AEcroscopyWave: Towards Self-Driving Characterization Platforms for Agentic AI
यह शोध पत्र AEcroscopyWave को प्रस्तुत करता है, जो एक कस्टम-निर्मित लक्षण वर्णन प्लेटफॉर्म (characterization platform) है जिसे स्कैनिंग प्रोब माइक्रोस्कोप और पेरिफेरल इंस्ट्रूमेंटेशन पर सेल्फ-ड्राइविंग, एजेंटिक AI नियंत्रण सक्षम करके उच्च-थ्रूपुट औद्योगिक निरीक्षण और लचीले, विशेषज्ञ-संचालित अनुसंधान के बीच के अंतर को पाटने के लिए डिज़ाइन किया गया 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
वैज्ञानिक खोज की दुनिया की कल्पना एक विशाल, हाई-टेक किचन के रूप में करें। दशकों से, नए पदार्थों को बनाने का काम दो बहुत अलग तरीकों से किया जाता रहा है। एक तरफ, आपके पास औद्योगिक असेंबली लाइन है: रोबोट जो एक सेकंड में दस लाख प्याज काट सकते हैं, लेकिन वे केवल एक सख्त रेसिपी का पालन कर सकते हैं। यदि आप चाहते हैं कि वे एक नया मसाला मिश्रण आजमाएं, तो पूरे मशीन को एक मानव इंजीनियर द्वारा फिर से प्रोग्राम करना होगा। दूसरी ओर, एक मास्टर शेफ है: एक मानव विशेषज्ञ जो तुरंत स्वाद ले सकता है, बदलाव कर सकता है और नए व्यंजन बना सकता है, लेकिन वे एक बार में केवल एक ही भोजन बना सकते हैं, और उनके हाथ थक जाते हैं।
हाल ही में, वैज्ञानिकों ने "सेल्फ-ड्राइविंग" किचन बनाने की कोशिश शुरू की है। ये ऐसे सिस्टम हैं जहाँ एक कंप्यूटर दिमाग (आर्टिफिशियल इंटेलिजेंस) खाना पकाने को देखता है, तय करता है कि आगे क्या डालना है, और चूल्हे को नियंत्रित करता है। लेकिन एक समस्या है: अधिकांश AI शेफ एक रिमोट कंट्रोल वाले छोटे बच्चे की तरह हैं। वे "स्टार्ट" या "स्टॉप" या "गर्मी बढ़ाएं" जैसे बटन तो दबा सकते हैं, लेकिन वे एक नया प्रकार का फ्लेम (लौ) नहीं बना सकते या सामग्रियों को उस तरह से नहीं मिला सकते जैसा कि मशीन को स्पष्ट रूप से नहीं बताया गया था। वे पहले से निर्धारित विकल्पों के मेनू में ही फंसे रह जाते हैं। बड़ा सवाल यह है: हम ऐसा किचन कैसे बनाएं जहाँ AI सिर्फ एक बटन दबाने वाला न हो, बल्कि एक सच्चा रचनात्मक साथी हो जो अपनी खुद की रेसिपी डिजाइन कर सके और यहाँ तक कि प्रयोग के दौरान अपने स्वयं के कुकिंग टूल्स भी आविष्कार कर सके?
