Quantum Game-Theoretic Optimization with Ramanujan-Inspired Regularization for AI-Driven Supply Chain Resilience

वैश्विक आपूर्ति श्रृंखलाएं आधुनिक जीवन की अदृश्य धमनियां हैं, जो महाद्वीपों के पार दवाओं से लेकर माइक्रोचिप्स तक सब कुछ पहुंचाती हैं। दशकों से, इन नेटवर्कों का प्राथमिक लक्ष्य लागत कम करना रहा है, जिससे ऐसी घनी बुनी हुई प्रणालियाँ बनी हैं जो कुशल तो हैं लेकिन नाजुक भी हैं। जब कोई महामारी, तूफान या भू-राजनीतिक संघर्ष आता है, तो ये नेटवर्क अक्सर टूट जाते हैं क्योंकि उन्हें चलाने वाले लोग—आपूर्तिकर्ता, निर्माता, शिपर्स और खुदरा विक्रेता—अपने स्वयं के स्वार्थ में कार्य करते हैं। वे सुरक्षा उपायों जैसे कि बैकअप आपूर्तिकर्ता या अतिरिक्त इन्वेंट्री में निवेश करने से हिचकिचाते हैं, क्योंकि उन्हें लागत का डर होता है, भले ही यदि वे सभी मिलकर निवेश करें तो सबका ही भला हो। यह एक क्लासिक पहेली है जहाँ व्यक्तिगत सावधानी सामूहिक विफलता का कारण बनती है। इसे हल करने के लिए, शोधकर्ता दो शक्तिशाली उपकरणों की ओर देख रहे हैं: गेम थ्योरी, जो इस बात का अध्ययन करती है कि लोग कैसे निर्णय लेते हैं जब उनके परिणाम एक-दूसरे पर निर्भर होते हैं, और आर्टिफिशियल इंटेलिजेंस, जो वास्तविक समय में परिवर्तन के अनुकूल होने में मदद करता है। अब, एक नया अध्ययन सुझाव देता है कि क्वांटम भौतिकी और एक महान भारतीय गणितज्ञ के गणित से विचारों को उधार लेकर, हम ऐसी आपूर्ति श्रृंखलाएं डिजाइन कर सकते हैं जो न केवल सस्ती हैं, बल्कि वास्तव़ में लचीली (resilient) भी हैं।

शोधकर्ताओं ने, जिसका नेतृत्व भारत की प्रेसीडेंसी यूनिवर्सिटी में डॉ. आर. पलनिवेल ने किया, एक कंप्यूटर मॉडल बनाया ताकि एक साहसिक विचार का परीक्षण किया जा सके: क्या होगा यदि आपूर्ति श्रृंखला चलाने वाले लोग ऐसे निर्णय ले सकें जो एक दूसरे से इस तरह जुड़े हों जैसा शास्त्रीय तर्क (classical logic) की अनुमति नहीं देता? वास्तविक दुनिया में, सुरक्षा में निवेश करने का एक आपूर्तिकर्ता का निर्णय खुदरा विक्रेता के निर्णय से स्वतंत्र होता है। लेकिन क्वांटम दुनिया में, कण "एंटैंगल्ड" (entangled) हो सकते हैं, जिसका अर्थ है कि उनकी अवस्थाएं इतनी गहराई से जुड़ी होती हैं कि एक को बदलने से तुरंत दूसरे पर प्रभाव पड़ता है, चाहे दूरी कितनी भी हो। टीम ने इस तरह के गहरे संबंध को आपूर्ति श्रृंखला के चार मुख्य खिलाड़ियों के बीच सिम्युलेट करने के लिए 'आइज़र्ट-विल्केन्स-ल्यूवेंटन प्रोटोकॉल' नामक एक गणितीय ढांचे का उपयोग किया। अकेले कार्य करने के बजाय, मॉडल ने उनकी रणनीतियों को एंटैंगल्ड होने की अनुमति दी, जिससे प्रभावी रूप से उन्हें बिना पहले बात किए अपने निवेशों में समन्वय करने की सुविधा मिली।

