Virp: neural network-accelerated prediction of physical properties in site-disordered materials
यह शोध पत्र "Virp" को प्रस्तुत करता है, जो एक न्यूरल नेटवर्क-त्वरित पाइपलाइन है जो साइट-डिसऑर्डर्ड (site-disordered) सामग्रियों में भौतिक गुणों की कुशलतापूर्वक भविष्यवाणी करने के लिए क्रमचय-आधारित आभासी सेल जनरेशन (permutation-based virtual cell generation), सैंपलिंग और थर्मोडायनामिक पोस्ट-प्रोसेसिंग को जोड़ता है, जो यह प्रदर्शित करके पारंपरिक विधियों की कम्प्यूटेशनल सीमाओं को दूर करता है कि केवल 400 आभासी सेल्स के साथ पर्याप्त विन्यासगत सैंपलिंग (configurational sampling) प्राप्त की जा सकती 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 ऐसे शहर में मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं जहाँ की जनसंख्या लगातार बदल रही है। कुछ मोहल्लों में लोग बेतरतीब ढंग से घर बदलते रहते हैं; कुछ जगहों पर कुछ घर खाली भी होते हैं। पदार्थ विज्ञान (materials science) की दुनिया में, यह वही होता है जो साइट-डिज़ऑर्डर्ड मैटेरियल्स (site-disordered materials) के साथ होता है। ये ऐसे क्रिस्टल होते हैं जहाँ परमाणु किसी परेड में चलते सैनिकों की तरह एकदम सटीक और निश्चित स्थानों पर नहीं बैठे होते। इसके बजाय, कुछ विशिष्ट स्थानों पर इस बात की संभावना होती है कि वहाँ एक आयरन (लोहा) का परमाणु होगा, एक कोबाल्ट का परमाणु होगा, या शायद कुछ भी नहीं (एक रिक्त स्थान/vacancy)।
द दशकों से, वैज्ञानिक इन सामग्रियों का अनुकरण (simulate) करने के लिए संघर्ष कर रहे हैं क्योंकि उनके मानक कंप्यूटर उपकरण यह मान लेते हैं कि सब कुछ पूरी तरह से व्यवस्थित है। एक अव्यवस्थित, बदलती भीड़ को उस टूल से समझाने की कोशिश करना जो एक मार्चिंग बैंड के लिए बनाया गया है, वैसा ही है जैसे ट्रैफिक जाम मुक्त हाईवे के नक्शे का उपयोग करके एक अराजक शहर में ट्रैफिक की भविष्यवाणी करना। यह काम ठीक से नहीं करता है।
यह शोध पत्र Virp (Virtual cell generation for site-disordered materials) नामक एक नए टूल का परिचय देता है जो इस समस्या को हल करने के लिए एक "स्मार्ट सिम्युलेटर" के रूप में कार्य करता है। यह कैसे काम करता है, इसे सरल अवधारणाओं में यहाँ समझाया गया है:
1. "वर्चुअल सेल" फैक्ट्री
कल्पना कीजिए कि आपके पास एक क्रिस्टल का एक छोटा, सटीक लेगो (Lego) मॉडल है। इसके वास्तविक, अव्यवस्थित संस्करण को समझने के लिए, Virp उस छोटे मॉडल को लेता है और उसका एक बहुत बड़ा संस्करण (एक "सुपरसेल") बनाता है।
इस बड़े मॉडल के भीतर, कुछ विशिष्ट स्थान होते हैं जहाँ परमाणुओं को मिला हुआ होना चाहिए। Virp एक रैंडमाइज्ड शेफ (यादृच्छिक रसोइया) की तरह कार्य करता है। यह रेसिपी (जैसे, "50% आयरन, 50% कोबाल्ट") को देखता है और बड़े मॉडल के स्थानों में बेतरतीब ढंग से सामग्री को असाइन करता है। यह एक ही सामग्री के सैकड़ों थोड़े अलग "वर्चुअल" संस्करण बनाने के लिए इसे सैकड़ों बार करता है।
2. "टेस्ट टेस्ट" (सैंपलिंग)
आप सोच सकते हैं, "यदि इन परमाणुओं को व्यवस्थित करने के अनगिनत तरीके हैं, तो क्या हमें उन सभी का परीक्षण करने की आवश्यकता नहीं है?"
