Exploring Multi-Rhythmicity in the light of Hilbert's 16th Problem : A Liénard--Levenson-Smith Perspective and the Potency of Perturbative Methods

ब्रह्मांड की कल्पना एक विशाल, ब्रह्मांडीय नृत्य मंच (cosmic dance floor) के रूप में करें। कुछ नर्तक पूर्ण, अनुमानित वृत्तों में घूमते हैं, जबकि अन्य अराजक पैटर्न में डगमगाते हैं, तेज होते हैं और धीमे होते हैं। विज्ञान की दुनिया में, इस नृत्य को "डायनामिक्स" (dynamics) कहा जाता है, और सबसे आकर्षक नर्तक वे हैं जो बिना किसी के धकेले, अपने आप एक स्थिर, दोहराव वाली लय में बस जाते हैं। वैज्ञानिक इन स्व-स्थायी लूपों को "लिमिट साइकल" (limit cycles) कहते हैं। आप इन्हें वास्तविक जीवन में हर जगह पा सकते हैं: मानव हृदय की स्थिर धड़कन, नींद आने और जाने का दैनिक चक्र (सर्कैडियन रिदम), या जुगनूओं की लयबद्ध चमक।

लेकिन यहाँ पेचीदा हिस्सा यह है: क्या होता है जब एक सिस्टम एक साथ दो या तीन अलग-अलग लय पर नाचने की कोशिश करता है? क्या एक एकल सिस्टम में कई स्थिर लूप हो सकते हैं, जैसे एक नर्तक जो तुरंत एक धीमी वाल्ट्ज़ से तेज़ साल्सा में स्विच कर सकता है, और दोनों ही समान रूप से स्थिर हैं? यह प्रश्न गणित की एक प्रसिद्ध, सदी पुरानी पहेली को छूता है जिसे हिल्बर्ट की 16वीं समस्या (Hilbert's 16th Problem) के रूप में जाना जाता है। यह एक सरल लेकिन जिद्दी सवाल पूछती है: एक विशिष्ट प्रकार के गणितीय समीकरण के लिए, इन लयबद्ध लूपों की अधिकतम संख्या कितनी संभव है? 100 से अधिक वर्षों से, गणितज्ञ इन लूपों को गिनने की कोशिश कर रहे हैं, लेकिन उत्तर मायावी बना हुआ है, विशेष रूप से जब समीकरण जटिल होते जाते हैं। यह शोध पत्र स्पष्ट रूप से नोट करता है कि यह समस्या "एक निरंतर और कठिन चुनौती बनी हुई है।"

यह शोध पत्र, जिसे संदिप साहा, गौतम गंगोपाध्याय और देब शंकर रे द्वारा लिखा गया है, लिएनार्ड-लेवेन्सन-स्मिथ (LLS) प्रणाली नामक समीकरणों के एक विशिष्ट परिवार को देखकर इस पहेली में गहराई से उतरता है। एलएलएस प्रणाली को ऑसिलेटर्स (oscillators) बनाने के लिए एक मास्टर ब्लूप्रिंट के रूप में समझें। लेखक दिखाते हैं कि कितने अलग-अलग जैविक और भौतिक सिस्टम—मछलियों के शरीर पर धब्बे बनने से लेकर कोशिकाओं के विभाजन तक—को इस ब्लूप्रिंट में बदला जा सकता है। इसके बाद, वे इन समीकरणों पर ज़ूम करने और उनके लिए लयबद्ध लूपों की ऊपरी सीमा का अनुमान लगाने और विशिष्ट उदाहरणों को डिजाइन करने के लिए गणितीय "आवर्धक लेंस" (perturbative methods) का उपयोग करते हैं।

