SALTED: a symmetry-adapted machine-learning program for predicting electron-densities in molecules and materials

परमाणुओं और अणुओं की दुनिया को समझने के लिए, वैज्ञानिक इस बात के मानचित्र पर भरोसा करते हैं कि इलेक्ट्रॉन कहाँ पाए जाने की संभावना है। ये नन्हे, ऋणात्मक रूप से आवेशित कण हैं जो पदार्थ को एक साथ जोड़ने वाले गोंद का काम करते हैं, और उनकी व्यवस्था यह निर्धारित करती है कि सामग्रियाँ कैसे व्यवहार करेंगी, जैसे कि स्टील के बीम की मजबूती से लेकर किसी दवा के प्रोटीन से जुड़ने के तरीके तक। इस मानचित्र को बनाने के लिए सबसे शक्तिशाली उपकरण 'डेंसिटी-फंक्शनल थ्योरी' (density-functional theory) नामक एक विधि है। यह क्वांटम मैकेनिक्स के नियमों के आधार पर इलेक्ट्रॉनों के व्यवहार की गणना करने का एक कठोर तरीका है। हालाँकि, यह विधि अविश्वसनीय रूप से मांग वाली है। इसके लिए अत्यधिक कंप्यूटिंग शक्ति और समय की आवश्यकता होती है, जिसमें अक्सर एक एकल अणु या सामग्री के एक छोटे से हिस्से का अनुकरण करने में भी कई दिन या सप्ताह लग जाते हैं। जैसे-जैसे वैज्ञानिक बड़ी प्रणालियों का अध्ययन करने या उन्हें लंबे समय तक बदलते हुए देखने का प्रयास करते हैं, इन गणनाओं की लागत एक बाधा बन जाती है, जिससे नई सामग्रियों और दवाओं की खोज की गति धीमी हो जाती है।

शोधकर्ताओं की एक टीम ने सटीकता खोए बिना इस बाधा को दूर करने के लिए एक नया दृष्टिकोण विकसित किया है। उन्होंने SALTED नामक एक सॉफ्टवेयर पैकेज बनाया है, जो परमाणुओं के चारों ओर इलेक्ट्रॉन क्लाउड (इलेक्ट्रॉन मेघ) के आकार की भविष्यवाणी करने के लिए मशीन लर्निंग का उपयोग करता है। हर बार पूरी, भारी गणना चलाने के बजाय, यह सॉफ्टवेयर उच्च-गुणवत्ता वाले उदाहरणों के एक छोटे समूह से इलेक्ट्रॉन व्यवहार के पैटर्न को सीखता है। प्रशिक्षित होने के बाद, यह परमाणुओं की नई, अनदेखी व्यवस्थाओं के लिए इलेक्ट्रॉन घनत्व (electron density) को तुरंत उत्पन्न कर सकता है। यह वैज्ञानिकों को सबसे उन्नत क्वांटम गणनाओं के समान ही विवरण तक पहुँच प्रदान करता है, लेकिन बहुत कम समय और लागत में, जिससे उन जटिल सामग्रियों के अनुकरण का मार्ग प्रशत होता है जो पहले पहुंच से बाहर थीं।

इस नए उपकरण का मूल आधार इलेक्ट्रॉन घनत्व का वर्णन करने का एक चतुर तरीका है। इलेक्ट्रॉन क्लाउड के प्रत्येक बिंदु को मैप करने के बजाय, शोधकर्ता इलेक्ट्रॉन क्लाउड को प्रत्येक परमाणु के केंद्र में स्थित टुकड़ों में विभाजित करते हैं। कल्पना कीजिए कि इलेक्ट्रॉन क्लाउड एक जटिल मूर्ति है; हवा में हर वक्र और छाया का वर्णन करने के बजाय, सॉफ्टवेयर उस मूर्ति का वर्णन प्रत्येक परमाणु के चारों ओर रखे गए विशिष्ट आकारों और आकारों की सूची बनाकर करता है। यह विधि अत्यधिक कुशल है क्योंकि यह स्थानीय रासायनिक वातावरण पर ध्यान केंद्रित करती है। यदि दो अलग-अलग अणुओं में परमाणुओं की व्यवस्था समान है, तो सॉफ्टवेयर पहचान लेता है कि उन परमाणुओं के आसपास के इलेक्ट्रॉन क्लाउड भी समान दिखेंगे, जिससे वह एक प्रणाली से सीखी गई बातों को दूसरी प्रणाली में स्थानांतरित कर पाता है।

