AGAPI-Agents: An Open-Access Agentic AI Platform for Accelerated Materials Design on AtomGPT.org
यह शोध पत्र AGAPI को प्रस्तुत करता है, जो एक ओपन-एक्सेस एजेंटिक एआई प्लेटफॉर्म है जो बाहरी डेटाबेस और सिमुलेशन वर्कफ़्लो का लाभ उठाकर सामग्रियों के गुणों की भविष्यवाणी में संख्यात्मक सटीकता प्राप्त करने और नवीन, मेमोरी-प्रतिरोधी डेटासेट पर टूल-मुक्त मॉडलों से काफी बेहतर प्रदर्शन करने के लिए वैज्ञानिक उपकरणों के साथ कई लार्ज लैंग्वेज मॉडल्स को एकीकृत 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 जटिल पहेली को सुलझाने की कोशिश कर रहे हैं कि नए पदार्थ कैसे काम करते हैं, जैसे कि एक सुपर-स्ट्रॉन्ग धातु या एक बेहतर सौर सेल डिजाइन करना। अतीत में, आपके पास दो मुख्य विकल्प थे:
- "सुपर-जीनियस" दृष्टिकोण: आप एक बहुत ही बुद्धिमान AI (एक लार्ज लैंग्वेज मॉडल) से अपनी याददाश्त से उत्तर पूछते हैं। इसने लाखों किताबें और शोध पत्र पढ़े हैं, इसलिए यह बहुत कुछ जानता है। लेकिन, यदि कोई विशिष्ट पहेली का हिस्सा दुर्लभ है या यदि यह किसी ऐसे तथ्य को याद करने की कोशिश कर रहा है जो इसने वर्षों पहले सीखा था और जो थोड़ा गलत साबित हुआ हो, तो यह गलत अनुमान लगा सकता है।
- "टूलबॉक्स" दृष्टिकोण: आप AI को कैलकुलेटर, डेटाबेस और सिमुलेशन मशीनों का एक सेट देते हैं। यह केवल अनुमान नहीं लगाता; यह उत्तर खोजने के लिए जानकारी देखता है या सटीक संख्या प्राप्त करने के लिए गणना करता है।
यह पेपर पेश करता है AGAPI को, जो एक नया ओपन-एक्सेस प्लेटफॉर्म है जो एक वैज्ञानिक ऑर्केस्ट्रा के स्मार्ट कंडक्टर की तरह कार्य करता है। यह "सुपर-जीनियस" AI को 18 विभिन्न वैज्ञानिक उपकरणों (जैसे सामग्री के गुणों के डेटाबेस, सिमुलेशन इंजन और प्रोटीन संरचना भविष्यवक्ताओं) के एक विशाल टूलबॉक्स से जोड़ता है।
यहाँ इस पेपर में वास्तव में क्या पाया गया है, इसका सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:
1. बड़ा सवाल: क्या टूलबॉक्स मदद करता है?
शोधकर्ताओं ने जानना चाहा: क्या AI को टूलबॉक्स देने से वास्तव में इसके उत्तर अधिक सटीक होते हैं, या यह केवल शोर (noise) पैदा करता है?
उन्होंने परीक्षण के लिए सामग्री विज्ञान (materials science) की समस्याओं का उपयोग किया। उन्होंने पाया कि यह पूरी तरह से इस बात पर निर्भर करता है कि AI क्या भविष्यवाणी करने की कोशिश कर रहा है और डेटा कहाँ से आ रहा है।
2. "परफेक्ट कॉपीकैट" बनाम "दोषपूर्ण लाइब्रेरी"
टीम ने कुछ आश्चर्यजनक खोजा कि AI कभी-कभी गलत क्यों होता है।
- AI एक परफेक्ट कॉपीकैट है: जब AI टूलबॉक्स का उपयोग करता है, तो यह "हैलुसिनेट" (भ्रमित होना) या नंबर नहीं बनाता है। यह एक पूर्ण संदेशवाहक की तरह कार्य करता है। यदि टूलबॉक्स कहता है कि उत्तर "5" है, तो AI "5" ही कहता है।
- लाइब्रेरी में पुराने पन्ने हैं: समस्या AI या टूलबॉक्स की नहीं है; यह उस लाइब्रेरी (डेटाबेस) की है जिससे टूलबॉक्स जानकारी निकाल रहा है।
- उपमा: कल्पना कीजिए कि AI एक छात्र है जो परीक्षा दे रहा है। छात्र को उत्तर खोजने के लिए एक पाठ्यपुस्तक (डेटाबेस) दी गई है। यदि पाठ्यपुस्तक में कोई टाइपो (लिखने की गलती) है या कोई पुराना फॉर्मूला इस्तेमाल किया गया है, तो छात्र गलत उत्तर लिखेगा, भले ही उसने उसे बिल्कुल सही तरीके से कॉपी किया हो।
- परिणाम: "बल्क मॉड्यूलस" (एक पदार्थ कितना कठोर है) और "बैंडगैप" (बिजली का प्रवाह कैसे होता है) जैसी चीजों के लिए, AI ने डेटाबेस से नंबर बिल्कुल सही प्राप्त किए। कारण यह था कि डेटाबेस स्वयं वास्तविकता की तुलना में थोड़ा अलग था, न कि इसलिए कि AI विफल रहा।
