19 अक्टूबर 2026 का संस्करण

सिक्का उछालना केवल यादृच्छिक दिखता है। उछाल का हर ब्योरा जानें, तो आप नतीजा बता सकते हैं। क्या क्वांटम संयोग भी ऐसे ही गुप्त ब्योरे छिपा सकता है?

1943 में एक ब्रिटिश गणितज्ञ ने कहा: नहीं। उनकी उपपत्ति में एक अकेला फ़ोटॉन और एक ध्रुवक (polarizer) था। इससे 1944 और 1945 में ग्यारह जवाब आए, जिनमें से दस नेचर पत्रिका में छपे।

एक बारहवाँ जवाब कभी छपा ही नहीं। जिनेवा के एक शोधकर्ता ने उसे वियना में, एर्विन श्रोडिंगर के अभिलेखागार में खोजा। कुछ ही पंक्तियों में श्रोडिंगर ने ठीक वही मॉडल बना दिया था जिसे असंभव माना जा रहा था।

फिर भी वे नियतिवाद में विश्वास नहीं रखते थे; 1920 के दशक से वे प्रकृति में संयोग के पक्षधर थे। उनका मॉडल एक सैद्धांतिक प्रमाण था: असंभवता की कोई उपपत्ति केवल उसी समस्या के लिए सही होती है जिस रूप में वह रखी गई हो।

स्रोत: Schrödinger's unpublished hidden-variable model in the 1944–45 debate over the "Collapse of Determinism", https://arxiv.org/abs/2610.20752

एक मेगाबार आपके आसपास की हवा के दाब का लगभग दस लाख गुना है। यह कुचालकों को धातु बना देता है। आघात तरंगों से इसे पैदा करने के लिए आम तौर पर राष्ट्रीय प्रयोगशालाओं के विशाल लेज़र चाहिए होते हैं।

MIT की एक टीम ने एक छोटा रास्ता खोजा। एक ही लेज़र प्रकाश के चार वलय बनाता है, सबसे बड़ा पहले दागा जाता है, सबसे छोटा आख़िर में। हर वलय स्याही मिले पानी की पतली परत से ठीक उसी क्षण टकराता है जब अंदर की ओर बढ़ती आघात तरंग वहाँ से गुज़रती है, और उसे और ज़ोर से धकेलता है।

4.5 मिलीजूल के चार वलय काफ़ी हैं। मापे गए आघात-पथों से मिलाए गए सिमुलेशन केंद्र पर दाब 400 गीगापास्कल से ऊपर बताते हैं। लगातार दागे गए चार वलय अलग-अलग दागे गए चार वलयों से कहीं बेहतर काम करते हैं।

एक सावधानी: यह दाब गणना से निकला है, अभी मापा नहीं गया। एक्स-किरणें इसकी जाँच करेंगी। अगर पुष्टि हो गई, तो चरम पदार्थ की भौतिकी एक साधारण प्रयोगशाला मेज़ पर समा सकती है।

स्रोत: Megabar Shocks on a Benchtop, https://arxiv.org/abs/2610.20749

1900 में हिल्बर्ट ने एक ऐसी विधि माँगी जो तय कर सके कि किसी भी बहुपद समीकरण के पूर्णांक हल हैं या नहीं। 1970 में उत्तर आया: ऐसी कोई विधि हो ही नहीं सकती।

भिन्नों के लिए उत्तर हाल ही में आया। अक्टूबर 2026 की शुरुआत में OpenAI के एक प्रीप्रिंट ने सिद्ध किया कि उत्तर फिर से "नहीं" है। कोई एल्गोरिद्म हर समीकरण के लिए यह तय नहीं करता।

नानजिंग विश्वविद्यालय के झी-वेई सुन ने उस उपपत्ति को आगे बढ़ाया। वे दिखाते हैं कि यह असंभवता केवल 86 अज्ञातों वाले समीकरणों के लिए ही लागू हो जाती है। उनके औज़ार हैं एक दीर्घवृत्तीय वक्र पर बिंदु और सावधानी से बनाए गए अभाज्य संख्याओं के परिवार।

पूर्णांकों के लिए सुन पहले ही यह संख्या घटाकर 10 कर चुके थे। भिन्नों पर, 86 वह है जो यह रचना देती है। सुन इसे एक ऊपरी सीमा कहते हैं, न कि ऐसी सीमा जिसे तोड़ा न जा सके।

स्रोत: 86 unknowns for Hilbert's tenth problem over the rationals, https://arxiv.org/abs/2610.20691

गैलियम न्यूट्रिनो पकड़ सकता है। कभी-कभार कोई न्यूट्रिनो गैलियम के एक परमाणु को जर्मेनियम में बदल देता है। उन परमाणुओं को गिनकर पता चलता है कि कितने न्यूट्रिनो गुज़रे।

जब भौतिकविदों ने तीव्र रेडियोधर्मी स्रोतों को गैलियम पर साधा, तो उन्हें लगभग 20% कम जर्मेनियम परमाणु मिले। 4 सिग्मा से अधिक पर पुष्ट यह कमी "गैलियम विसंगति" है।

