Generating is not discovering: a pre-registered physics judge for AI-proposed superconductors, calibrated on six known superconductors and one negative control

नए अतिचालकों (सुपरकंडक्टर्स)—ऐसे पदार्थ जो बिना किसी प्रतिरोध के बिजली का संचालन करते हैं—की खोज एक नए युग में प्रवेश कर गई है जहाँ आर्टिफिशियल इंटेलिजेंस (AI) को उन्हें कल्पित करने के लिए कहा जा रहा है। दशकों से, वैज्ञानिक जानते हैं कि किसी पदार्थ के अतिचालक बनने के लिए, उसके इलेक्ट्रॉन्स को एक विशिष्ट तरीके से आपस में जुड़ना (पेयर होना) चाहिए, और उस पदार्थ को व्यावहारिक उपयोग के लिए तार के रूप में खींचा जाने लायक पर्याप्त मजबूत होना चाहिए। हाल ही में, शक्तिशाली कंप्यूटर मॉडलों ने लाखों नए क्रिस्टल संरचनाएं बनाना शुरू कर दिया है, जो दावा करते हैं कि वे स्थिर और आशाजनक हैं। हालाँकि, एक महत्वपूर्ण प्रश्न अनसुलझा रह गया है: क्या कंप्यूटर द्वारा उत्पन्न विचार वास्तव में उन भौतिक गुणों को धारण करते हैं जो काम करने के लिए आवश्यक हैं, या वे केवल गणितीय रूप से स्थिर आकार हैं जो भौतिकी के नियमों के परीक्षण में विफल हो जाते हैं? इस क्षेत्र में यह जांचने का कोई मानक तरीका नहीं था कि क्या प्रस्तावित पदार्थ वास्तव में अपने इलेक्ट्रॉन्स को जोड़ पाने में सक्षम है और प्रयोगशाला से वास्तविक दुनिया के अनुप्रयोग तक की यात्रा में जीवित रह सकता है।

रेइनाल्डो इनासियो, जो साओ पाउलो में स्थित एक शोधकर्ता हैं, ने इस प्रश्न का उत्तर देने के लिए एक कठोर परीक्षण प्रणाली बनाई है। वे इसे एक "फिजिक्स जज" (भौतिकी न्यायाधीश) कहते हैं। पिछले तरीकों के विपरीत, जो केवल यह देखते हैं कि क्या कोई संरचना जुड़ी हुई है, यह जज इलेक्ट्रॉन्स के जटिल व्यवहार का अनुकरण करता है ताकि यह देखा जा सके कि क्या वे आपस में जुड़ेंगे और एक अतिचालक अवस्था बनाएंगे। यह प्रणाली एक क्रिस्टल संरचना को इनपुट के रूप में लेती है और उसे सात सख्त चरणों के माध्यम से चलाती है। सबसे पहले, यह पदार्थ की इलेक्ट्रॉनिक संरचना की गणना करती है। फिर, यह इलेक्ट्रॉन्स की गति को ट्रैक करने के लिए एक सरल मॉडल बनाती है। इसके बाद, यह चुंबकीय उतार-चढ़ाव के प्रति पदार्थ की प्रतिक्रिया की गणना करती है, जो वे बल हैं जो अक्सर उच्च-तापमान वाले अतिचालकों में इलेक्ट्रॉन्स को जोड़ने का कारण बनते हैं। अंत में, यह जाँचती है कि क्या उस पदार्थ को तार बनाया जा सकता है, जिसमें क्रिस्टल के बीच की सीमाओं पर इलेक्ट्रॉन्स के व्यवहार और पदार्थ द्वारा तनाव को संभालने जैसे कारकों को देखा जाता है। प्रत्येक चरण पूर्व-निर्धारित नियमों द्वारा शासित है, और पूरी प्रक्रिया को पारदर्शी और पुनरुत्पादक बनाने के लिए डिज़ाइन किया गया है, जहाँ प्रत्येक गणना को दर्ज किया जाता है ताकि कोई भी परिणाम को सत्यापित कर सके।