सिमुलेशन के परिणाम चौंकाने वाले थे। एक मानक, गैर-एंटैंगल्ड परिदृश्य में, खिलाड़ी लगभग हमेशा निवेश न करने का विकल्प चुनते हैं, जिससे पूरा सिस्टम ढहने के प्रति संवेदनशील हो जाता है। यह "पारस्परिक त्याग" (mutual defection) का जाल है जहाँ हर कोई हार जाता है। हालाँकि, जब शोधकर्ताओं ने मॉडल में एंटैंगलमेंट पेश किया, तो खिलाड़ियों को अचानक सहयोग करने का एक तरीका मिल गया। गैर-एंटैंगल्ड संस्करण की तुलना में समूह के लिए कुल लाभ 229 प्रतिशत तक बढ़ गया। एंटैंगलमेंट ने उन्हें निष्क्रियता के जाल से बचने और एक ऐसी रणनीति पर समझौता करने में मदद की जहाँ हर कोई लचीलेपन में निवेश करता है, जिससे एक ऐसा नेटवर्क बनता है जो झटकों को बहुत बेहतर तरीके से झेल सकता है। इसने दिखाया कि यदि आपूर्ति श्रृंखला भागीदार अपने निर्णयों को अधिक गहराई से जोड़ने का तरीका खोज लें—जैसे कि साझा अनुबंध या संयुक्त बीमा पूल के माध्यम से—तो वे ऐसे परिणाम प्राप्त कर सकते हैं जो अलग-थलग व्यक्तियों के रूप में कार्य करने पर असंभव हैं।

लेकिन आपूर्ति श्रृंखला को लचीला बनाना केवल लोगों को सहमत करने के बारे में नहीं है; यह इस बारे में भी है कि ठीक कहाँ पैसा खर्च किया जाए। हजारों संभावित स्थान हो सकते हैं, जैसे कि एक विशिष्ट गोदाम से लेकर एक विशेष शिपिंग लेन तक, और सही संयोजन चुनना एक विशाल गणितीय चुनौती है। इसे हल करने के लिए, टीम ने QAOA नामक एक क्वांटम-प्रेरित एल्गोरिदम का उपयोग किया, जिसे अरबों संभावनाओं में से सर्वोत्तम समाधान खोजने के लिए डिज़ाइन किया गया है। उन्होंने इस एल्गोरिदम में एक अनूठा मोड़ जोड़ा, जो 20वीं सदी की शुरुआत के एक स्व-शिक्षित गणितज्ञ श्रीनिवास रामानुजन के काम से प्रेरित था, जो संख्याओं के साथ अपनी असाधारण अंतर्दृष्टि के लिए जाने जाते थे। रामानुजन ने यह गणना करने के लिए सूत्र विकसित किए थे कि एक संख्या को योगों में कितने तरीकों से तोड़ा जा सकता है, और शोधकर्ताओं ने इस सूत्र के एक संस्करण का उपयोग एक "रेगुलराइजेशन" (regularization) टर्म बनाने के लिए किया। सरल शब्दों में, इसने कंप्यूटर के लिए एक कोमल मार्गदर्शक के रूप में कार्य किया, जो उसे बेतरतीब और बिखरे हुए निवेश करने से रोकता है और नेटवर्क के सबसे महत्वपूर्ण नोड्स पर ध्यान केंद्रित करने के लिए प्रोत्साहित करता है।

अध्ययन ने यह परीक्षण किया कि क्या रामानुजन-प्रेरित मार्गदर्शिका ने सर्वोत्तम समाधान की खोज को अधिक स्थिर बनाया। उत्तर मिश्रित था। कुछ विशिष्ट परिदृश्यों में, मार्गदर्शिका ने पथ को सुगम बनाया और कंप्यूटर को अधिक विश्वसनीयता के साथ बेहतर समाधान खोजने में मदद की। अन्य परिदृश्यों में, इसने बिल्कुल भी मदद नहीं की, और कभी-कभी खोज को थोड़ा कठिन भी बना दिया। यह निष्कर्ष महत्वपूर्ण है क्योंकि यह दिखाता है कि हालांकि गणितीय उपकरण सुंदर है, लेकिन यह कोई जादुई छड़ी नहीं है जो हर बार पूरी तरह से काम करे। यह सुझाव देता है कि इंजीनियरों को इस मार्गदर्शक को प्रत्येक विशिष्ट आपूर्ति श्रृंखला के लिए सावधानीपूर्वक ट्यून करने की आवश्यकता होगी जिसे वे ठीक करने की कोशिश कर रहे हैं, बजाय इसके कि यह मान लिया जाए कि यह स्वचालित रूप से काम करेगा।