शोधकर्ताओं ने पाया कि इन समीकरणों के "नॉब्स" (parameters) को बदलकर, वे व्यवस्थित रूप से ऐसे सिस्टम डिजाइन कर सकते हैं जो एक साथ दो, तीन या अधिक अलग-अलग लय पर नाचते हैं। उन्होंने प्रसिद्ध ऑसिलेटर्स (जैसे वैन डेर पोल और रेले मॉडल) के नए संस्करण बनाए जो कई स्थिर लिमिट साइकल रख सकते हैं, जो इन विशिष्ट मामलों के लिए सैद्धांतिक अंतर्दृष्टि और ठोस उदाहरण प्रदान करते हैं। हालाँकि, उन्हें एक बाधा का सामना करना पड़ा: उन्होंने पाया कि इन लयों की भविष्यवाणी करने के लिए उपयोग किए जाने वाले मानक नियम कभी-कभी विफल हो जाते हैं। कुछ मामलों में, गणित कहता है कि एक लय मौजूद नहीं होनी चाहिए, फिर भी सिमुलेशन में वह स्पष्ट रूप से दिखाई देती है। यह शोध पत्र निष्कर्ष निकालता है कि जबकि हम अब जटिल बहु-लयबद्ध मॉडल बना सकते हैं और उनकी सीमाओं का अनुमान लगा सकते हैं, इन आश्चर्यजनक नए नृत्यों को समझाने के लिए पुराने गणितीय नियमों को अपडेट करने की आवश्यकता है।

बड़ी तस्वीर: लय की गिनती

इसके मूल में, यह शोध पत्र अराजकता को व्यवस्थित करने के बारे la है। लेखक वास्तविक दुनिया के उन उलझे हुए समीकरणों से शुरुआत करते हैं जो यीस्ट (yeast) में चीनी के टूटने (ग्लाइकोलाइसिस) या मछलियों को पैटर्न प्राप्त करने जैसे विषयों का वर्णन करते हैं, और उन्हें एक मानक प्रारूप में सरल बनाते हैं। वे इसे "एलएलएस रूप" (LLS form) कहते हैं। यह केक की हज़ार अलग-अलग रेसिपी लेने और यह महसूस करने जैसा है कि उन सभी में बुनियादी सामग्री: मैदा, चीनी और अंडे का उपयोग होता है। एक बार जब आप सामग्री जान लेते हैं, तो आप भविष्यवाणी कर सकते हैं कि केक कैसे फूलेगा।

इस मामले में, "सामग्री" वे बल हैं जो सिस्टम को धकेलते हैं (जैसे एक पुनर्स्थापना बल/restoring force) और वे बल जो इसे धीमा करते हैं (जैसे घर्षण या डैम्पिंग)। यह पत्र इन प्रणालियों को तीन मुख्य परिवारों में वर्गीकृत करता है:

1. लिएनार्ड परिवार (Liénard family): जहाँ धीमा होना इस बात पर निर्भर करता है कि आप केंद्र से कितनी दूर हैं।
2. रेले परिवार (Rayleigh family): जहाँ धीमा होना इस बात पर निर्भर करता है कि आप कितनी तेजी से चल रहे हैं।
3. विस्तारित परिवार (Extended family): दोनों का मिश्रण, जो शरीर की आंतरिक घड़ी जैसे अधिक जटिल परिदृश्यों को कवर करता है।

इन वास्तविक दुनिया की समस्याओं को इन परिवारों में बदलकर, लेखक प्रत्येक सेकंड के जीवन का सिमुलेशन किए बिना सिस्टम के व्यवहार की भविष्यवाणी करने के लिए शक्तिशाली गणितीय उपकरणों का उपयोग कर सकते हैं।

