Back to Basics: Improving Molecular Understanding in LLMs via SMILES-Graph Translation
यह शोधपत्र MolBasic को प्रस्तुत करता है, जो एक संरचना-प्रथम (structure-first) ढांचा है जो द्विदिशीय SMILES-ग्राफ अनुवाद और एक प्रगतिशील चेन-ऑफ-थॉट (Chain-of-Thought) शिक्षण योजना का उपयोग करके आणविक बड़े भाषा मॉडलों की संरचनात्मक समझ और डाउनस्ट्रीम प्रदर्शन को बढ़ाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया 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
कल्पना कीजिए कि आपके पास एक अत्यंत प्रतिभाशाली नया छात्र है, जिसे हम "द एआई केमिस्ट" (The AI Chemist) कह सकते हैं। इस छात्र ने अब तक लिखी गई हर केमिस्ट्री की पाठ्यपुस्तक, मेडिकल जर्नल और विज्ञान संबंधी लेख को पढ़ा है। वह दवाओं के बारे में तथ्य सुना सकता है, यह भविष्यवाणी कर सकता है कि किसी अणु (molecule) की गंध कैसी होगी, और रासायनिक अभिक्रियाओं पर कविता भी लिख सकता है।
लेकिन यहाँ एक समस्या है: वह छात्र गिनती नहीं कर सकता।
यदि आप उसे एक अणु का चित्र थमाकर पूछें, "इस रिंग में कितने कार्बन परमाणु हैं?" या "इन दो हिस्सों को कितने बॉन्ड जोड़ते हैं?", तो वह अक्सर गलत हो जाता है। वह अणुओं के बारें में शब्दों को तो जानता है, लेकिन वह अणु की संरचना (structure) को वास्तव में नहीं समझ पाता। यह वैसा ही है जैसे किसी ने लाखों रेसिपी पढ़ ली हों, लेकिन उसने कभी चम्मच पकड़ा ही न हो या अंडों की संख्या गिनी ही न हो। वह सिद्धांत को तो जानता है, लेकिन वह केक बनाना नहीं जानता।
यह शोध पत्र, जिसका शीर्षक "बैक टू बेसिक्स" (Back to Basics) है, यह तर्क देता है कि वर्तमान एआई मॉडल रसायन विज्ञान के क्षेत्र में विफल हो रहे हैं क्योंकि वे सबसे महत्वपूर्ण चरण को छोड़ देते हैं: अणु के कंकाल (skeleton) को देखना सीखना।
मुख्य समस्या: "ब्लैक बॉक्स" की गलती
लेखकों ने पाया कि यहाँ तक कि स्मार्टतम एआई मॉडल (सामान्य मॉडल जैसे ChatGPT और विशेष रसायन विज्ञान मॉडल दोनों) भी एक बुनियादी कार्य करने में बहुत खराब हैं, जैसे कि उस टेक्स्ट स्ट्रिंग (जिसे SMILES स्ट्रिंग कहा जाता है) को देखकर परमाणुओं या बॉन्ड्स की गिनती करना।
एक SMILES स्ट्रिंग को एक गुप्त कोड की तरह समझें: CC(=O)O|
- वर्तमान एआई: अक्षरों को देखता है और अनुमान लगाता है, "ओह, यह सिरके जैसा लग रहा है!" लेकिन वह आपको ठीक-ठीक नहीं बता सकता कि इसके अंदर कितने परमाणु हैं।
- मानव रसायन शास्त्री (Human Chemist): इन अक्षरों को तुरंत एक मानसिक 3D चित्र में डिकोड कर लेता है, परमाणुओं को गिनता है, और जानता है कि हिस्से आपस में कैसे फिट होते हैं।
पेपर का तर्क है कि आप एक एआई को तब तक जीनियस ड्रग डिजाइनर नहीं बना सकते जब तक कि वह पहले दस तक गिनती करना न सीख ले।
समाधान: "मोलबेसिक" (MolBasic)