दो भौतिकविदों ने एक दूसरे स्रोत का सहारा लिया: सूर्य। उसके न्यूट्रिनो उत्पादन को Borexino और SNO जैसे दूसरे संसूचक गैलियम से स्वतंत्र रूप से मापते हैं। उन्होंने मानक इकाइयों में 67.5 प्रग्रहण का पूर्वानुमान लगाया। गैलियम प्रयोगों ने ख़ुद 66.1 ± 3.1 मापा।

मापा गया और अनुमानित मान मेल खाते हैं: अनुपात 0.98 है। यानी गैलियम पर प्रग्रहण की दर ग़लत नहीं है, और गिनती भी नहीं। विसंगति वास्तविक है, और उसका कारण कहीं और है।

स्रोत: Gallium Anomaly and Solar Neutrinos, https://arxiv.org/abs/2610.22219

छाती के एक्स-रे के कोने में अक्सर एक मुहर होती है: अस्पताल का कोड, एक लेबल। कोई AI फेफड़ों के बजाय वह मुहर पढ़ना सीख सकता है। फिर वह किसी दूसरे अस्पताल में चुपचाप विफल हो जाता है।

मकेरेरे विश्वविद्यालय के दो शोधकर्ताओं ने एक आम इमेज AI के भीतर झाँककर देखा। 144 अटेंशन हेड में से एक अलग दिखा। कोविड-19 के 200 एक्स-रे में से 62% पर वह ऊपरी बाएँ कोने के लिखे हुए पर टकटकी लगाए था।

लिखे हुए को यथार्थवादी ऊतक-बनावट से मिटा दीजिए, तो उस हेड का ध्यान वापस फेफड़ों की ओर चला जाता है। यही पैटर्न दो दूसरे AI मॉडलों और एक दूसरे डेटासेट पर भी दिखता है।

पेच यह है: उस हेड को बंद कर दीजिए, दो दूसरे संदिग्ध हेड के साथ भी, तो निदान में कोई मापने योग्य बदलाव नहीं होता। मानक परीक्षण इस शॉर्टकट को नहीं देख सकते। केवल मॉडल के भीतर देखने से ही यह सामने आता है।

स्रोत: Spurious Attention Heads in Vision Transformers: Mechanistic Identification of Annotation-Driven Bias in Medical Chest X-Ray Analysis, https://arxiv.org/abs/2610.21638

बराबर लंबाई की दो यात्राओं में चढ़ाई बहुत अलग हो सकती है। और हर चढ़ाई में ऊर्जा लगती है, बार-बार, हर बार जब उस पर गाड़ी चलती है। क्या किसी शहर का आकार इस बात का ध्यान रखता है?

स्पेन के शोधकर्ताओं ने 56 शहरों के असली सड़क-जाल लिए। उन्होंने भू-स्थान वाली सोशल मीडिया पोस्टों से मिली वही यात्राएँ रखीं, और हर जाल को उसके भूभाग पर हिलाया: खिसकाया, घुमाया, खींचा।

पूरी तरह जाँचे जा सके 30 शहरों में से 26 में, आज़माए गए सभी संस्करणों में असली नक़्शे को सबसे कम ऊर्जा चाहिए। बाक़ी चार में, एक खिसकाया गया संस्करण 3% से भी कम बचाता है।

बोगोटा 750 मीटर पश्चिम खिसकाने पर 2.5% बचाएगा। लेकिन उस ज़मीन में बोगोटा नदी के किनारे बाढ़-प्रवण इलाक़े हैं। असली शहर शायद पहले से ही उपलब्ध सबसे सस्ती ज़मीन पर बसा है।

स्रोत: Mobility energetic balance frames spatial configuration of cities, https://arxiv.org/abs/2610.21558

चक्रवात से पहले लोगों को निकालने के लिए कई दिन पहले यह जानना ज़रूरी है कि वह कहाँ टकराएगा। AI मौसम मॉडल औसतन सबसे अच्छे पारंपरिक पूर्वानुमानों की बराबरी कर चुके हैं। लेकिन दुर्लभ, प्रचंड तूफ़ानों पर?

INRIA, सोरबोन विश्वविद्यालय और AXA की एक टीम ने 178 चक्रवातों को दोबारा चलाकर देखा। उन्होंने पूर्वानुमानों का पूरा समूह देने वाले तीन AI मॉडलों को ECMWF के भौतिकी-आधारित समूह पूर्वानुमान IFS-ENS के सामने खड़ा किया।

2025 के मौसम में, लगभग 90% चक्रवातों के लिए AI मॉडल FGN ने तूफ़ान की असली स्थिति पर IFS-ENS से ज़्यादा प्रायिकता रखी। उसने सबसे तेज़ हवाओं और सबसे कम दाब की जगह भी बेहतर बताई।