अंत में, शोधकर्ताओं ने इन सभी टुकड़ों को एक एकल, पांच-स्तरीय प्रणाली में जोड़ा जिसमें एक सीखने वाला घटक भी शामिल था। उन्होंने मल्टी-एजेंट रीइन्फोर्समेंट लर्निंग का उपयोग किया, जहाँ कंप्यूटर एजेंट परिवर्तनों के साथ आपूर्ति श्रृंखला की रणनीति को अनुकूलित करने के लिए प्रयास और त्रुटि (trial and error) से सीखते हैं। उन्हें क्वांटम गेम परिणामों के आधार पर पुरस्कृत किया गया और एक लर्निंग शेड्यूल का उपयोग किया गया जो रामानुजन की एक अन्य खोज से प्रेरित था, जो एक जटिल भिन्न (complex fraction) है जो एजेंटों के सीखने की गति को बदल देता है। जब उन्होंने पूरे सिस्टम का पारंपरिक तरीकों के विरुद्ध परीक्षण किया, तो नया ढांचा हमेशा सबसे कम लागत वाला परिणाम नहीं देता था। वास्तव में, एक मानक, शास्त्रीय विधि कभी-कभी सस्ता समाधान ढूंढ लेती थी। हालाँकि, नया ढांचा आपूर्ति श्रृंखला को चालू रखने में उत्कृष्ट था। इसने 92.3 प्रतिशत का सर्विस लेवल हासिल किया, जिसका अर्थ है कि इसने अन्य तरीकों की तुलना में बहुत अधिक विश्वसनीयता के साथ सामानों की आवाजाही बनाए रखी, और इसने समग्र मजबूती (robustness) के पैमाने पर उच्चतम स्कोर किया।

यह अध्ययन पूरी तरह से कंप्यूटर सिमुलेशन के माध्यम से किया गया था, जिसका अर्थ है कि किसी भी भौतिक क्वांटम कंप्यूटर का उपयोग नहीं किया गया था। शोधकर्ताओं ने यह नकल करने के लिए सटीक गणितीय गणनाओं का उपयोग किया कि एक क्वांटम कंप्यूटर कैसे व्यवहार करेगा, जिससे उन्हें वर्तमान हार्डवेयर के शोर और सीमाओं के बिना इन विचारों का परीक्षण करने की अनुमति मिली। हालाँकि परिणाम उत्साहजनक हैं, लेखक सावधानीपूर्वक नोट करते हैं कि यह एक 'प्रूफ ऑफ कॉन्सेप्ट' है। सिस्टम सीमित नोड्स के साथ छोटे पैमाने पर अच्छी तरह से काम किया, लेकिन इसे वास्तविक दुनिया के विशाल, जटिल नेटवर्कों में स्केल करने के लिए और अधिक काम की आवश्यकता होगी। उन्होंने यह भी पाया कि सिस्टम का प्रदर्शन समस्या के विशिष्ट विवरणों पर बहुत अधिक निर्भर था, जैसे कि व्यवधान कितने गंभीर थे। कुछ स्थितियों में, क्वांटम-सूचित दृष्टिकोण श्रेष्ठ था; अन्य स्थितियों में, एक सरल शास्त्रीय दृष्टिकोण भी उतना ही अच्छा काम करता था।

अंततः, यह शोध लचीलेपन के बारे में सोचने का एक नया तरीका प्रदान करता है। यह सुझाव देता है कि व्यवधानों से बचने की कुंजी केवल बेहतर तकनीक या अधिक पैसा नहीं है, बल्कि यह बदलना है कि आपूर्ति श्रृंखला के विभिन्न हिस्से एक-दूसरे से कैसे संबंधित हैं। क्वांटम-प्रेरित मॉडलों का उपयोग करके सहयोग को गहरा करने और संसाधनों को आवंटित करने के लिए परिष्कृत गणितीय मार्गदर्शकों का उपयोग करके, एक ऐसा नेटवर्क बनाना संभव है जो पारंपरिक तरीकों से डिज़ाइन किए गए नेटवर्क की तुलना में बहुत अधिक मजबूत है। अध्ययन यह दावा नहीं करता है कि इसने आपूर्ति श्रृंखला की नाजुकता की समस्या को हल कर दिया है, बल्कि यह एक स्पष्ट, परीक्षित मार्ग प्रदान करता है। यह दिखाता है कि गेम थ्योरी, आर्टिफिशियल इंटेलिजेंस और गहरे गणितीय अंतर्दृष्टि को मिलाकर, हम ऐसी प्रणालियाँ डिजाइन कर सकते हैं जो अप्रत्याशित के लिए तैयार हैं, जिससे एक नाजुक जुड़ाव वाले जाल को भविष्य के झटकों को सहने में सक्षम एक लचीली संरचना में बदला जा सके।