Reinforcement Learning for Chemical Ordering in Alloy Nanoparticles
यह शोध पत्र एक सुदृढीकरण शिक्षण (रिनफोर्समेंट लर्निंग) एजेंट प्रस्तुत करता है जो द्विधात्विक मिश्र धातु नैनोकणों में परमाणु क्रम को कुशलतापूर्वक अनुकूलित करने के लिए ज्यामितीय ग्राफ निरूपणों का उपयोग करता है, जो सफलतापूर्वक ग्राउंड-स्टेट संरचनाओं की पहचान करता है और विभिन्न संरचनाओं एवं आकारों में स्थानांतरणीयता प्रदर्शित करता है, हालांकि बहु-तत्व प्रणालियों में इसकी कुछ सीमाएं हैं।
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 आदर्श लेगो (LEGO) किला बनाने की कोशिश कर रहे हैं। लेकिन सिर्फ ब्लॉक्स को एक के ऊपर एक रखने के बजाय, आपके पास हजारों लाल और नीले रंग के ईंटों का एक डिब्बा है। आपका लक्ष्य सिर्फ एक किला बनाना नहीं है; बल्कि लाल और नीले ईंटों का वह एक विशिष्ट संयोजन खोजना है जो किले को सबसे मजबूत, सबसे स्थिर और सबसे सुंदर बनाए।
यदि आप यह देखने के लिए किले के हर संभव संस्करण को बनाने की कोशिश करेंगे कि कौन सा सबसे अच्छा है, तो आप अरबों वर्षों तक व्यस्त रहेंगे। यही वह समस्या है जिसका सामना वैज्ञानिक अलॉय नैनोपार्टिकल्स (धातु के सूक्ष्म कण जिनका उपयोग कारों के कैटेलिटिक कन्वर्टर जैसी चीजों में किया जाता है) के साथ करते हैं। ये अलग-अलग प्रकार के परमाणुओं (जैसे चांदी और सोना) के मिश्रण से बने होते हैं। इनके पूर्ण रूप से कार्य करने के लिए, परमाणुओं को एक बहुत ही विशिष्ट पैटर्न में व्यवस्थित होने की आवश्यकता होती है, जैसे कि कोई गुप्त कोड। इस कोड को खोजना बेहद कठिन है क्योंकि परमाणुओं को व्यवस्थित करने के कितने तरीके हैं, वह पृथ्वी पर मौजूद रेत के दानों की संख्या से भी अधिक है।
यह शोध पत्र इस पहेली को हल करने का एक नया तरीका पेश करता है जिसे रीइन्फोर्समेंट लर्निंग (RL) कहा जाता है, जो मूल रूप से एक कंप्यूटर को "ट्रायल एंड एरर" (प्रयास और त्रुटि) का खेल खेलकर समय के साथ स्मार्ट बनने के लिए सिखाना है।
यहाँ बताया गया है कि उन्होंने इसे सरल भाषा में कैसे किया:
1. खेल: "स्वैप एंड रिलैक्स" (बदलना और ढालना)
शोधकर्ताओं ने परमाणु व्यवस्था की खोज को एक एआई (AI) एजेंट के लिए एक वीडियो गेम में बदल दिया।
- बोर्ड: 309 परमाणुओं से बना एक छोटा, गोलाकार नैनोपार्टिकल (एक सूक्ष्म सॉकर बॉल की तरह)।
- चाल (Move): एआई दो परमाणुओं को चुनता है और उनकी स्थितियों को आपस में बदल देता है।
- पुरस्कार (Reward): स्वैप करने के बाद, कंप्यूटर नए आकार की ऊर्जा की जांच करता है। यदि नया आकार अधिक स्थिर (कम ऊर्जा वाला) है, तो एआई को अंक मिलते हैं। यदि यह बदतर हो जाता है, तो उसके अंक कट जाते हैं।
- लक्ष्य: एआई का लक्ष्य उच्चतम स्कोर प्राप्त करना है, जिसका अर्थ है सबसे स्थिर, सबसे कम ऊर्जा वाली व्यवस्था खोजना।
इसे एक ऐसे हाइकर (हाइकर) की तरह समझें जो घने कोहरे में घाटी के निचले हिस्से को खोजने की कोशिश कर रहा है। हर बार जब वह एक कदम (परमाणु बदलना) लेता है, तो वह जांचता है कि क्या वह नीचे की ओर है। यदि वह नीचे है, तो वह उसी दिशा में आगे बढ़ता रहता है। एआई ऐसे चरणों की एक श्रृंखला लेना सीखता है जो शुरू में यादृच्छिक (random) लग सकते हैं, लेकिन अंततः उसे सीधे सबसे गहरे गड्ढे के तल तक ले जाते हैं।
2. एआई का "दिमाग"
इसे काम करने के लिए, एआई केवल परमाणुओं को नहीं देखता; वह पूरे क्लस्टर के आकार को समझता है।
- उन्होंने एक विशेष "अनुवादक" (एक ग्राफ न्यूरल नेटवर्क) का उपयोग किया जो यह समझता है कि परमाणु एक-दूसरे से कैसे जुड़े हुए हैं, जैसे कि दोस्ती का एक नक्शा।
