← नवीनतम पेपर
🔬 materials science

From Literature to Lab: Closed-Loop Advancement of Perovskite Solar Cells via Domain Knowledge Guided LLM

यह शोध पत्र PVK-LLM को प्रस्तुत करता है, जो एक डोमेन-नॉलेज-गाइडेड फ्रेमवर्क है जो बड़े भाषा मॉडल (Large Language Models) को पदानुक्रमित बेयसियन अनुकूलन (hierarchical Bayesian Optimization) के साथ एकीकृत करता है ताकि स्वायत्त रूप से एक नवीन, उच्च-दक्षता वाले पेरोव्स्काइट सौर सेल रेसिपी की खोज की जा सके जिसने 26.0% से अधिक शक्ति रूपांतरण दक्षता प्राप्त की है, जिससे जटिल सामग्री डिजाइन स्पेस को नेविगेट करने में सामान्य LLMs की सीमाओं को पार किया जा सके।

मूल लेखक: Penglei Sun, Shuyan Chen, Xiang Liu, Longhan Zhang, Huajie You, Chang Yan, Yongqi Zhang, Xiaowen Chu, Tong-yi Zhang

प्रकाशित 2026-02-06
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Penglei Sun, Shuyan Chen, Xiang Liu, Longhan Zhang, Huajie You, Chang Yan, Yongqi Zhang, Xiaowen Chu, Tong-yi Zhang

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

एक बड़ी तस्वीर: एक लाइब्रेरी से एक प्रयोगशाला तक

कल्पना कीजिए कि आप एक बेहतरीन केक बनाने की कोशिश कर रहे हैं। आपके पास लाखों कुकबुक्स (वैज्ञानिक साहित्य) वाली एक लाइब्रेरी है, लेकिन रेसिपी अलग-अलग भाषाओं में लिखी गई हैं, कुछ में सामग्री गायब है, और निर्देश अस्पष्ट हैं। आपके पास एक बहुत ही स्मार्ट रोबोट शेफ (एक लार्ज लैंग्वेज मॉडल, या LLM) भी है जिसने वे सभी किताबें पढ़ी हैं।

समस्या: भले ही रोबोट शेफ सामान्य बातचीत में बहुत बुद्धिमान है, लेकिन यदि आप उससे एक विशिष्ट प्रकार के हाई-टेक "पेरोव्स्काइट सोलर सेल" (Perovskite Solar Cell) केक बनाने के लिए कहते हैं, तो वह अक्सर विफल हो जाता है। वह ऐसी सामग्रियां मिलाने का सुझाव दे सकता है जो आपस में मेल नहीं खातीं, या वह मनमाने ढंग से मात्रा का अनुमान लगा सकता है क्योंकि वह केक के रसायन विज्ञान (chemistry) को वास्तव में नहीं समझता। यह एक ऐसे शेफ की तरह है जो "मैदा" शब्द तो जानता है लेकिन यह नहीं जानता कि सूफ़ले (soufflé) बनाम ब्रेड के लिए कितनी मात्रा का उपयोग करना चाहिए।

समाधान: शोधकर्ताओं ने PVK-LLM नामक एक विशेष रोबोट शेफ बनाया। उन्होंने उसे केवल लाइब्रेरी ही नहीं दी; उन्होंने उसे विशेष रूप से पेरोव्स्काइट सौर कोशिकाओं (Perovskite solar cells) का मास्टर बनने के लिए प्रशिक्षित किया। उन्होंने उसे कुकबुक्स पढ़ना, रसायन विज्ञान को समझना और फिर एक स्मार्ट नेविगेशन सिस्टम का उपयोग करके बिना गलत अनुमानों पर समय बर्बाद किए सही रेसिपी खोजने के लिए प्रशिक्षित किया।

उन्होंने रोबोट को कैसे प्रशिक्षित किया (तीन-चरणीय स्कूल)

एक सामान्य स्मार्ट रोबोट को सौर सेल विशेषज्ञ में बदलने के लिए, उन्होंने तीन चरणों वाले एक "पाठ्यक्रम" (स्कूल योजना) का उपयोग किया:

  1. चरण 1: टेक्स्टबुक चरण (ज्ञान का इंजेक्शन)

    • उपमा: कल्पना कीजिए कि रोबोट को 4,000+ वैज्ञानिक शोध पत्र पढ़ने के लिए मजबूर किया गया और फिर उन पर एक क्विज़ लिया गया।
    • क्या हुआ: उन्होंने रोबोट को सौर कोशिकाओं के बारे में प्रश्नों और उत्तरों का एक विशाल डेटासेट दिया। उसने शब्दावली, नियम और बुनियादी विज्ञान सीख लिया। वह "सौर सेल क्या है" जानने से लेकर "इसे बेहतर तरीके से कैसे काम करना है" समझने तक पहुँच गया।

  2. चरण 2: साइटेशन और लैब चरण (निर्देश संरेखण/Instruction Alignment)

    • उपमा: अब रोबोट को यह साबित करना होगा कि उसने केवल उत्तरों को रटा नहीं है। उसे अपना होमवर्क (साइटेशन) दिखाना होगा और लैब नोटबुक (प्रायोगिक डेटा) को पढ़ना सीखना होगा।
    • क्या हुआ: उन्होंने रोबोट को यह सिखाया कि वह कहे, "मुझे पता है कि यह काम करता है क्योंकि यह विशिष्ट शोध पत्र ऐसा कहता है," और यह कि वह संख्याओं की एक तालिका को देखे और समझा सके कि कोई रेसिपी क्यों सफल रही या क्यों विफल हुई। इसने उसे फर्जी विज्ञान बनाने से रोक दिया।

