कोरोना विषाणूच्या (Covid-19) ओमिक्रॉन (Omicron) या नवीन व्हेरिएंटची भारतात (India) तिसरी लाट सुरू झाली आहे. आजही म्हणजेच सोमवारी 1.8 लाख नवे रुग्ण आढळले आहेत. मात्र, आज रिकव्हरीही चांगली झाली आहे. सुमारे 50 हजार लोकांनी या महामारीवर मात केली आहे. आयआयटी तज्ज्ञांनी (IIT Experts) जगात दहशत माजवणारी कोरोनाची ही तिसरी लाट किती कधीपर्यंत आपले बस्तान बसवणार, याबाबत संभाव्य कालावधी सांगितला आहे. (IIT experts say the terror of the third wave of corona will last for this period)

इंडियन एक्‍स्प्रेसमधील वृत्तानुसार, आयआयटी कानपूरमधील (IIT Kanpur) गणित (Mathematics) आणि संगणक विज्ञानाचे (Computer Science) प्राध्यापक मनिंद्र अग्रवाल (Manindra Agarwal) यांना विचारण्यात आले की, कोरोनाच्या तिसऱ्या लाटेचा प्रादुर्भाव किती राहणार आणि ही लाट किती काळ चालू राहील असे तुम्हाला वाटते? इतर अनेक प्रश्नांना त्यांनी मनमोकळी उत्तरे दिली आहेत.

याबाबत प्रोफेसर अग्रवाल म्हणाले, आमच्याकडे संपूर्ण भारतासाठी पुरेसा डेटा नाही, परंतु आमचा असा अंदाज आहे, की सध्याच्या गणनेनुसार पुढील महिन्याच्या सुरुवातीला तिसरी लाट या महिन्याच्या मध्यात शिखरावर पोहोचू शकते. कोरोनाचे मापदंड वेगाने बदलत आहेत. एका अंदाजानुसार, आम्ही दिवसाला चार ते आठ लाख केसेसचा विस्तृत अंदाज लावतो.

ते पुढे म्हणाले, दिल्ली (Delhi) आणि मुंबईचा (Mumbai) आलेख जितक्‍या वेगाने वर गेला आहे, तितक्‍या वेगाने खाली येण्याची शक्‍यता आहे. भारताच्या इतर भागातही केसेस वाढत आहेत. ही संख्या खाली येण्यासाठी आणखी एक महिना लागेल. मार्चच्या मध्यापर्यंत भारतात महामारीची तिसरी लाट संपण्याची शक्‍यता आहे.

त्यांना संगणक मॉडेल्सच्या भविष्यवाण्यांच्या विश्वासार्हतेबद्दल प्रश्न विचारण्यात आले. त्याबद्दल ते म्हणाले, महामारी ही निसर्गात अतिशय वेगाने बदलणारी घटना आहे हे खरे आहे, परंतु त्याची काही मूलभूत तत्त्वे आहेत. संक्रमित व्यक्ती जेव्हा संक्रमित नसलेल्या व्यक्तीच्या संपर्कात येते तेव्हा संसर्ग पसरतो. हे अगदी सोपे विश्‍लेषण आहे की जितके जास्त संक्रमित लोक असतील तितके नवीन संक्रमण उद्भवतील.

मूळ मॉडेल सुमारे 100 वर्षांपूर्वी तयार केले गेले होते. याला एसआयआर मॉडेल असे म्हणतात आणि अनेक साथीच्या रोगांचे भाकीत करण्यात ते खूप उपयुक्त ठरले आहे. आम्ही या मॉडेलमध्ये काही स्थानिक ग्राउंड रिऍलिटी लक्षात घेऊन काही बदल केले आहेत. आमच्या मॉडेलमध्ये आम्ही पॅरामीटर्सना त्यांची मूल्ये इनपुट डेटामधूनच शिकण्याची परवानगी दिली आहे. आम्हाला फक्त नवीन प्रकरणांची दैनिक वेळ मालिका हवी आहे. त्या वेळच्या मालिकेतून आम्ही आमच्या मॉडेलसाठी आवश्‍यक पॅरामीटर मूल्यांचा अंदाज लावू शकतो.

याचा अर्थ असा आहे की, जेव्हा आपण अंदाज घेत असतो तेव्हा पॅरामीटर मूल्ये बदलू नयेत. जर ते बदलत असतील तर आमचे अंदाज चुकतील. पॅरामीटर्स स्थिर करण्यासाठी मॉडेलला थोडा वेळ लागतो. प्रत्येक वेळी पॅरामीटर्स बदलल्यावर, आपल्याला पुन्हा गणना करावी लागेल. चांगली गोष्ट अशी आहे की, इनपुट डेटा व्यतिरिक्त मॉडेलला पॅरामीटर मूल्यांची गणना करण्यासाठी इतर कोणत्याही गणनाची आवश्‍यकता नाही.