यह सॉफ्टवेयर उन उपकरणों के साथ सहजता से काम करने के लिए बनाया गया है जिनका वैज्ञानिक पहले से ही उपयोग करते हैं। यह तीन प्रमुख प्रोग्रामों के साथ सीधे जुड़ता है जो भारी क्वांटम गणनाएं करते हैं: CP2K, FHI-aims, और PySCF। शोधकर्ता इन परिचित प्रोग्रामों का उपयोग संदर्भ डेटा की एक छोटी लाइब्रेरी बनाने के लिए कर सकते हैं—जो अनिवार्य रूप से इलेक्ट्रॉन घनत्व के "गोल्ड स्टैंडर्ड" उदाहरणों का एक सेट है। फिर SALTED इन उदाहरणों का अध्ययन करता है ताकि परमाणुओं की स्थिति और परिणामी इलेक्ट्रॉन आकारों के बीच के संबंध को समझा जा सके। क्योंकि यह सॉफ्टवेयर प्रकृति की मौलिक समरूपताओं (symmetries) का सम्मान करने के लिए डिज़ाइन किया गया है, इसलिए इसे हर संभव परिदृश्य को याद रखने की आवश्यकता नहीं है। इसके बजाय, यह समझता है कि इलेक्ट्रॉन कैसे व्यवहार करने के नियम हैं, जो इसे बहुत कम उदाहरण देखने के बावजूद परिणामों की भविष्यवाणी करने में बहुत सक्षम बनाता है। यह एक महत्वपूर्ण लाभ है, क्योंकि उच्च-स्तरीय क्वांटम गणनाएं महंगी होती हैं, इसलिए वैज्ञानिकों के पास अक्सर केवल सीमित डेटा बिंदु ही होते हैं।

इस कार्यक्रम की सबसे विशिष्ट विशेषताओं में से एक इसकी विद्युत क्षेत्र (electric field) लागू किए जाने पर इलेक्ट्रॉन क्लाउड की प्रतिक्रिया की भविष्यवाणी करने की क्षमता है। जिस तरह एक चुंबक के पास चुंबक लाने पर वह हिल जाता है, वैसे ही विद्युत बल लगाने पर इलेक्ट्रॉन क्लाउड भी खिसक जाता है और विकृत हो जाता है। सॉफ्टवेयर इस प्रतिक्रिया को सीख सकता है, जिससे यह भविष्यवाणी की जा सकती है कि घनत्व वास्तविक समय में कैसे बदलता है। यह क्षमता उन सामग्रियों को समझने के लिए महत्वपूर्ण है जो बिजली का संचालन करती हैं या सेंसर के रूप में प्रतिक्रिया देती हैं, जैसे कि बैटरियों के इलेक्ट्रोड या सौर सेल की सतहें। इस गतिशील व्यवहार को कैप्चर करके, यह उपकरण वास्तविक दुनिया की स्थितियों में सामग्रियाँ कैसे कार्य करती हैं, इसका एक पूर्ण चित्र प्रदान करता है।