यही वह चुनौती है जिसे ओक रिज नेशनल लेबोरेटरी (Oak-Ridge National Laboratory) की टीम ने अपने नए पेपर AEcroscopyWave के बारे में बताते हुए हल किया है। उन्होंने एक अगली पीढ़ी का प्लेटफॉर्म बनाया है जो एक मानक सूक्ष्मदर्शी (microscope) को एक "सेल्फ-ड्राइविंग" लैब में बदल देता है जहाँ AI एजेंट केवल आदेशों का पालन करने के बजाय, अपने स्वयं के निर्देश लिख सकते हैं।
पुराना तरीका बनाम नई लहर
पुराने सिस्टम को, जिसे AEcroscopy कहा जाता है, एक बहुत ही स्मार्ट लेकिन कठोर GPS की तरह समझें। आप इसे बताते हैं, "इस स्थान पर जाओ, एक तस्वीर लो, फिर अगले स्थान पर जाओ और तापमान मापें।" यह इसे पूरी तरह से और तेज़ी से करता है, यहाँ तक कि स्वचालित रूप से मानचित्र पर दिलचस्प स्थान भी ढूंढ लेता है। लेकिन यदि आप चाहते कि GPS तापमान मापने का एक नया तरीका आविष्कार करे, या सामग्री को यह देखने के लिए कि वह कैसे प्रतिक्रिया करती है एक अजीब, कस्टम-आकार का सिग्नल भेजे, तो यह नहीं कर पाता। यह पहले से बने "वेवफॉर्म्स" (सामग्री को भेजे जाने वाले सिग्नल) की लाइब्रेरी तक ही सीमित था और केवल वॉल्यूम या गति को ही बदल सकता था, सिग्नल के आकार को नहीं।
AEcroscopyWave इस खेल को बदल देता है क्योंकि यह सूक्ष्मदर्शी को एक सॉफ्टवेयर-डिफाइंड इंस्ट्रूमेंट में बदल देता है। कल्पना कीजिए कि यदि आपकी कार में केवल गैस पेडल और ब्रेक नहीं होता, बल्कि एक डैशबोर्ड होता जहाँ आप एक नया तरीका चलाने के लिए कोड टाइप कर सकते थे—शायद एक "होवर मोड" या "स्पाइरल एक्सेलेरेशन"—और आपकी कार आपके लिए तुरंत वह इंजन बना देती।
पेपर तीन प्रमुख क्षेत्रों में एक बड़े अपग्रेड का वर्णन करता है:
- दिमाग और शरीर अलग हैं: पुराने दिनों में, सूक्ष्मदर्शी को नियंत्रित करने वाला कंप्यूटर एक ही बॉक्स में होता था। यदि कोड क्रैश हो जाता, तो पूरी मशीन रुक जाती। AEcroscopyWave इसे अलग करता है। "दिमाग" (AI एजेंट) एक क्लाउड सर्वर पर रहता है, जो प्रयोगों की योजना बनाता है और सुरक्षा की जाँच करता है। "शरीर" (सूक्ष्मदर्शी) लैब में बैठा होता है, जो निर्देशों की प्रतीक्षा करता है। दिमाग एक योजना भेजता है, एक "डिजिटल ट्विन" (एक वर्चुअल सिम्युलेटर) यह परीक्षण करता है कि इससे कुछ टूटेगा तो नहीं, और फिर मानव अंतिम मंजूरी देने से पहले "थम्स-अप" देता है, इससे पहले कि शरीर वास्तव में हिले।
- AI "मानव" भाषा बोल सकता है: टीम ने एक विशेष अनुवादक बनाया है जिसे MCP (Model Context Protocol) सर्वर कहा जाता है। यह AI को सूक्ष्मदर्शी से सामान्य भाषा की अवधारणाओं का उपयोग करके बात करने की अनुमति देता है। एक इंसान को यह कहने के लिए जटिल कोड लिखने की आवश्यकता नहीं है कि "टिप को 5 माइक्रोन हिलाएं," बल्कि AI बस एक "move_tip" टूल मांग सकता है, और सिस्टम जानता है कि इसे कैसे करना है। यह AI को जटिल प्रयोगों को एक साथ जोड़ने में आसान बनाता है।
- नए सिग्नल का आविष्कार करना: यह सबसे शानदार हिस्सा है। सिस्टम अब आर्बिट्ररी वेवफॉर्म्स (arbitrary waveforms) उत्पन्न कर सकता है। एक सूची से "साइन वेव" या "स्क्वायर वेव" चुनने के बजाय, AI किसी विशिष्ट सिद्धांत का परीक्षण करने के लिए कि कोई सामग्री कैसे व्यवहार करती, मौके पर ही एक पूरी तरह से नया, अजीब सिग्नल आकार डिजाइन कर सकता है। यह एक ऐसे संगीतकार की तरह है जो केवल एक प्लेलिस्ट से गाना नहीं चुनता बल्कि यह देखने के लिए कि दर्शक कैसी प्रतिक्रिया देते हैं, वास्तविक समय में एक नई धुन रचता है।