कमज़ोर कड़ी: AI के तूफ़ान बहुत कमज़ोर हैं। उनकी अधिकतम हवाएँ कम पड़ती हैं, जबकि IFS-ENS संदर्भ के ज़्यादा क़रीब रहता है। फिर भी हर तूफ़ान के भीतर हवा और दाब का संबंध सही निकलता है।

स्रोत: Can AI Forecast the Extremes? Evaluating Probabilistic Weather Models on Tropical Cyclones, https://arxiv.org/abs/2610.22077

ब्रह्मांडीय धूल प्रकाश को एक ख़ास पहचान वाले ढंग से मद्धम करती है। हमारी आकाशगंगा मंदाकिनी में यह पराबैंगनी में 2,175 ऐंग्स्ट्रॉम के पास एक गड्ढा बना देती है। आम तौर पर कार्बन के नन्हे कणों पर शक किया जाता है।

पादोवा विश्वविद्यालय के नेतृत्व में एक अंतरराष्ट्रीय टीम ने ब्लैक पर्ल उपनाम वाली एक आकाशगंगा का अध्ययन किया। वेब दूरबीन उसे वैसा देखती है जैसी वह बिग बैंग के लगभग 50 करोड़ साल बाद थी।

उसके प्रकाश में धूल का वही गड्ढा दिखता है, 17.6 सिग्मा पर पकड़ा गया। यह अब तक दर्ज सबसे दूर का उदाहरण है। लेकिन यह 2,132 ऐंग्स्ट्रॉम पर है, नीले की ओर खिसका हुआ।

थोड़ी बाद की आकाशगंगाओं में ज्ञात गड्ढे उलटी दिशा में खिसके हुए हैं। यानी सबसे पुरानी धूल एक जैसी नहीं थी। ग्रेफ़ाइट के छोटे कण या PAH कहलाने वाले कार्बन अणु, दोनों फ़िट बैठ सकते हैं।

स्रोत: An Attenuation Bump at z=9.3: Probing Dust Diversity at Cosmic Dawn, https://arxiv.org/abs/2610.20722

दो सरल सीखने वाले प्रोग्रामों को एक-दूसरे के ख़िलाफ़ क़ीमतें तय करने दीजिए। वे आख़िरकार प्रतिस्पर्धी क़ीमत से काफ़ी ऊपर दाम वसूलते हैं। 2020 के एक ऐतिहासिक अध्ययन ने इसके पीछे एक धमकी देखी: मुझसे सस्ता बेचोगे तो मैं पलटवार करूँगा।

बदले के डर से बचाई गई क़ीमतें कार्टेल जैसी दिखती हैं। इसी व्याख्या ने प्रतिस्पर्धा नियामकों की नज़र में इस नतीजे को वज़न दिया। साओ पाउलो के दो शोधकर्ताओं ने इसे पाँच परीक्षणों पर कसा।

अपनी क़ीमत घटाने के बजाय बढ़ाइए, और प्रतिद्वंद्वी फिर भी वैसे ही "बदला" लेता है। किसी एजेंट को किसी अजनबी के साथ जोड़िए, और तालमेल 80% ढह जाता है। और एक चतुर विचलन फ़ायदेमंद होता: औसतन 17.5% ज़्यादा मुनाफ़ा।

तो क़ीमतें इसलिए ऊँची नहीं रहतीं कि धोखे की सज़ा मिलती है, बल्कि इसलिए कि धोखा कभी आज़माया ही नहीं जाता। कौन किसके ख़िलाफ़ खेलता है, यह फेरबदल करने से आदत टूट जाती है।

स्रोत: Algorithmic Collusion Without Deterrence: Auditing the Punishment Mechanism in Q-Learning Pricing Agents, https://arxiv.org/abs/2610.21867

ख़ानेदार काग़ज़ पर एक बड़ा वृत्त बनाइए और भीतर के ग्रिड बिंदु गिनिए। गिनती क्षेत्रफल के क़रीब होती है, पर कभी ठीक बराबर नहीं। यह अंतर कितना बड़ा हो सकता है?

गाउस ने दिखाया कि यह अंतर अधिक से अधिक X की घात 1/2 की तरह बढ़ता है। यहाँ X त्रिज्या का वर्ग है। गणितज्ञ 1/4 की उम्मीद करते हैं, और इससे बेहतर संभव नहीं।

एक सदी से अधिक समय से यह घातांक धीरे-धीरे नीचे खिसकता रहा है। बीजिंग के चार गणितज्ञ अब 209/670 तक पहुँचे हैं, लगभग 0.3119। पिछला रिकॉर्ड लगभग 0.3145 था।

उनका मान 5/16 से ठीक नीचे है। हक्सले ने कभी 5/16 को उस विधि की संभावित सीमा बताया था जिसे वे निखार रहे थे। दो नए तकनीकी सुधारों ने उसे पार कर लिया। शोधपत्र एक प्रीप्रिंट है, और 1/4 तक का रास्ता अब भी लंबा है।

स्रोत: A New Bound for the Gauss Circle Problem, https://arxiv.org/abs/2610.21730