3. जब टूलबॉक्स एक जीवन रेखा है (द "न्यू स्टफ" टेस्ट)
शोधकर्ताओं ने बिल्कुल नए, काल्पनिक पदार्थों और क्षतिग्रस्त पदार्थों (जैसे कि एक क्रिस्टल जिसमें एक हिस्सा गायब है) के साथ एक विशेष परीक्षण बनाया जिन्हें AI ने अपने प्रशिक्षण के दौरान पहले कभी नहीं देखा था।
- बिना टूल्स के: AI अपनी याददाश्त से अनुमान लगाने की कोशिश करता है। वह बुरी तरह विफल रहता है, ऐसे उत्तर देता है जो बहुत गलत होते हैं (जैसे साइकिल के वजन का अनुमान लगाकर कार के वजन का अंदाजा लगाना)।
- टूल्स के साथ: AI इन नए पदार्थों के गुणों की गणना करने के लिए टूलबॉक्स का उपयोग करता है। उसे लगभग सटीक उत्तर मिलते हैं।
- सबक: उन चीजों के लिए जिन्हें AI ने पहले कभी नहीं देखा है, टूलबॉक्स अपरिहार्य (indispensable) है। AI हर संभावित नए पदार्थ को "याद" नहीं कर सकता, इसलिए उसे उत्तर की गणना करने के लिए टूल्स का उपयोग करना ही होगा।
4. "स्मार्ट स्विच" (एडेप्टिव सिलेक्शन)
यह पेपर सुझाव देता है कि AI को हर सवाल के लिए आँख बंद करके टूलबॉक्स का उपयोग नहीं करना चाहिए। उसे यह समझने की जरूरत है कि कब इसका उपयोग किया जाए।
- परिदृश्य A: यदि आप एक बहुत ही सामान्य पदार्थ (जैसे टेबल साल्ट) के बारे में पूछते हैं जो पाठ्यपुस्तकों में अच्छी तरह से प्रलेखित है, तो AI की याददाश्त वास्तव में डेटाबेस की तुलना में अधिक सटीक हो सकती है, क्योंकि डेटाबेस शायद एक थोड़े पुराने गणना पद्धति का उपयोग कर रहा हो।
- परिदृश्य B: यदि आप किसी अजीब, नए या टूटे हुए पदार्थ के बारे में पूछते हैं, तो AI की याददाश्त बेकार है, और उसे टूल्स का उपयोग करना ही होगा।
लेखक एक भविष्य के संस्करण का प्रस्ताव करते हैं जहाँ AI एक स्मार्ट लाइब्रेरियन की तरह कार्य करता है: वह जाँच करता है, "क्या मैं इसे अपनी याददाश्त से पर्याप्त अच्छी तरह जानता हूँ, या मुझे सही उत्तर प्राप्त करने के लिए संदर्भ अनुभाग (डेटाबेस) में जाने की आवश्यकता है?"
5. "रोबोट शेफ" (स्वायत्त वर्कफ़्लो)
अंत में, उन्होंने दिखाया कि AI बिना किसी मानवीय सहायता के जटिल, बहु-चरणीय कार्य अपने आप कर सकता है।
- उपमा: केवल "मैं केक कैसे बनाऊं?" पूछने के बजाय, आप कह सकते हैं, "एक नए प्रकार की बैटरी डिजाइन करें, जांचें कि क्या यह स्थिर है, माइक्रोस्कोप के नीचे यह कैसा दिखता है इसका सिमुलेशन करें, और यह गर्मी के प्रति कैसी प्रतिक्रिया देगा, यह बताएं।"
- AI ने एक 10-चरणीय प्रक्रिया सफलतापूर्वक पूरी की: उसने एक पदार्थ खोजा, उसका एक मॉडल बनाया, उसे तोड़ा (दोषों का परीक्षण करने के लिए), उसे ठीक किया, एक्स-रे के तहत यह कैसा दिखेगा इसका सिमुलेशन किया, और उसके गुणों की गणना की—यह सब एक बार में किया।
सारांश
AGAPI एक ऐसा प्लेटफॉर्म है जो AI वैज्ञानिकों को केवल अनुमान लगाने के बजाय वास्तविक उपकरणों का उपयोग करने की अनुमति देता है।
- अच्छी खबर: AI इन उपकरणों का सटीक रूप से उपयोग करने में बहुत अच्छा है।
- चेतावनी: यदि टूल्स ऐसे डेटाबेस से जानकारी निकालते हैं जो वास्तविकता की तुलना में थोड़ा गलत है, तो AI एक सटीक-लेकिन-गलत उत्तर देगा। त्रुटि स्रोत डेटा से आती है, AI से नहीं।
- सर्वश्रेष्ठ उपयोग: यह अज्ञात, नए पदार्थों के लिए एक गेम-चेंजर है जहाँ AI के पास भरोसा करने के लिए कोई याददाश्त नहीं होती।
यह प्लेटफॉर्म सभी के उपयोग के लिए खुला है, और यह सिद्ध करता है कि जब आप एक स्मार्ट AI को अच्छे वैज्ञानिक उपकरणों के सेट के साथ जोड़ते हैं, तो आप नए पदार्थों की खोज को तेज कर सकते हैं।
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।