जादुई उपकरण: वे लूपों को कैसे गिनते हैं

यह पता लगाने के लिए कि एक सिस्टम में कितनी लय हो सकती है, लेखक रेनॉर्मलाइजेशन ग्रुप (RG) और क्रिलोव-बोगोल्युबोव (KB) विधियों नामक दो चतुर तकनीकों का उपयोग करते हैं। कल्पना कीजिए कि आप नदी में तैरती एक पत्ती के पथ की भविष्यवाणी करने की कोशिश कर रहे हैं। पानी अशांत है, और पत्ती बेतहाशा घूम रही है। हर मिलीसेकंड में पत्ती को ट्रैक करने के बजाय, ये विधियाँ आपको "औसत" प्रवाह को देखने देती हैं। वे छोटे, अव्यवस्थित झटकों को हटा देते हैं और बड़े चित्र पर ध्यान केंद्रित करते हैं: क्या पत्ती अंदर की ओर घूम रही है, बाहर की ओर, या एक पूर्ण वृत्त में स्थिर हो रही है?

इन उपकरणों का उपयोग करके, लेखकों ने "एम्प्लीट्यूड इक्वेशंस" (amplitude equations) निकाले। इन्हें एक स्कोरकार्ड के रूप में समझें जो आपको लय का आकार बताता है। यदि स्कोरकार्ड कहता है कि लय का आकार 1, आकार 2, या आकार 3 हो सकता है, तो सिस्टम में तीन संभावित स्थिर लूप हैं। शोध पत्र दिखाता है कि लूपों की संख्या समीकरण में चरों की "शक्तियों" (powers) पर निर्भर करती है। उदाहरण के लिए, यदि समीकरण में $x^2$ या $x^4$ जैसे पद शामिल हैं, तो जटिलता बढ़ जाती है, जिससे अधिक संभावित लय की अनुमति मिलती है।

खोज: बहु-लयबद्ध सिस्टम को डिजाइन करना

शोध पत्र का सबसे रोमांचक हिस्सा "व्यवस्थित डिजाइनिंग" (Systematic Designing) अनुभाग है। लेखकों ने केवल मौजूदा लयों को नहीं गिना; उन्होंने नई लयएँ बनाईं। उन्होंने प्रसिद्ध वैन डेर पोल ऑसिलेटर (जो दिल की धड़कनों के लिए एक क्लासिक मॉडल है) और रेले ऑसिलेटर (अक्सर ध्वनि तरंगों के लिए उपयोग किया जाता है) में अतिरिक्त पद जोड़े।

इन समीकरणों में संख्याओं (पैरामीटर्स) को सावधानीपूर्वक चुनकर, उन्होंने प्रदर्शित किया कि वे ऐसे सिस्टम बना सकते हैं जिनमें:

• द्वि-लयबद्धता (Bi-rhythmicity): दो स्थिर लय सह-अस्तित्व में हैं।
• त्रि-लयबद्धता (Tri-rhythmicity): तीन स्थिर लय सह-अस्तित्व में हैं।

उन्होंने दिखाया कि एक विशिष्ट सेटअप के लिए, एक सिस्टम में पाँच संकेंद्रित लूप (पेड़ के तने के छल्लों की तरह) हो सकते हैं। इनमें से तीन छल्ले स्थिर होंगे (सिस्टम खुशी-खुशी वहीं रहेगा), और दो अस्थिर होंगे (सिस्टम उनसे जल्दी दूर हट जाएगा)। यह एक बड़ी बात है क्योंकि यह साबित करता है कि प्रकृति सैद्धांतिक रूप से जटिल, बहु-स्तरीय लय का समर्थन कर सकती है, जो यह समझा सकता है कि जैविक प्रणालियाँ इतनी मजबूत होने में कैसे सक्षम हैं।

उदाहरण के लिए, उन्होंने ग्लाइकोलाइसिस (कोशिकाओं में चीनी प्रसंस्करण) के एक मॉडल को देखा और दिखाया कि थोड़ी सी अतिरिक्त नॉन-लिनियरिटी (nonlinearity) जोड़कर, आप एक एकल-लय वाले सिस्टम को दोहरी-लय वाले सिस्टम में बदल सकते हैं। यह सुझाव देता है कि कोशिकाओं के पास एक छिपा हुआ "बैकअप" लय या मोड बदलने का तरीका हो सकता है, जो अस्तित्व के लिए महत्वपूर्ण हो सकता है।