लेखक कहते हैं—नहीं। वे एक सांख्यिकीय नियम (जिसे यामाने सैंपलिंग कहा जाता है) का उपयोग करते हैं जो सूप के एक बड़े बर्तन से टेस्ट टेस्ट (स्वाद परीक्षण) लेने जैसा है। आपको यह जानने के लिए कि सूप नमकीन है या नहीं, पूरा बर्तन पीने की ज़रूरत नहीं है; आपको बस कुछ चम्मचों की आवश्यकता है।
उनका शोध बताता है कि यदि आप एक पर्याप्त बड़ा लेगो मॉडल (सुपरसेल) बनाते हैं, तो सामग्री के गुणों (जैसे कि इसका घनत्व/density) की बहुत सटीक भविष्यवाणी करने के लिए आपको केवल लगभग 400 रैंडम संस्करण बनाने और उनका परीक्षण करने की आवश्यकता है। 400 संस्करणों का परीक्षण करना तेज़ है; खरबों का परीक्षण करने में अनंत समय लगेगा।
3. "फास्ट फॉरवर्ड" बटन (AI बनाम पुराने तरीके)
पारंपरिक रूप से, यह जाँचने के लिए कि ये वर्चुअल मॉडल स्थिर हैं या नहीं, वैज्ञानिकों ने डेंसिटी फंक्शनल थ्योरी (DFT) नामक एक विधि का उपयोग किया। DFT को एक स्लो-मोशन, हाई-डेफिनिशन कैमरे के रूप में समझें। यह एक आदर्श तस्वीर देता है, लेकिन केवल एक इमेज को प्रोसेस करने में घंटों या दिन लग जाते है।
Virp मशीन लर्निंग (विशेष रूप से CHG论 (CHGNet) जिसे 'फास्ट-मोशन कैमरा' कहा जा सकता है) का उपयोग करता है। यह स्लो-मोशन कैमरे जितना सटीक नहीं है, लेकिन यह हजारों गुना तेज़ है। यह उन 400 वर्चुअल मॉडलों को हफ्तों के बजाय सेकंड या मिनटों में प्रोसेस कर सकता है।
4. "मिरर इमेज" से बचना
जब आप ताश की गड्डी को फेंटते हैं, तो कभी-कभी आप गलती से एक ऐसा स्टैक बना देते हैं जो पहले बनाए गए स्टैक के बिल्कुल समान दिखता है, बस थोड़ा घुमा हुआ होता है। कंप्यूटर की दुनिया में, इन्हें "सिमेट्रिकली इक्विवेलेंट" (सममित रूप से समान) सेल कहा जाता है।
पुराना सॉफ़्टवेयर जटिल गणित का उपयोग करके यह जाँचने में समय बर्बाद करता था कि क्या दो वर्चुअल मॉडल समान हैं। Virp एक शॉर्टकट का उपयोग करता है: यह मॉडलों की ऊर्जा (energy) की जाँच करता है। यदि दो मॉडलों की ऊर्जा बिल्कुल समान है, तो वे संभवतः एक ही हैं। यह कंप्यूटर के बहुत सारे समय को बचाता है।
5. "पर्याप्त बड़ा" होने का नियम
पेपर ने लेगो मॉडल के आकार के बारे में एक महत्वपूर्ण नियम भी खोजा। यदि मॉडल बहुत छोटा है, तो किनारों पर मौजूद परमाणु अपने ही दूसरे हिस्से को देख सकते हैं (जैसे कि एक वीडियो गेम का पात्र स्क्रीन के बाईं ओर से बाहर निकलता है और दाईं ओर दिखाई देता है)। यह नकली, अजीब परिणाम पैदा करता है।
लेखकों ने पाया कि यदि आप मॉडल को पर्याप्त बड़ा बनाते हैं (विशेष रूप से, यह सुनिश्चित करते हुए कि परमाणु अपने ही "भूतों" से कम से कम 15 एंगस्ट्रॉम दूर हों), तो ये अजीब त्रुटियां गायब हो जाती हैं। यह एक कमरे को इतना बड़ा बनाने जैसा है कि आप अपनी ही गूँज (echo) न सुन सकें।
निष्कर्ष
यह शोध पत्र प्रदर्शित करता है कि रैंडम सैंपलिंग (400 संस्करणों का परीक्षण करना), AI की गति (धीमी भौतिक सिमुलेशन के बजाय न्यूरल नेटवर्क का उपयोग करना), और स्मार्ट फिल्टरिंग (डुप्लिकेट को हटाना) को जोड़कर, वैज्ञानिक अब अत्यधिक सटीकता के साथ और उस समय के एक अंश में, अव्यवस्थित सामग्रियों के गुणों की भविष्यवाणी कर सकते हैं, जो पहले करने में लगने वाले समय से बहुत कम है।
उन्होंने धातु मिश्र धातुओं (metal alloys) से लेकर जटिल क्रिस्टल तक विभिन्न सामग्रियों पर इसका परीक्षण किया, और पाया कि घनत्व के लिए उनकी भविष्यवाणियां वास्तविक मापों के बहुत करीब थीं (एक बहुत ही मामूली त्रुटि के भीतर), जिससे यह सिद्ध होता है कि किसी सामग्री को समझने के लिए आपको संभावनाओं के पूरे ब्रह्मांड का अनुकरण करने की आवश्यकता नहीं 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।