A Hybrid Quantum Neural Network to Analyse Big Experimental Powder X-ray Diffraction Data
यह शोध पत्र एक हाइब्रिड क्वांटम न्यूरल नेटवर्क फ्रेमवर्क पेश करता है जो पुनरावृत्ति परिशोधन (iterative refinement) के बिना बड़े पैमाने के प्रयोगात्मक पाउडर एक्स-रे विवर्तन डेटासेट से मात्रात्मक चरण मापदंडों (quantitative phase parameters) को सफलतापूर्वक निकालता है, और जटिल सॉलिड ऑक्साइड फ्यूल सेल और लिथियम-आयन बैटरी सामग्रियों के लिए आईबीएम (IBM) क्वांटम कंप्यूटर पर स्थानिक चरण मानचित्रों (spatial phase maps) को सटीक रूप से पुनर्निर्मित करके अपनी व्यावहारिक उपयोगिता का प्रदर्शन करता 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
सामग्री विज्ञान (materials science) की दुनिया में, यह समझना कि कोई चीज़ किस चीज़ से बनी है और उसके भागों की व्यवस्था कैसे है, अक्सर उस पर एक्स-रे की एक शक्तिशाली किरण डालने का मामला होता है। जब ये किरणें एक क्रिस्टलीय ठोस (crystalline solid) से टकराती हैं, तो वे विशिष्ट पैटर्न में बिखर जाती हैं, जिससे एक अनूठा फिंगरप्रिंट बनता है जो सामग्री की आंतरिक संरचना को प्रकट करता है। दशकों से, वैज्ञानिक नई दवाओं से लेकर उन्नत बैटरी तक सब कुछ विश्लेषण करने के लिए इन फिंगरप्रिंट्स का उपयोग करते आए हैं। हालाँकि, आधुनिक अनुसंधान सुविधाएं अब इन पैटर्नों को आश्चर्यजनक गति से उत्पन्न कर सकती हैं, जो एक ही प्रयोग में लाखों चित्र बना सकती हैं। डेटा की इस बाढ़ ने एक बाधा (bottleneck) पैदा कर दी है; पारंपरिक कंप्यूटर इतनी बड़ी मात्रा में डेटा को तेजी से संसाधित करने के लिए संघर्ष करते हैं, जिससे शोधकर्ताओं को प्रतीक्षा करने या उस जानकारी को मैन्युअल रूप से छाँटने के लिए मजबूर होना पड़ता है जिसे वास्तविक समय (real time) में विश्लेषित किया जाना चाहिए।
इस बढ़ती चुनौती को संबोधित करने के लिए, शोधकर्ताओं के एक दल ने एक नए प्रकार के कंप्यूटर प्रोसेसर का परीक्षण करके एक साहसिक कदम उठाया है—एक ऐसा प्रोसेसर जो रोजमर्रा की मशीनों के मानक बाइनरी लॉजिक के बजाय क्वांटम मैकेनिक्स के सिद्धांतों पर काम करता है। उन्होंने केवल एक नियमित कंप्यूटर पर इस प्रक्रिया का अनुकरण (simulate) नहीं किया; उन्होंने वास्तव में यूके के एक अनुसंधान केंद्र में स्थित एक भौतिक क्वांटम कंप्यूटर पर अपना विश्लेषण चलाया। उनका लक्ष्य यह देखना था कि क्या यह उभरती हुई तकनीक वास्तविक दुनिया के ऊर्जा उपकरणों, विशेष रूप से एक सॉलिड ऑक्साइड फ्यूल सेल और एक लिथियम-आयन बैटरी से जटिल एक्स-रे पैटर्न को डिकोड कर सकती है, और उनमें मौजूद प्रत्येक सामग्री की सटीक मात्रा निर्धारित कर सकती है। परिणामों ने दिखाया कि हालांकि वर्तमान क्वांटम हार्डवेयर अभी अपने शुरुआती चरणों में है, यह पहले से ही वास्तविक प्रयोगात्मक डेटा को संभालने में सक्षम है, जिसने इन उपकरणों की आंतरिक संरचना को स्थापित पारंपरिक तरीकों के समान सटीकता के साथ सफलतापूर्वक मैप किया है।