संघर्ष: जब नियम टूट जाते हैं

हालाँकि, यह शोध पत्र एक महत्वपूर्ण समस्या को भी उजागर करता है। इस क्षेत्र में एक लंबे समय से चला आ रहा नियम है जो कहता है: "यदि केंद्र पर डैम्पिंग बल शून्य या सकारात्मक है, तो आप लिमिट साइकिल नहीं रख सकते।" यह यह कहने जैसा है कि: "यदि शुरुआत में कोई घर्षण नहीं है, तो नर्तक घूम नहीं सकता।"

लेखकों ने एक संघर्ष पाया। उन्होंने एक ऐसा सिस्टम बनाया जहाँ गणित कहता है कि केंद्र पर डैम्पिंग शून्य है (जिसका अर्थ होना चाहिए कि कोई लय नहीं है), लेकिन जब उन्होंने कंप्यूटर सिमुलेशन चलाए, तो सिस्टम ने एक स्थिर लय विकसित की। यह ऐसा था जैसे नर्तक घूमना शुरू कर दे भले ही फर्श पूरी तरह से फिसलन भरा हो।

शोध पत्र का तर्क है कि पुराना नियम ($F(0,0) < 0$) बहुत सख्त है। यह सुझाव देता है कि हमें इन प्रणालियों को देखने के एक नए तरीके की आवश्यकता है, शायद केवल केंद्र बिंदु को देखने के बजाय एक पूर्ण चक्र में ऊर्जा परिवर्तन की जाँच करके। वे प्रस्ताव करते हैं कि भले ही बिल्कुल केंद्र में गणित "उबाऊ" दिखे, फिर भी सिस्टम लय पा सकता है यदि समय के साथ ऊर्जा का संतुलन सही बैठता है। यह एक महत्वपूर्ण सुधार है क्योंकि इसका मतलब है कि हम अपने मॉडलों में वैध लय को पूरी तरह से मिस कर रहे थे।

भविष्य के लिए इसका क्या अर्थ है

यह शोध पत्र पूरी तरह से हिल्बर्ट की 16वीं समस्या को हल करने का दावा नहीं करता है—वह एक बहुत ऊँचा पहाड़ है। इसके बजाय, यह एक विशिष्ट भाग के लिए एक बेहतर मानचित्र प्रदान करता है। यह दिखाता है कि इन सामान्यीकृत प्रणालियों के लिए, हम अब समीकरण की जटिलता के आधार पर लय की संख्या के ऊपरी स्तरों का अनुमान लगा सकते हैं और विशिष्ट उदाहरण बना सकते हैं।

लेखक सुझाव देते हैं कि यह ढांचा जीव विज्ञान और इंजीनियरिंग के लिए गेम-चेंजर हो सकता है। यदि हम कई स्थिर लयों वाले सिस्टम डिजाइन कर सकते हैं, तो हम बेहतर पेसमेकर बना सकते हैं जो विभिन्न हृदय दरों के अनुकूल हो सकें, या यह समझ सकते हैं कि मस्तिष्क चेतना की विभिन्न अवस्थाओं के बीच कैसे स्विच करता है। वे वास्तविक डेटा में इन लयों को खोजने के लिए मशीन लर्निंग का उपयोग करने का संकेत भी देते हैं, जो सिद्धांत से अभ्यास की ओर बढ़ता है।

संक्षेप में, यह शोध पत्र एक शुष्क, अमूर्त गणितीय समस्या को जीवन की जटिल, बहु-स्तरीय लय को समझने के एक टूलकिट में बदल देता है। यह हमें दिखाता है कि भले ही ब्रह्मांड अराजक हो सकता है, लेकिन यह उन नियमों का पालन करता है जिन्हें हम सीख सकते हैं, और कभी-कभी, वे नियम एक से अधिक पूर्ण नृत्य की अनुमति देते हैं।