MoleCode unlocks structural intelligence in large language models
MoleCode एक प्रशिक्षण-मुक्त (training-free), ग्राफ-स्पष्ट आणविक भाषा पेश करता है जो SMILES जैसे अंतर्निहित रैखिक निरूपणों को स्पष्ट संरचनात्मक संबंधों से बदल देता है, जिससे बड़े भाषा मॉडल (LLMs) जटिल रासायनिक कार्यों के लिए बेहतर प्रदर्शन हेतु आणविक टोपोलॉजी के बारे में सीधे तर्क करने और हेरफेर करने में सक्षम होते हैं।
मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
यहाँ इस शोध पत्र का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।
समस्या: अणुओं का "रहस्यमयी बॉक्स" (The "Mystery Box" of Molecules)
कल्पना कीजिए कि आप एक घर बनाने की कोशिश कर रहे हैं एक आर्किटेक्ट के रूप में, लेकिन इसके बजाय कि आपको स्पष्ट दीवारों, दरवाजों और खिड़कियों वाला एक ब्लूप्रिंट (नक्शा) दिया जाए, कोई आपको एक लंबा वाक्य थमा देता है जो उस घर का वर्णन करता है।
"एक ईंट से शुरू करें, बाईं ओर जाएँ, दाईं ओर मुड़ें, यहाँ एक खिड़की रखें, फिर एक दरवाजा, फिर ईंटों का एक लूप जो वापस शुरुआत से जुड़ता है..."
वर्तमान AI मॉडल (लार्ज लैंग्वेज मॉडल्स या LLMs) अणुओं को इसी तरह देखते हैं। अणु को लिखने का मानक तरीका SMILES कहलाता है। यह टेक्स्ट की एक संक्षिप्त स्ट्रिंग है जो अणु के वास्तविक 3D आकार और जुड़ाव को कोड की एक लाइन के भीतर छिपा देती है।
जब कोई AI, SMILES में लिखे गए अणु को समझने की कोशिश करता है, तो उसे बहुत अधिक मानसिक कसरत (mental gymnastics) करनी पड़ती है। उसे वह वाक्य पढ़ना पड़ता है, रुकना पड़ता है, और कहना पड़ता है, "रुको, मुझे यह बताने से पहले कि छत सुरक्षित है या मैं एक नया कमरा जोड़ सकता हूँ, मुझे अपने दिमाग में पूरे घर का पुनर्निर्माण (reconstruct) करना होगा।" यह "पुनर्निर्माण" का चरण धीमा है, गलतियों की संभावना रखता है, और यह बहुत कठिन हो जाता है जब घर (अणु) बहुत बड़ा हो या AI ने पहले कभी वह विशिष्ट डिज़ाइन न देखा हो।
समाधान: MoleCode (द "लेगो ब्लूप्रिंट")
शोधकर्ताओं ने एक नई भाषा पेश की जिसे MoleCode कहा जाता है। MoleCode को एक वाक्य के रूप में नहीं, बल्कि एक डिजिटल लेगो निर्देश पुस्तिका (Lego instruction manual) या एक स्प्रेडशीट के रूप में समझें।
एक लंबे, भ्रमित करने वाले वाक्य के बजाय, MoleCode हर एक हिस्से (परमाणु/atom) और हर जुड़ाव (बंध/bond) को स्पष्ट रूप से सूचीबद्ध करता है।
- परमाणु 1 कार्बन है।
- परमाणु 2 ऑक्सीजन है।
- जुड़ाव: परमाणु 1, परमाणु 2 से जुड़ा हुआ है।
इस प्रारूप में, "ब्लूप्रिंट" AI के सामने बिल्कुल स्पष्ट है। उसे अनुमान लगाने या पुनर्निर्माण करने की आवश्यकता नहीं है; आकार पहले से ही दृश्यमान और संपादन योग्य (editable) है।
जब उन्होंने इसे आज़माया तो क्या हुआ?