शोधकर्ताओं ने दो विशिष्ट ऊर्जा प्रौद्योगिकियों पर ध्यान केंद्रित किया: एक माइक्रो-मोनोलिथिक सॉलिड ऑक्साइड फ्यूल सेल, जो स्वच्छ ऊर्जा जनरेटर का एक प्रकार है, और एक व्यावसायिक पिन-टाइप लिथियम-आयन बैटरी, जो कई पोर्टेबल इलेक्ट्रॉनिक्स में पाई जाने वाली बैटरी है। दोनों उपकरण आपस में जुड़ी हुई विभिन्न ठोस सामग्रियों के जटिल मिश्रण हैं। यह समझने के लिए कि वे कैसे काम करते हैं या कैसे खराब होते हैं, वैज्ञानिकों को यह जानने की आवश्यकता होती है कि प्रत्येक सामग्री कहाँ स्थित है और उसका अनुपात क्या है। पारंपरिक रूप से, इसके लिए 'इटरेटिव रिफाइनमेंट' (iterative refinement) नामक एक कठिन प्रक्रिया की आवश्यकता होती है, जहाँ कंप्यूटर बार-बार एक मॉडल को तब तक समायोजित करता है जब तक कि वह एक्स-रे डेटा के अनुरूप न हो जाए। यह विधि सटीक है लेकिन धीमी है, विशेष रूप से जब इसे फ्यूल सेल या बैटरी के एक एकल स्कैन में एकत्र किए गए हजारों डेटा बिंदुओं पर लागू किया जाता है।
टीम ने एक नया दृष्टिकोण विकसित किया जो एक छोटे क्वांटम प्रोसेसर को एक मानक क्लासिकल कंप्यूटर के साथ जोड़ता है। उन्होंने एक ऐसी प्रणाली डिजाइन की जहाँ क्वांटम भाग एक विशिष्ट 'फीचर एक्सट्रैक्टर' (feature extractor) के रूप में कार्य करता है। कल्पना कीजिए कि एक्स-रे पैटर्न संख्याओं की एक लंबी, जटिल सूची है। क्वांटम प्रोसेसर इस सूची को लेता है और इसे संख्याओं के एक बहुत छोटे सेट में संकुचित (compress) कर देता है जिसमें सामग्री की संरचना के बारे में आवश्यक जानकारी अभी भी मौजूद होती है। इस संकुचित जानकारी को फिर एक मानक कंप्यूटर प्रोग्राम को पास किया जाता है, जो इसे तेजी से एक मानचित्र (map) में अनुवादित करता है जो प्रत्येक सामग्री के भार और वितरण को दर्शाता है। वास्तविक, अपूर्ण क्वांटम हार्डवेयर पर इसे काम करने के लिए, शोधकर्ताओं ने पहले सिस्टम को सिम्युलेटेड डेटा के एक विशाल पुस्तकालय पर प्रशिक्षित किया जिसमें कृत्रिम शोर (artificial noise) शामिल था, जो भौतिक क्वांटम मशीनों में होने वाली त्रुटियों की नकल करता है। एक बार जब सिस्टम ने सिमुलेशन में इस शोर को संभालना सीख लिया, तो उन्होंने वास्तविक प्रयोगात्मक डेटा का विश्लेषण करने के लिए इसे वास्तविक क्वांटम कंप्यूटर पर स्थानांतरित कर दिया।
