Generative and multimodal AI for materials prediction and design: Progress, challenges, and perspectives
यह शोध पत्र एआई-संचालित सामग्री खोज में नवीनता को पुष्ट करने की चुनौतियों को संबोधित करने के लिए एक सामग्री गुण पदानुक्रम और साक्ष्य-आधारित ढांचे का प्रस्ताव करता है, और यह तर्क देता है कि प्रयोगात्मक रूप से बोधगम्य सामग्रियों के डिजाइन को सक्षम करने के लिए मल्टीमॉडल डेटा एकीकरण और बेंचमार्किंग की वर्तमान सीमाओं को समुदाय-व्यापी मानकों के माध्यम से दूर किया जाना चाहिए।
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 मास्टर शेफ हैं जो एक बिल्कुल नया व्यंजन बनाने की कोशिश कर रहे हैं। आपके पास हजारों ज्ञात व्यंजनों वाली एक रेसिपी बुक है, लेकिन आप कुछ ऐसा बनाना चाहते हैं जिसका स्वाद दुनिया ने पहले कभी न चखा हो। विज्ञान की दुनिया में, इसे "मटेरियल डिस्कवरी" (पदार्थों की खोज) कहा जाता है। वैज्ञानिक नई चीजें आविष्कार करने की कोशिश कर रहे हैं—जैसे पुलों के लिए सुपर-मजबूत धातुएं, ऐसी बैटरियां जो हमेशा चलें, या ऐसे चिप्स जो कंप्यूटर को तेजी से सोचने में मदद करें। लंबे समय तक, वे इसे अनुमान लगाने और परीक्षण करने के तरीके से करते थे, रसायनों को मिलाते थे और बेहतर परिणाम की उम्मीद करते थे। लेकिन अब, उनके पास एक शक्तिशाली नया सहायक है: आर्टिफिशियल इंटेलिजेंस (AI)।
AI को एक सुपर-स्मार्ट 'सू शेफ' (सहायक रसोइया) के रूप में समझें जो सेकंडों में लाखों रेसिपी बुक्स पढ़ सकता है। यह भविष्यवाणी कर सकता है कि नए मिश्रण का स्वाद कैसा होगा (या विज्ञान में, एक नए पदार्थ का व्यवहार कैसा होगा) बिना उसे वास्तव में पकाए। यह पेपर एक विशिष्ट प्रकार के AI पर केंद्रित है जो दो चीजों में बहुत अच्छा हो रहा है: "जेनरेटिव" (उत्पादक) AI, जो एक ऐसे शेफ की तरह है जो शून्य से पूरी तरह से नई रेसिपी के सपने देख सकता है, और "मल्टीमॉडल" (बहुविध) AI, जो एक ऐसा शेफ है जो केवल रेसिपी नहीं पढ़ता बल्कि भोजन की तस्वीरें भी देखता है, पकने की आवाज़ सुनता है और सुगंध को भी समझता है ताकि वह पूरी तस्वीर को समझ सके। बड़ा सवाल जो हर कोई पूछ रहा है वह यह है: क्या यह AI वास्तव में एक वास्तविक, उपयोगी नया पदार्थ बना सकता है, या यह केवल फैंसी दिखने वाली रेसिपी बना रहा है जो वास्तविक रसोई में बिखर जाएंगी?
यह पेपर, जिसे शेफ़ील्ड विश्वविद्यालय और अन्य संस्थानों के शोधकर्ताओं की एक टीम द्वारा लिखा गया है, इस बात पर गहराई से गौर करता है कि यह AI वास्तव में कितना आगे बढ़ चुका है। उनका तर्क है कि हालांकि AI नए आकार और सूत्र (फॉर्मूला) बनाने में अद्भुत होता जा रहा है (जैसे किसी घर का नया ब्लूप्रिंट बनाना), लेकिन यह अभी भी यह साबित करने में संघर्ष कर रहा है कि उन घरों को वास्तव में बनाया और उनमें रहा जा सकता है। लेखक "नवीनता" (newness) को सोचने का एक नया तरीका पेश करते हैं। वे कहते हैं कि नवीनता के तीन स्तर हैं:
- स्ट्रक्चरल नॉवेल्टी (संरचनात्मक नवीनता): AI एक ऐसा आकार या सूत्र बनाता है जो पहले कभी नहीं देखा गया है। यह नीली छत और हरे दरवाजे वाले घर का चित्र बनाने जैसा है।
- फिजिकल नॉवेल्टी (भौतिक नवीनता): नया पदार्थ वास्तव में कुछ खास करता है, जैसे स्टील से अधिक मजबूत होना या तांबे से बेहतर बिजली का संचालन करना। यह घर बनाने और यह पता लगाने जैसा है कि क्या वह तूफान में भी टिक सकता है।