टीम ने शीर्ष स्तर के AI मॉडल्स का उपयोग करके कई कार्यों पर इस नई भाषा का परीक्षण किया। यहाँ उनके निष्कर्ष दिए गए हैं:
1. पहेलियाँ सुलझाना (Reasoning)
- पुराना तरीका: जब एक जटिल, अपरिचित घर में खिड़कियों को गिनने के लिए पूछा गया, तो SMILES का उपयोग करने वाला AI अक्सर लंबे वाक्य में खो जाता था और गलत उत्तर देता था।
- MoleCode का तरीका: MoleCode के साथ, AI बस हिस्सों की सूची देख सकता था और तुरंत उन्हें गिन सकता था। AI रासायनिक प्रतिक्रियाओं की भविष्यवाणी करने या परमाणुओं को गिनने जैसे कार्यों में काफी बेहतर हो गया, विशेष रूप से जटिल या अपरिचित अणुओं के लिए।
2. घरों का नवीनीकरण करना (Optimization)
- पुराना तरीका: यदि आप AI से कहें कि "इस घर को अधिक ऊर्जा-कुशल बनाएं," तो वह कभी-कभी पूरी संरचना को गिरा देता था और कुछ बिल्कुल अलग बना देता था, या ऐसे बदलाव करता था जिससे घर टूट जाता था।
- MoleCode का तरीका: क्योंकि AI देख सकता था कि कौन सी "ईंट" (परमाणु) कहाँ थी, इसने संरचना को तोड़े बिना छोटे, सटीक बदलाव किए (जैसे एक खिड़की को बेहतर खिड़की से बदलना) जिससे घर में सुधार हुआ। इसने स्मार्ट और सुरक्षित संपादन किए।
3. तेज़ी से सोचना (Efficiency)
- पुराना तरीका: AI अपना अधिकांश "सोचने का समय" केवल यह समझने में बिता देता था कि अणु कैसा दिखता है। यह ऐसा था जैसे कोई छात्र गणित की समस्या हल करने से पहले 10 मिनट तक उसका नक्शा बनाने में बिता दे।
- MoleCode का तरीका: AI ने नक्शा बनाने में कम समय बिताया क्योंकि नक्शा पहले से ही वहां मौजूद था। भले ही MoleCode के "निर्देश" पढ़ने में लंबे थे, लेकिन AI ने कम समय में सोचा, जिसके परिणामस्वरूप एक तेज़ और अधिक सटीक प्रक्रिया हुई।
4. गगनचुंबी इमारतें बनाना (Polymers)
- पुराना तरीका: पॉलिमर (Polymers) दोहराने वाले लिंक की विशाल श्रृंखलाओं की तरह होते हैं। उन्हें एक वाक्य (SMILES) के रूप में लिखना एक विशाल, अपठनीय टेक्स्ट ब्लॉक बना देता है। AI भ्रमित हो जाता था और विफल हो जाता था।
- MoleCode का तरीका: MoleCode इन श्रृंखलाओं को "इस ब्लॉक को 100 बार दोहराएं" जैसे निर्देश की तरह मानता है। AI इन विशाल, दोहराव वाली संरचनाओं को पूरी तरह से संभाल सका, जबकि पुराना तरीका लंबे टेक्स्ट के भार के नीचे ढह जाता था।
5. जटिल दस्तावेजों को पढ़ना
- शोधकर्ताओं ने यह भी दिखाया कि MoleCode केवल एकल अणुओं के लिए ही नहीं है। यह वैज्ञानिक पत्रों और पेटेंटों को पढ़ सकता है जो टेक्स्ट के साथ आरेख (diagrams) को मिलाते हैं, और उन्हें एक एकल, व्यवस्थित ग्राफ में बदल सकता है। यह "मार्कुश संरचनाओं" (Markush structures - वे रासायनिक सूत्र जिनमें परिवर्तनशील भाग होते हैं, जैसे "यहाँ कोई भी फल जोड़ें") को भी संभाल सकता है, जिन्हें मानक टेक्स्ट प्रारूपों के माध्यम से वर्णित करना बहुत कठिन है।
मुख्य निष्कर्ष (The Big Takeaway)
इस शोध पत्र का मुख्य सबक यह है कि हम विज्ञान के बारे में AI से कैसे बात करते हैं।
वर्तमान में, हम AI को वैज्ञानिक आकारों को टेक्स्ट में अनुवाद करने के लिए मजबूर करते हैं, और फिर उस टेक्स्ट को अपने दिमाग में वापस आकारों में अनुवाद करने के लिए मजबूर करते हैं। यह पेपर तर्क देता है कि यदि जिस वस्तु का हम अध्ययन कर रहे हैं वह एक संरचना (structure) है (जैसे एक अणु), तो हमें AI को उसके साथ काम करने के लिए एक संरचनात्मक भाषा (structural language) देनी चाहिए।
"रहस्यमयी वाक्यों" (SMILES) से "स्पष्ट ब्लूप्रिंट" (MoleCode) में स्विच करके, AI अणु के रूप में क्या दिखता है इसका अनुमान लगाने में अपनी ऊर्जा बर्बाद करना बंद कर देता है और वास्तव में रासायनिक समस्याओं को हल करने के लिए अपने मस्तिष्क का उपयोग करने लगता है।
सीमाओं पर नोट: पेपर स्पष्ट करता है कि MoleCode जादुई रूप से AI को वह नया रासायनिक ज्ञान नहीं देता जो उसके पास पहले से नहीं था। यदि AI को रसायन विज्ञान नहीं पता, तो वह अभी भी रसायन विज्ञान नहीं जानेगा। लेकिन, यह AI को उस ज्ञान का उपयोग करने में सक्षम बनाता है जो उसके पास पहले से है। साथ ही, नया तरीका पुराने तरीके की तुलना में टाइप करने में लंबा है, लेकिन यह ट्रेड-ऑफ सार्थक है क्योंकि AI कम सोचता है और अधिक हासिल 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।