The Northeast Materials Database for Magnetic Materials
यह अध्ययन नॉर्थईस्ट मैटेरियल्स डेटाबेस (NEMAD) को प्रस्तुत करता है, जो लार्ज लैंग्वेज मॉडल्स के माध्यम से जनरेट की गई 67,573 चुंबकीय सामग्री प्रविष्टियों का एक व्यापक संसाधन है, और उच्च प्रदर्शन वाली चुंबकीय सामग्रियों की खोज में तेजी लाने के लिए चुंबकीय प्रकारों को वर्गीकृत करने और ट्रांजिशन तापमान की भविष्यवाणी करने में उच्च सटीकता प्राप्त करने वाले मशीन लर्निंग मॉडल्स को प्रशिक्षित करने में इसकी उपयोगिता को प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक शेफ हैं जो एक बिल्कुल नया व्यंजन बनाने की कोशिश कर रहे हैं जिसे बहुत लंबे समय तक गर्म रहना चाहिए (जैसे कि एक चुंबक जो दहकते हुए इंजन में भी काम करता है)। सदियों से, शेफ (वैज्ञानिक) एक-एक करके स्वाद चखकर इन व्यंजनों को खोजने की कोशिश करते आए हैं। यह प्रक्रिया धीमी है, महंगी है, और अक्सर उनके पास दुर्लभ, महंगे सामग्रियां (जैसे कि दुर्लभ-पृथ्वी तत्व) खत्म हो जाती हैं।
हाल ही में, शेफ की एक नई टीम ने एक अलग तरीका आज़माने का फैसला किया। हर व्यंजन को चखने के बजाय, उन्होंने एक सुपर-स्मार्ट AI असिस्टेंट का उपयोग करके एक विशाल डिजिटल कुकबुक बनाई। उन्होंने इसे कैसे किया, इसका सरल विवरण यहाँ दिया गया है:
1. समस्या: लाइब्रेरी बहुत बड़ी है
लंबे समय से, वैज्ञानिकों को पता था कि चुंबकीय सामग्रियां (जो आपके हार्ड ड्राइव या विंड टर्बाइन के अंदर होती हैं) बेहतरीन होती थीं, लेकिन सबसे अच्छी सामग्रियां दुर्लभ थीं और गर्म होने पर खराब हो जाती थीं। नई और बेहतर सामग्रियां खोजने के लिए, उन्हें लाखों वैज्ञानिक शोध पत्रों को पढ़ने की आवश्यकता थी। लेकिन ये पेपर जटिल भाषा में लिखे गए हैं, अलग-अलग किताबों में बिखरे हुए हैं, और उलझी हुई तालिकाओं से भरे हुए हैं। इन सबको हाथों से पढ़ना एक इंसान के जीवनकाल के लिए भी संभव नहीं है।
2. समाधान: AI लाइब्रेरियन (LLMs)
यूनिवर्सिटी ऑफ न्यू हैम्पशायर के शोधकर्ताओं ने एक "सुपर-लाइब्रेरियन" को काम पर रखा जो लार्ज लैंग्वेज मॉडल्स (LLMs) द्वारा संचालित है—वही तरह का AI जो चैटबॉट्स को शक्ति देता है।
इस AI को एक ऐसे रोबोट के रूप में सोचें जो सेकंडों में 1,00,000 वैज्ञानिक शोध पत्र पढ़ सकता है। लेकिन केवल पढ़ने के बजाय, इस रोबोट को टेक्स्ट से विशिष्ट सामग्रियों (ingredients) को निकालने के लिए प्रशिक्षित किया गया था। इसने निम्नलिखित चीजों की तलाश की:
- रेसिपी (नुस्खा): सामग्री में कौन से तत्व हैं? (जैसे, लोहा, कोबाल्ट, ऑक्सीजन)।
- संरचना (Structure): परमाणु कैसे व्यवस्थित हैं? (जैसे रसोई का आकार)।
- प्रदर्शन (Performance): यह कितनी गर्म हो सकती है इससे पहले कि यह काम करना बंद कर दे? ("क्यूरी तापमान")।
AI ने केवल पढ़ा ही नहीं; इसने इस अराजकता को एक व्यवस्थित, खोजने योग्य स्प्रेडशीट में बदल दिया जिसे NEMAD (द नॉर्थईस्ट मैटेरियल्स डेटाबेस) कहा जाता है। इसने 67,573 अलग-अलग चुंबकीय सामग्रियों से डेटा निकाला, और बिखरे हुए PDF और पुराने हस्तलिखित पुस्तिकाओं को साफ, डिजिटल डेटा में बदल दिया।
3. प्रशिक्षण: AI को भविष्यवाणी करना सिखाना
डेटाबेस बनने के बाद, टीम ने नए सेट AI मॉडल्स (मशीन लर्निंग) को एक "रेसिपी" को देखकर परिणाम का अनुमान लगाना सिखाया।
वर्गीकरण करने वाला (Classification): उन्होंने AI को सामग्रियों की एक सूची दिखाकर तुरंत यह बताने के लिए प्रशिक्षित किया: "क्या यह एक चुंबक है? यदि हाँ, तो क्या यह एक फेरोमैग्नेट (जो फ्रिज से चिपकता है) है या एक एंटीफेरोमैग्नेट (एक अधिक जटिल, अदृश्य चुंबक) है?"