शोधकर्ताओं ने पहले ही व्यावहारिक वैज्ञानिक वर्कफ़्लो में इस दृष्टिकोण का परीक्षण किया है, और परिणाम गति में नाटकीय सुधार दिखाते हैं। आयनिक कैपेसिटर के अनुकरण से जुड़े एक अनुप्रयोग में, इस मशीन-लर्निंग मॉडल के उपयोग ने पारंपरिक तरीकों की तुलना में इलेक्ट्रोस्टैटिक बलों की गणना में एक हजार गुना तेजी से काम किया। इस गति वृद्धि ने शोधकर्ताओं को ऐसे सिमुलेशन चलाने की अनुमति दी जो अन्यथा असंभव होते, जैसे कि सामग्रियों की मुड़ी हुई परतों (twisted layers) के इलेक्ट्रॉनिक गुणों का अत्यंत बड़े क्षेत्रों पर अध्ययन करना। यह सॉफ्टवेयर अन्य महत्वपूर्ण गुणों की गणना को भी सक्षम बनाता है, जैसे कि कोई सामग्री कैसे ध्रुवीकृत (polarize) होती है या यह प्रकाश के साथ कैसे परस्पर क्रिया करती है, जो सीधे अनुमानित इलेक्ट्रॉन घनत्व से प्राप्त होते हैं।

यह उपकरण वैज्ञानिक समुदाय के लिए सुलभ और लचीला बनाने के लिए डिज़ाइन किया गया है। यह एक ओपन-सोर्स पैकेज है, जिसका अर्थ है कि कोड का उपयोग, निरीक्षण और सुधार कोई भी कर सकता है। यह स्पष्ट चरणों में व्यवस्थित है: डेटा तैयार करना, मॉडल को प्रशिक्षित करना और भविष्यवाणियां करना। यह संरचना शोधकर्ताओं को अपना काम रोकने, अपनी प्रगति को सहेजने और बाद में फिर से शुरू करने की अनुमति देती है, जो शक्तिशाली सुपर कंप्यूटरों पर बड़े डेटासेट के साथ काम करते समय आवश्यक है। सॉफ्टवेयर पर्दे के पीछे के जटिल गणित को संभालता है, और डेटा को प्रोसेस करने के लिए कुशल एल्गोरिदम का उपयोग करता है जिससे उपयोगकर्ता को मशीन लर्निंग का विशेषज्ञ होने की आवश्यकता नहीं होती। यह क्वांटम भौतिकी की भारी मेहनत और आधुनिक डेटा विज्ञान की गति के बीच के अंतर को पाटता है।

इलेक्ट्रॉन घनत्वों की तेजी से और सटीक रूप से भविष्यवाणी करने का तरीका प्रदान करके, यह कार्य सामग्री की खोज के लिए एक नया मार्ग प्रदान करता है। वैज्ञानिक अब विशाल रासायनिक स्थानों का पता लगा सकते हैं, हजारों संभावित सामग्रियों का परीक्षण उसी समय में कर सकते हैं जिसमें पहले केवल कुछ का अध्ययन किया जाता था। चाहे लक्ष्य बेहतर बैटरी, अधिक कुशल उत्प्रेरक (catalysts), या नवीन इलेक्ट्रॉनिक उपकरण डिजाइन करना हो, इलेक्ट्रॉन क्लाउड को स्पष्ट और तेजी से देखने की क्षमता एक शक्तिशाली संपत्ति है। यह सॉफ्टवेयर भौतिकी के मौलिक नियमों को प्रतिस्थापित नहीं करता है; बल्कि, यह एक अत्यधिक प्रशिक्षित मार्गदर्शक के रूप में कार्य करता है जो इलाके को इतनी अच्छी तरह जानता है कि वह हर कदम को दोबारा दोहराने की आवश्यकता के बिना आगे का रास्ता दिखा सकता है। यह दृष्टिकोण पदार्थ के विस्तृत अनुकरण को वैज्ञानिक अनुसंधान का एक दुर्लभ और महंगा विलासिता के बजाय, अनुसंधान का एक नियमित हिस्सा बनाने की दिशा में एक महत्वपूर्ण कदम है।