प्रभावी था। सरल परिदृश्यों वाले परीक्षणों में, इसने अन्य तरीकों की तुलना में लगातार बेहतर समाधान तेजी से खोजे। अधिक जटिल, बहु-शिखर वाले परिदृश्यों में, जहाँ अन्य एल्गोरिदम अक्सर फंस जाते हैं, इस नए तरीके ने कई विशिष्ट मामलों में स्थानीय जाल से बचने और वास्तविक वैश्विक इष्टतम (global optimum) को खोजने की श्रेष्ठ क्षमता प्रदर्शित की।

एल्गोरिदम की विश्वसनीयता का सबसे उल्लेखनीय प्रमाण निश्चित-आयाम (fixed-dimension) वाली समस्याओं के एक विशिष्ट सेट पर इसके प्रदर्शन से आया। इन पांच जटिल चुनौतियों (F16, F18, F21, F22, और F23 के रूप में पहचाने गए) पर, एल्गोरिदम ने हर एक में से पचास रन में बिल्कुल एक ही सर्वोत्तम समाधान पाया, जो इसके परिणामों में शून्य भिन्नता दर्शाता है। निरंतरता का यह स्तर बताता है कि यह विधि केवल अनुमान नहीं लगा रही है, बल्कि उत्तर की ओर एक मजबूत पथ का अनुसरण कर रही है। हालांकि शोधकर्ता स्वीकार करते हैं कि हर संभावित समस्या के लिए कोई भी एकल एल्गोरिदम पूर्ण नहीं है, उनके परिणाम संकेत देते हैं कि यह नया भौतिकी-प्रेरित उपकरण कठिन अनुकूलन कार्यों को हल करने के लिए एक मजबूत दावेदार है। अध्ययन यह निष्कर्ष निकालता है कि तरल पदार्थों के बहने और इकट्ठा होने के प्राकृतिक तर्क को उधार लेकर, उन्होंने एक ऐसा खोज उपकरण बनाया है जो उपयोग में सरल और उल्लेखनीय रूप से सटीक है, जो आधुनिक इंजीनियरिंग की जटिल डिजाइन चुनौतियों से निपटने का एक नया तरीका प्रदान करता है।