- डिप्लॉयमेंट नॉवेल्टी (तैनाती संबंधी नवीनता): उस पदार्थ को वास्तव में एक कारखाने में बनाया जा सकता है, बेचा जा सकता है और वास्तविक दुनिया में उपयोग किया जा सकता है। यह सबसे कठिन स्तर है; यह यह साबित करने जैसा है कि आप इन हजारों घरों को सस्ते में कैसे बना सकते हैं और क्या वे एक साल बाद सड़ेंगे तो नहीं।
शोधकर्ताओं ने पाया कि AI वर्तमान में पहले स्तर पर एक सुपरस्टार है। यह लाखों नए, स्थिर क्रिस्टल स्ट्रक्चर बना सकता है जो कागज पर बहुत अच्छे दिखते हैं। हालांकि, यह दूसरे और तीसरे स्तर पर आकर रुक जाता है। क्यों? क्योंकि AI जिससे सीखता है, वह डेटा अधूरा है। AI शेफ को उपलब्ध अधिकांश डेटा केवल सामग्रियों (रासायनिक संरचना) और आदर्श ब्लूप्रिंट (क्रिस्टल संरचना) के बारे में बताता है। यह शायद ही कभी पकाने की प्रक्रिया (सामग्री को कैसे गर्म किया गया, ठंडा किया गया, या दबाया गया) या वास्तविक दुनिया के प्रदर्शन (वर्षों के उपयोग के बाद यह कैसा रहता है) के बारे में बताता है।
पेपर स्पष्ट करता है कि "पकाने की प्रक्रिया" के बिना, AI यह नहीं बता सकता कि क्या एक नई रेसिपी वास्तव में बनाना संभव है। यह एक ऐसे केक की रेसिपी रखने जैसा है जिसके लिए 5,000 डिग्री पर बेक करने की आवश्यकता है; AI कह सकता है, "हे, यह एक नया केक है!" लेकिन एक वास्तविक बेकर जानता है कि इसे बनाना असंभव है। लेखक बताते हैं कि वर्तमान AI बेंचमार्क एक वीडियो गेम की तरह हैं जहाँ आपको केवल सुंदर चित्र बनाने के लिए अंक मिलते हैं, घर बनाने के लिए नहीं। वे कंप्यूटर सिमुलेशन पर भरोसा करते हैं जो आदर्श स्थितियों को मानते हैं, वास्तविक दुनिया के निर्माण, दोषों और समय की जटिलताओं को नजरअंदाज करते हैं।
टीम का सुझाव है कि "कूल ड्रॉइंग्स" से "वास्तविक आविष्कार" तक पहुँचने के लिए, वैज्ञानिक समुदाय को डेटा साझा करने के तरीके को बदलने की आवश्यकता है। उन्हें न केवल अंतिम परिणाम, बल्कि पूरी यात्रा को रिकॉर्ड करना शुरू करना चाहिए: असफल प्रयास, उपयोग किए गए विशिष्ट तापमान, लगा हुआ समय और की गई गलतियाँ। वे एक नए मानक का आह्वान करते हैं जहाँ AI मॉडल को केवल हाइलाइट रील पर नहीं, बल्कि इस पूरी, उलझी हुई कहानी पर प्रशिक्षित किया जाए। वे प्रस्तावित करते हैं कि भविष्य के AI को "फिजिबिलिटी-फर्स्ट" (व्यवहार्यता-प्रथम) होना चाहिए, जिसका अर्थ है कि इसे केवल उन्हीं पदार्थों का सुझाव देना चाहिए जिन्हें यह जानता है कि वर्तमान तकनीक के साथ वास्तव में बनाया जा सकता है।
संक्षेप में, पेपर सुझाव देता है कि हालांकि AI एक शानदार सपने देखने वाला है, इसे एक व्यावहारिक निर्माता बनने के लिए बेहतर निर्देशों की आवश्यकता है। लेखक यह नहीं कह रहे हैं कि AI नए पदार्थ डिजाइन नहीं कर सकता; वे कह रहे हैं कि वास्तविक दुनिया में काम करने वाले पदार्थ डिजाइन करने के लिए, हमें AI को केवल रेसिपी से अधिक कुछ देने की आवश्यकता है। हमें उसे रसोई की पूरी कहानी, उपकरण और जो काम किया और जो काम नहीं किया उसका इतिहास देना होगा। जब तक हम ऐसा नहीं करते, AI की "नई" खोजें स्क्रीन पर केवल सुंदर विचार बनकर रह सकती हैं, जो एक इंसान द्वारा उन्हें वास्तविक बनाने की प्रतीक्षा कर रही 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।