टेस्ट ड्राइव: एक फेरोइलेक्ट्रिक रहस्य
यह साबित करने के लिए कि यह नया सिस्टम काम करता है, शोधकर्ताओं ने BaTiO3 (बेरियम टाइटेनेट) नामक सामग्री की एक पतली परत पर एक परीक्षण चलाया, जो अपनी विद्युत ध्रुवीकरण (electrical polarization) को बदलने (इसे दिशा बदलने वाले छोटे चुंबक के रूप में सोचें) की क्षमता के लिए जानी जाती है।
वे समझना चाहते थे कि "सतह आयन" (सतह पर मौजूद छोटे आवेशित कण) इस स्विचिंग को कैसे प्रभावित करते हैं। इसके लिए, उन्हें सामग्री को वोल्टेज पल्स के एक बहुत ही विशिष्ट अनुक्रम के साथ ज़ैप (zap) करने की आवश्यकता थी: एक रीसेट, एक कंडीशनिंग पल्स, एक प्रतीक्षा समय, और एक टेस्ट पल्स।
पारंपरिक सेटअप में, इस प्रयोग को डिजाइन करना धीमा और कठोर होता। AEcroscopyWave के साथ, AI एजेंट सक्षम था:
- पल्स स्ट्रेंथ और प्रतीक्षा समय के 72 विभिन्न संयोजनों का परीक्षण करने वाला एक रैंडमाइज्ड प्रयोग डिजाइन करने में।
- प्रत्येक विशिष्ट परीक्षण के लिए आवश्यक कस्टम वोल्टेज वेवफॉर्म्स को गतिशील रूप से उत्पन्न करने में।
- प्रयोग को निष्पादित करने, तस्वीरें लेने और परिणामों का स्वचालित रूप से विश्लेषण करने में।
परिणाम बेहद दिलचस्प थे। उन्होंने पाया कि एक "मिडल-ग्राउंड" कंडीशनिंग पल्स (लगभग अधिकतम शक्ति का आधा) सामग्री को बिना किसी पल्स या बहुत मजबूत पल्स की तुलना में अधिक बार अपनी स्थिति बदलने में मदद करती है। हालांकि सांख्यिकीय प्रमाण "सुझावात्मक" थे न कि निर्णायक प्रमाण (संख्याएं करीब थीं लेकिन पूरी तरह स्पष्ट नहीं थीं), प्रयोग ने एक जटिल, नॉन-लीनियर व्यवहार को उजागर किया जिसे इतने लचीले, कस्टम वेवफॉर्म्स के बिना पकड़ना बहुत कठिन होता। उन्होंने यह भी देखा कि सामग्री अलग-अलग स्थानों पर अलग तरह से व्यवहार करती है, जो फिल्म के अंदर दोषों (defects) के छिपे हुए नेटवर्क की ओर इशारा करती है जो सतह के आयनों के साथ परस्पर क्रिया करते हैं।
यह क्यों महत्वपूर्ण है
पेपर यह दावा नहीं करता है कि इसने पदार्थ विज्ञान (materials science) की सभी समस्याओं को हल कर दिया है। इसके बजाय, यह सुझाव देता है कि खोज का भविष्य एजेंटिक AI (agentic AI) में निहित है—ऐसे सिस्टम जो केवल पालन करने के बजाय योजना बना सकते हैं, दोहराव कर सकते हैं और निर्माण कर सकते हैं। AEcroscopyWave दिखाता है कि उपकरणों को "कंपोजेबल" (आसानी से मिलाने योग्य) बनाकर और AI को अपने प्रयोगात्मक प्रोटोकॉल लिखने की क्षमता देकर, हम केवल एक सूची के बॉक्स को चेक करने से आगे बढ़कर वास्तव में अज्ञात की खोज कर सकते हैं।
यह एक ऐसे भविष्य की ओर एक कदम है जहाँ वैज्ञानिक और AI एक कंडक्टर और एक जैज़ बैंड की तरह मिलकर काम करते हैं: मानव विषय (theme) निर्धारित करता है, और AI धुन को सुधारता है (improvise करता है), यह देखने के लिए कि ब्रह्मांड नए स्वर देने के लिए क्या नया संगीत पेश करता है। सिस्टम सुरक्षित है, डिजिटल ट्विन द्वारा मान्य है, और मानव के अंतिम निर्णय के लिए तैयार है, लेकिन यह एक ऐसे स्तर की रचनात्मकता और गति के द्वार खोलता है जो पहले असंभव था।
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।