इस जज की प्रभावशीलता सिद्ध करने के लिए, शोधकर्ता ने पहले इसका परीक्षण नियोबियम और कॉपर-आधारित यौगिक YBa2Cu3O7 सहित छह ज्ञात अतिचालकों पर किया। गणना चलाने से पहले, उन्होंने ठीक से लिख दिया था कि यह जज प्रत्येक पदार्थ के लिए क्या खोजेगा, जिससे "उत्तर कुंजियों" (answer keys) का एक सेट तैयार हुआ। प्रणाली ने सभी छह ज्ञात पदार्थों के लिए सही पेयरिंग व्यवहार की सफलतापूर्वक पहचान की, जिससे पुष्टि हुई कि यह वास्तविक अतिचालकों की भौतिकी को पहचान सकता है। इस जज ने एक 'नेगेटिव कंट्रोल' की भी सही पहचान की: एक ऐसा पदार्थ जो एक ज्ञात अतिचालक के बहुत समान दिखता है लेकिन वास्तव में अतिचालक नहीं है। जब जज ने इस गैर-अतिचालक पदार्थ का विश्लेषण किया, तो उसने सही ढंग से निर्धारित किया कि इलेक्ट्रॉन आपस में नहीं जुड़ेंगे, भले ही उस पदार्थ की संरचना एक कार्यरत पदार्थ के लगभग समान थी। इससे पता चला कि जज सूक्ष्म इलेक्ट्रॉनिक अंतःक्रियाओं के आधार पर काम करने वाले और काम न करने वाले पदार्थों के बीच अंतर करने के लिए पर्याप्त संवेदनशील है।

शोधकर्ता ने फिर वर्तमान आर्टिफिशियल इंटेलिजेंस जनरेटरों के आउटपुट का ऑडिट करने के लिए इस जज का उपयोग किया। उन्होंने AI प्रणालियों द्वारा प्रस्तावित हजारों संरचनाओं की जांच की और उन्हें 'फिजिक्स जज' के माध्यम से चलाया। परिणाम चौंकाने वाले थे। जब जज ने 'मैटरजेन' (MatterGen) नामक एक AI सिस्टम द्वारा उत्पन्न 1,248 नई संरचनाओं का विश्लेषण किया, तो उसे एक भी ऐसा उम्मीदवार नहीं मिला जो नया हो और तार के लिए आवश्यक विशिष्ट इलेक्ट्रॉन पेयरिंग करने में सक्षम हो। इसी तरह, जब जज ने 47,000 से अधिक यौगिकों को एक सार्वजनिक डेटाबेस से स्कैन किया, तो उसने पाया कि हालांकि कई में सही ज्यामितीय आकार था, लेकिन उनमें अतिचालक बनने के लिए आवश्यक इलेक्ट्रॉनिक शक्ति की कमी थी। अध्ययन ने निष्कर्ष निकाला कि वर्तमान पीढ़ी के AI उपकरण स्थिर आकार खोजने में उत्कृष्ट हैं, लेकिन वे अभी तक नई भौतिकी की खोज नहीं कर रहे हैं। AI अनिवार्य रूप से उन सामग्रियों को फिर से खोज रहा है जिन्हें वैज्ञानिक पहले से जानते हैं, या ऐसी संरचनाएं प्रस्तावित कर रहा है जो कागज पर तो आशाजनक दिखती हैं लेकिन इलेक्ट्रॉन पेयरिंग के भौतिक परीक्षण में विफल हो जाती हैं।

यह शोध पत्र तर्क देता है कि नए अतिचालकों की खोज में बाधा अब विचार उत्पन्न करने की क्षमता नहीं, बल्कि उन्हें परखने (जज करने) की क्षमता है। इस पूरे 'फिजिक्स जज' को एक नए पदार्थ पर चलाने की लागत आश्चर्यजनक रूप से कम है, जो पूरे अध्ययन के लिए क्लाउड कंप्यूटिंग लागत के रूप में 200 अमेरिकी डॉलर से भी कम अनुमानित है। शोधकर्ता प्रस्ताव देते हैं कि वैज्ञानिक समुदाय को इस जज को एक सार्वजनिक बेंचमार्क के रूप में अपनाना चाहिए। किसी भी नए AI-जनित पदार्थ को खोज के रूप में मनाने से पहले, उसे यह देखने के लिए इस परीक्षण से गुजरना चाहिए कि क्या उसमें वास्तव में काम करने के लिए भौतिकी है। जब तक इस तरह का परीक्षण लागू नहीं किया जाता, तब तक AI द्वारा प्रस्तावित हजारों "स्थिर" संरचनाएं अपुष्ट विचार बनी रहेंगी। अध्ययन सुझाव देता है कि वास्तविक खोज तभी होगी जब नए विचारों के सृजन को एक कठोर, भौतिकी-आधारित फिल्टर के साथ जोड़ा जाएगा जो उन सामग्रियों को "ना" कह सके जो काम नहीं कर सकतीं, जिससे भविष्य के प्रयास केवल उन उम्मीदवारों पर केंद्रित हों जिनके पास अगली पीढ़ी के सुपरकंडक्टिंग वायर बनने की वास्तविक संभावना हो।