प्रयोग में फ्यूल सेल से लगभग 10,000 एक्स-रे पैटर्न और बैटरी से लगभग 18,000 पैटर्न का विश्लेषण किया गया। शोधकर्ताओं ने इन पैटर्नों को एक IBM क्वांटम कंप्यूटर के माध्यम से चलाया, जिसने कुछ ही मिनटों में डेटा को संसाधित किया। आउटपुट एक विस्तृत स्थानिक मानचित्र (spatial map) था जो उपकरणों के भीतर विभिन्न चरणों (phases) के वितरण को दर्शाता है। फ्यूल सेल के लिए, सिस्टम ने एनोड, इलेक्ट्रोलाइट और कैथोड परतों के बीच सफलतापूर्वक अंतर किया, जिसमें छिली हुई सपोर्ट संरचना और सक्रिय सामग्री की पतली परतों की स्पष्ट पहचान की गई। बैटरी के लिए, इसने जेली-रोल डिज़ाइन की सर्पिल संरचना को मैप किया, जिसमें लिथियम कोबाल्ट ऑक्साइड कैथोड, ग्रेफाइट एनोड और विद्युत धारा एकत्र करने वाले पतले धातु के फॉयल को अलग किया गया।
जब टीम ने क्वांटम सिस्टम द्वारा बनाए गए मानचित्रों की तुलना विश्लेषण के पारंपरिक, स्वर्ण-मानक (gold-standard) तरीके से की, तो परिणाम आश्चर्यजनक रूप से समान थे। क्वांटम दृष्टिकोण ने विभिन्न सामग्रियों के बीच की सीमाओं को सही ढंग से पहचाना और प्रत्येक घटक की सापेक्ष मात्रा को सटीक रूप से मापा। फ्यूल सेल में, सामग्री के मुख्य भाग में त्रुटि दर न्यूनतम थी, केवल उन बहुत तीखे किनारों पर मामूली विसंगतियां थीं जहाँ सिग्नल स्वाभाविक रूप से कमजोर होते हैं। बैटरी के मामले में, सिस्टम ने चार अलग-अलग चरणों, जिनमें धातु और कार्बन-आधारित सामग्रियां शामिल हैं, को उच्च सटीकता के साथ अलग करने में सफलता प्राप्त की। सिस्टम ने स्केल फैक्टर्स (scale factors) को भी सफलतापूर्वक रिकवर किया, जो विवर्तन संकेतों (diffraction signals) की तीव्रता को दर्शाते हैं, जिससे इसे विभिन्न सामग्रियों द्वारा एक्स-रे को बिखेरने की शक्ति के विशाल अंतर को समझने में मदद मिली।
यह कार्य यह दावा नहीं करता है कि क्वांटम कंप्यूटर वर्तमान में इस विशिष्ट कार्य के लिए सर्वश्रेष्ठ क्लासिकल सुपरकंप्यूटरों की तुलना में तेज़ या अधिक सटीक हैं। वास्तव में, शोधकर्ता नोट करते हैं कि क्वांटम हार्डवेयर अभी भी भौतिक सीमाओं और शोर के अधीन है। इसके बजाय, यह अध्ययन एक 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य करता है, जो यह प्रदर्शित करता है कि वास्तविक दुनिया के वैज्ञानिक वर्कफ़्लो में बड़े, जटिल डेटासेट को संसाधित करने के लिए भौतिक क्वांटम प्रोसेसर को एकीकृत किया जा सकता है। यह दिखाते हुए कि एक हाइब्रिड सिस्टम वास्तविक प्रयोगात्मक डेटा से मात्रात्मक पैरामीटर सफलतापूर्वक निकाल सकता है, बिना जानकारी को हटाए या केवल सिमुलेशन पर निर्भर हुए, टीम ने भविष्य के अनुप्रयोगों के लिए एक आधार तैयार किया है। जैसे-जैसे क्वांटम हार्डवेयर अधिक स्थिर कनेक्शन और बेहतर त्रुटि सुधार के साथ बेहतर होता जाएगा, यह विधि वैज्ञानिकों को वास्तविक समय में डेटा के विशाल प्रवाह का विश्लेषण करने की अनुमति दे सकती है, जिससे उन सामग्रियों को समझने की नई संभावनाएं खुलेंगी जो हमारी दुनिया को शक्ति प्रदान करती 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।