  3. चरण 3: लाइव अपडेट चरण (नॉलेज ग्राफ)

    • उपमा: लाइब्रेरी में हमेशा नई किताबें आती रहती हैं। रोबोट को पूरी लाइब्रेरी को हर दिन फिर से पढ़े बिना नवीनतम समाचारों की जांच करने का एक तरीका चाहिए।
    • क्या हुआ: उन्होंने सामग्रियों के बीच सभी संबंधों का एक "स्मार्ट मैप" (नॉलेज ग्राफ) बनाया। यदि कोई नया पेपर आता है, तो रोबोट तुरंत मैप देख सकता है कि यह नई सामग्री पुरानी सामग्रियों के साथ कैसे फिट बैठती है।

नेविगेशन सिस्टम: घास के ढेर में सुई खोजना

एक बार जब रोबोट स्मार्ट हो जाता है, तो उसे सबसे अच्छी रेसिपी खोजने की आवश्यकता होती है। संभावित रेसिपीओं का स्थान बहुत बड़ा है—जैसे शहर के आकार के गोदाम में मसालों के विभिन्न संयोजनों को खोजने की कोशिश करना।

  • पुराना तरीका: जब तक कुछ अच्छा न लग जाए, तब तक अंधाधुंध रैंडम मसाले मिलाते रहना। इसमें बहुत समय लगता है।
  • नया तरीका (PVK-BO): रोबोट एक "स्मार्ट कंपास" का उपयोग करता है जिसे बायेसियन ऑप्टिमाइज़ेशन (Bayesian Optimization) कहा जाता है।
    • चूंकि रोबोट पहले से ही "खेल के नियमों" (डोमेन ज्ञान) को जानता है, इसलिए वह रैंडम अंदाजे से शुरुआत नहीं करता है। वह एक "वार्म स्टार्ट" के साथ शुरू करता है—जो उसने स्कूल में सीखा है उसके आधार पर एक बहुत अच्छा अनुमान।
    • फिर यह अपने अनुमान का परीक्षण करने के लिए एक सिमुलेशन (एक वर्चुअल लैब) चलाता है।
    • यदि वर्चुअल टेस्ट विफल हो जाता है, तो रोबलेट सीखता है कि क्यों और रेसिपी को एडजस्ट करता है।
    • यह लूप दोहराता है, हर प्रयास के साथ और अधिक स्मार्ट और सटीक रेसिपी के करीब होता जाता है।

वास्तविक दुनिया का परीक्षण: वेट-लैब प्रयोग (Wet-Lab Experiment)

शोधकर्ताओं ने केवल कंप्यूटर सिमुलेशन पर ही नहीं रोका। उन्होंने एक भौतिक लैब (एक "वेट लैब") में वास्तविक प्रयोग चलाने के लिए रोबोट को छोड़ा।

  • लक्ष्य: एक ऐसा सौर सेल बनाना जो प्रकाश को बिजली में यथासंभव कुशलता से परिवर्तित कर सके (जिसे PCE द्वारा मापा जाता है)।
  • प्रक्रिया:
    1. शुरुआत: रोबोट ने एक मानक रेसिपी का सुझाव दिया। यह ठीक-ठाक काम कर गया (23.68% दक्षता)।
    2. निदान (Diagnosis): रोबोट ने परिणामों को देखा और कहा, "समस्या 'पैसिवेशन लेयर' (एक सुरक्षात्मक परत) में है। हमें चार विशिष्ट सामग्रियों को बहुत सटीक तरीके से मिलाने की आवश्यकता है।"
    3. पुनरावृत्ति (Iteration): रोबोट ने चार सामग्रियों के नए मिश्रण का सुझाव दिया (3MTPAI, PDAI2, EDAI2, और PipDI)।
    4. परिणाम: परीक्षण और सुधार के कुछ राउंड के बाद ही, रोबोट ने एक ऐसी रेसिपी तैयार की जिसने 26.0% दक्षता हासिल की।

यह एक बड़ी बात क्यों है?
26% तक पहुँचना एक विश्व स्तरीय स्कोर है। आमतौर पर, वैज्ञानिक इसे प्राप्त करने के लिए वर्षों तक परीक्षण और त्रुटि (trial-and-error) करते हैं। इस रोबोट ने इसे स्वायत्त रूप से किया, चार सामग्रियों का एक ऐसा संयोजन खोजा जो पहले कभी साहित्य में रिपोर्ट नहीं किया गया था। इसने अनिवार्य रूप से अपने आप एक नई, बेहतर रेसिपी का "आविष्कार" किया।

सारांश

यह पेपर दिखाता है कि यदि आप एक सामान्य AI लेते हैं, उसे एक जटिल विज्ञान (पेरोव्स्काइट सौर सेल) के विशिष्ट नियम सिखाते हैं, और उसे सर्वोत्तम समाधान की खोज के लिए एक स्मार्ट तरीका देते हैं, तो यह एक सुपर-एक्सपर्ट वैज्ञानिक की तरह कार्य कर सकता है। यह साहित्य को पढ़ सकता है, डेटा को समझ सकता है, और स्वायत्त रूप से एक विजेता प्रयोग डिजाइन कर सकता है जो सर्वश्रेष्ठ मानव विशेषज्ञों की बराबरी करता 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🔬 cond-mat.mtrl-sci →