- परिणाम: AI ने इसे 90% बार सही पहचाना। यह एक मास्टर शेफ की तरह है जो बिना चखे ही महक से जान जाता है कि व्यंजन में कौन से मसाले हैं।
अनुमान लगाने वाला (Regression): उन्होंने AI को "ब्रेकिंग पॉइंट" तापमान का अनुमान लगाना सिखाया। "यदि मैं लोहा, कोबाल्ट और इस विशिष्ट क्रिस्टल आकार को मिलाता हूँ, तो यह अपनी जादुई शक्ति खोने से पहले कितना गर्म हो जाएगा?"
- परिणाम: AI के अनुमान वास्तविकता के बहुत करीब थे, जिसमें त्रुटि का अंतर केवल लगभग 50 डिग्री था (जो परमाणुओं के भविष्य का अनुमान लगाने के लिए बहुत अद्भुत है)।
4. खोज: "गोल्डन नगेट्स" (कीमती खजाने) को ढूंढना
अब जब AI स्मार्ट हो गया था, तो उन्होंने इसका उपयोग उन संभावित सामग्रियों की एक विशाल सूची को स्कैन करने के लिए किया जिन्हें अभी तक किसी ने टेस्ट नहीं किया था (जिसे "मटेरियल्स प्रोजेक्ट" नामक डेटाबेस से लिया गया था)।
AI ने एक विशाल खेत में मेटल डिटेक्टर की तरह काम किया। इसने हजारों सैद्धांतिक रेसिपी को स्कैन किया और चिल्लाकर कहा: "रुकिए! ये 25 सामग्रियां 500 केल्विन (440°F) से अधिक तापमान को झेल सकती हैं!"
- प्रमाण: उन्होंने साहित्य की जांच की और पाया कि इनमें से कुछ "AI-अनुमानित" सामग्रियों को मनुष्यों ने पहले ही टेस्ट किया था और पुष्टि की थी कि AI सही था।
- भविष्य: अन्य 25 सामग्रियां बिल्कुल नई उम्मीदवार हैं। वे "छिपे हुए रत्न" हैं जो वास्तविक दुनिया के वैज्ञानिकों का इंतज़ार कर रहे हैं, ताकि वे लैब में जाकर रसायनों को मिला सकें और देख सकें कि क्या AI सही था।
यह क्यों महत्वपूर्ण है
यह पेपर एक गेम-चेंजर है क्योंकि यह खोज की गति को बदल देता है।
- पहले: वैज्ञानिक एक समय में एक सामग्री का अनुमान लगाकर और परीक्षण करके वर्षों बिताते थे।
- अब: उनके पास संपूर्ण चुंबकीय सामग्रियों के परिदृश्य का एक डिजिटल मानचित्र है। वे तुरंत नई, उच्च-प्रदर्शन वाले चुंबकों के लिए सबसे अच्छे रास्तों को पहचानने के लिए AI का उपयोग कर सकते हैं, जो दुर्लभ और महंगी सामग्रियों पर निर्भर नहीं हैं।
संक्षेप में: उन्होंने दुनिया की वैज्ञानिक किताबों को पढ़ने के लिए एक सुपर-स्मार्ट रोबोट लाइब्रेरियन बनाया, डेटा को एक विशाल डेटाबेस में व्यवस्थित किया, और फिर उस बौद्धिक शक्ति का उपयोग यह अनुमान लगाने के लिए किया कि अगली पीढ़ी के सुपर-मैग्नेट कहाँ छिपे हैं। यह अपने पिछवाड़े में गड्ढा खोदने के बजाय खजाना खोजने के लिए GPS का उपयोग करने जैसा है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।