लेखकों ने एक नई प्रशिक्षण पद्धति बनाई जिसे MolBasic कहा गया है। सीधे जटिल कार्यों पर कूदने के बजाय, वे एआई को वापस स्कूल जाने और पहले बुनियादी बातें सीखने के लिए मजबूर करते हैं। वे एक "सीढ़ी" (Staircase) दृष्टिकोण का उपयोग करते हैं, जहाँ एआई एक समय में एक कदम चढ़ता है:
चरण 1: संरचना कक्षा (नींव)
एआई को टेक्स्ट कोड (SMILES) और एक विजुअल मैप (ग्राफ) के बीच अनुवाद करने के लिए प्रशिक्षित किया जाता है। यह छात्र को एक वाक्य को ड्राइंग में और ड्राइंग को वापस वाक्य में अनुवाद करना सिखाने जैसा है।- कार्य: "यहाँ कोड है। अब, मानचित्र बनाओ। यहाँ मानचित्र है। अब, कोड लिखो।"
- परिणाम: एआई अणु को केवल टेक्स्ट स्ट्रिंग के रूप में नहीं, बल्कि परमाणुओं के एक जुड़े हुए नेटवर्क के रूप में देखना सीख जाता है।
चरण 2: तर्क कक्षा (सीढ़ी)
एक बार जब एआई परमाणुओं को गिनना और बॉन्ड्स को देखना सटीक रूप से सीख जाता है, तो लेखक उसे तर्क करना सिखाते हैं। वे चेन-ऑफ-थॉट (CoT) तकनीक का उपयोग करते हैं।- उपमा: केवल उत्तर देने के बजाय, एआई को अपना काम दिखाने के लिए मजबूर किया जाता है। "पहले, मैं तीन कार्बन देखता हूँ। फिर, मैं दो ऑक्सीजन देखता हूँ। इसलिए, वजन X है।"
- यह एआई को अनुमान लगाने से रोकता है और उसे एक तार्किक पथ का पालन करने के लिए मजबूर करता है, ठीक वैसे ही जैसे एक मानव छात्र गणित की समस्या हल करता है।
चरण 3: अनुप्रयोग कक्षा (शिखर)
संरचना और तर्क में महारत हासिल करने के बाद ही एआई कठिन कार्यों को संभालता है, जैसे कि यह भविष्यवाणी करना कि एक दवा कैसे व्यवहार करेगी या किसी विशिष्ट समस्या को हल करने के लिए एक नया अणु डिजाइन करना।
जब उन्होंने इसे आजमाया तो क्या हुआ?
परिणाम नाटकीय थे।
- पहले: एआई परमाणुओं को गिनने में बहुत खराब था (कुछ परीक्षणों में 1% से भी कम सही)।
- बाद में: MolBasic के साथ, एआई परमाणुओं और बॉन्ड्स को गिनने में अविश्वसनीय रूप से सटीक हो गया (90% से अधिक सही)।
- बोनस: क्योंकि एआई अंततः संरचना को समझ गया था, वह "कठिन" कार्यों में भी बहुत बेहतर हो गया। इसने रासायनिक गुणों की अधिक सटीकता से भविष्यवाणी की और पिछले मॉडलों की तुलना में बेहतर अणु डिजाइन किए।
मुख्य निष्कर्ष
पेपर निष्कर्ष निकालता है कि संरचना ही कार्य निर्धारित करती है (Structure determines function)। आप यह नहीं समझ सकते कि एक अणु क्या करता है (उसका कार्य), यदि आप यह नहीं समझते कि वह क्या है (उसकी संरचना)।
एआई को "कविता" लिखने (दवाएं डिजाइन करने) से पहले रसायन विज्ञान के "वर्णमाला" (परमाणुओं और बॉन्ड्स को गिनना) को सीखने के लिए मजबूर करके, शोधकर्ताओं ने एक ऐसा मॉडल बनाया जो न केवल स्मार्ट है, बल्कि अधिक विश्वसनीय और भरोसेमंद भी है। यह एक याद दिलाता है कि कभी-कभी, एक गगनचुंबी इमारत बनाने के लिए, पहले आपको यह सुनिश्चित करना होता है कि उसकी नींव मजबूत 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।