- एआई के पास दो "सिर" होते हैं: एक यह तय करता है कि किस परमाणु को चुनना है (एंकर), और दूसरा यह तय करता है कि किस परमाणु के साथ उसे बदलना है (पार्टनर)।
- यह हजारों गेम खेलकर सीखता है, धीरे-धीरे यह समझ जाता है कि "ओह, सोने के परमाणुओं को बाहर रखना और चांदी को अंदर रखना आमतौर पर एक बेहतर किला बनाता है।"
3. बड़ी जीत (उन्होंने क्या खोजा)
टीम ने सिल्वर (Ag) और गोल्ड (Au) के विभिन्न मिश्रणों पर इस एआई का परीक्षण किया। यहाँ क्या हुआ:
इसने नियम एक बार सीखे, फिर उन्हें हर जगह लागू किया:
आमतौर पर, यदि आप रेसिपी बदलते हैं (उदाहरण के लिए, 50% सोना/50% चांदी से 90% सोना/10% चांदी), तो आपको खोज को शुरू से शुरू करना पड़ता है। लेकिन इस एआई ने एक सार्वभौमिक रणनीति सीखी। एक बार प्रशिक्षित होने के बाद, यह उन नए मिश्रणों के लिए तुरंत सबसे अच्छी व्यवस्था का पता लगा सकता था जिन्हें इसने पहले कभी नहीं देखा था। यह शतरंज के नियम सीखने और फिर किसी भी प्रतिद्वंद्वी के खिलाफ पूरी तरह से खेलने में सक्षम होने जैसा था, भले ही वे खेल का कोई अजीब संस्करण खेल रहे हों।यह आकार का अनुमान लगा सकता है:
उन्होंने एआई को छोटे नैनोपार्टिकल्स (55 परमाणु) और मध्यम आकार के (147 परमाणु) पर प्रशिक्षित किया, लेकिन बड़े वाले (309 परमाणु) को कभी नहीं दिखाया। जब उन्होंने इसे बड़े वाले को हल करने के लिए कहा, तो इसने काफी अच्छा काम किया! इसने समझ लिया कि "परमाणुओं को व्यवस्थित करने के नियम" केवल इसलिए नहीं बदलते क्योंकि गेंद बड़ी हो गई है। यह एक बच्चे को ब्लॉक का एक छोटा टावर बनाना सिखाने जैसा है, और फिर उनके द्वारा उसी तर्क का उपयोग करके एक गगनचुंबी इमारत सफलतापूर्वक बनाने जैसा है।सीमा ( "बहुत अधिक फ्लेवर" की समस्या):
जब एआई केवल सिल्वर और गोल्ड को मिला रहा था, तब यह बहुत अच्छा काम कर रहा था। लेकिन जब उन्होंने इसे एक साथ चार अलग-अलग धातुओं (सिल्वर, गोल्ड, प्लैटिनम और निकेल) को मिलाने के लिए सिखाने की कोशिश की, तो यह भ्रमित हो गया। यह किसी को एक परफेक्ट चॉकलेट केक बनाना सिखाने, फिर एक परफेक्ट वैनिला केक बनाना सिखाने, और फिर उनसे चॉकलेट, वैनिला, स्ट्रॉबेरी और लेमन वाला केक एक साथ बनाने के लिए कहने जैसा है। स्वाद (रासायनिक नियम) आपस में मिल गए, और केक उतना अच्छा नहीं रहा। एआई को समझने में कठिनाई हुई जब "फ्लेवर्स" बहुत अधिक अलग-अलग थे।
4. यह क्यों मायने रखता है
इन पूर्ण परमाणु व्यवस्थाओं को खोजना आमतौर पर केवल एक विशिष्ट मिश्रण के लिए सुपरकंप्यूटरों के हफ्तों के काम में लगता है।
- पुराना तरीका: घास के ढेर में सुई खोजने के लिए हर एक तिनके को एक-एक करके जांचने जैसा।
- नया तरीका: एआई घास के ढेर के "आकार" को सीख लेता है और जानता है कि सुई कहाँ होने की सबसे अधिक संभावना है।
एक बार प्रशिक्षित होने के बाद, यह एआई इन समस्याओं को सेकंडों में हल कर सकता है। इसका मतलब है कि वैज्ञानिक स्वच्छ ऊर्जा, बेहतर बैटरी और अधिक कुशल रासायनिक प्रक्रियाओं के लिए बेहतर उत्प्रेरक (catalysts) को बहुत तेज़ी से डिज़ाइन कर सकते हैं।
निष्कर्ष
यह शोध पत्र दिखाता है कि हम कंप्यूटर को सूक्ष्म दुनिया का मास्टर आर्किटेक्ट बनने के लिए कैसे सिखा सकते हैं। परमाणुओं की व्यवस्था को एक खेल की तरह मानकर, एक एआई तेजी से सबसे स्थिर संरचना खोजने के लिए सीख सकता है। हालांकि, जब रेसिपी बहुत जटिल हो जाती है तो यह अभी भी थोड़ा भ्रमित हो जाता है, लेकिन यह हर बार शून्य से शुरू करने की तुलना में एक बहुत बड़ी छलांग 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।