Energetically Driven Structure Matching for Autonomous Total X-ray Scattering Experiments

नई सामग्रियों की खोज की आधुनिक खोज में, वैज्ञानिक तेजी से उन प्रयोगशालाओं की ओर मुड़ रहे हैं जो स्वयं संचालित होती हैं। ये "स्व-चालित प्रयोगशालाएं" (सेल्फ-ड्राइविंग लैबोरेटरीज) रसायनों को मिलाने के लिए रोबोट, परिणामों का विश्लेषण करने के लिए शक्तिशाली कंप्यूटर और आगे क्या करना है यह तय करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करती हैं, जो एक निरंतर चक्र में चलता है। इसका लक्ष्य विशिष्ट गुणों वाली सामग्रियों, जैसे बेहतर बैटरी या अधिक कुशल उत्प्रेरकों (कैटलिस्ट्स) को खोजने की प्रक्रिया को तेज करना है। हालांकि, एक महत्वपूर्ण बाधा बनी हुई है: यह जानना कि रोबोट ने वास्तव में क्या बनाया है। जब कोई मशीन एक सूक्ष्म कण का संश्लेषण करती है, तो कंप्यूटर एक आदर्श आकार की भविष्यवाणी कर सकता है, लेकिन वास्तविक कण गर्मी, सतह के तनाव और परमाणु तनाव के कारण थोड़ा अलग हो सकता है। यदि सिस्टम यह नहीं समझ पाता कि उसने अभी जो सामग्री बनाई है उसकी वास्तविक संरचना क्या है, तो वह प्रभावी ढंग से सीख नहीं सकता या अगली प्रक्रिया का सटीक मार्गदर्शन नहीं कर सकता। कंप्यूटर के आदर्श मॉडल और परमाणु की भौतिक वास्तविकता के बीच का यही अंतर है जहाँ स्वायत्त विज्ञान (ऑटोनॉमस साइंस) में अगली बड़ी सफलता होनी चाहिए।

डेनमार्क की टेक्निकल यूनिवर्सिटी ऑफ डेनमार्क और आईटी यूनिवर्सिटी ऑफ कोपेनहेगन के शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए एक नया तरीका विकसित किया है, जो विशेष रूप से गोल्ड नैनोपार्टिकल्स (सोने के नैनोकणों) से जुड़े प्रयोगों के लिए है। ये सूक्ष्म कण, जो अक्सर केवल कुछ नैनोमीटर चौड़े होते हैं, कई तकनीकों के लिए महत्वपूर्ण हैं, लेकिन उनके परमाणुओं की आंतरिक व्यवस्था यह निर्धारित करती है कि वे कैसे व्यवहार करेंगे। शोधकर्ताओं ने 'टोटल एक्स-रे स्कैटरिंग' नामक एक तकनीक पर ध्यान केंद्रित किया, जहाँ एक्स-रे की एक किरण कणों से टकराती है और एक पैटर्न में वापस आती है जो उनकी परमाणु संरचना को प्रकट करती है। पिछले स्वायत्त प्रयोगों में, सिस्टम प्रायोगिक एक्स-रे पैटर्न की तुलना गोले या अष्टफलक (ऑक्टाहेड्रोन) जैसे पूर्ण, ज्यामितीय आकारों पर आधारित कंप्यूटर-जनित पैटर्न की एक लाइब्रेरी से करता था। यह विधि तेज़ तो थी, लेकिन अक्सर गलतियों का कारण बनती थी। कंप्यूटर रोबोट को बताता था कि उसने एक विशिष्ट आकार बनाया है, लेकिन बाद में पता चलता था कि कण वास्तव में एक अलग आकार या रूप का था क्योंकि कंप्यूटर मॉडल ने इस बात को नजरअंदाज कर दिया था कि जब परमाणु एक सूक्ष्म कण की सतह पर स्वतंत्र होते हैं, तो वे कैसे खिसकते और खिंचते हैं।

इसे हल करने के लिए, टीम ने एक ऐसी विधि पेश की जो कंप्यूटर मॉडलों में ऊर्जा और गर्मी को शामिल करती है। केवल स्थिर, पूर्ण आकारों को देखने के बजाय, उन्होंने मशीन लर्निंग पर आधारित एक परिष्कृत कंप्यूटर प्रोग्राम का उपयोग किया जो यह सिम्युलेट (अनुकरण) कर सके कि सोने के कणों में परमाणु वास्तव में कैसे रिलैक्स (शिथिल) और गति करते हैं। उन्होंने तीन स्तरों के विवरण का परीक्षण किया। पहला था सरल, आदर्श आकार, जो गणना में तेज़ है लेकिन अक्सर गलत होता है। दूसरे में कंप्यूटर को परमाणुओं को "रिलैक्स" करने दिया गया, जिससे उन्हें एक अधिक स्थिर, कम ऊर्जा वाली स्थिति में खिसकने की अनुमति मिली, जिसने आकार की कई त्रुटियों को सुधारा। तीसरा और सबसे विस्तृत स्तर था कणों को यह दिखाने के लिए सिम्युलेट करना जैसे कि वे गर्मी के साथ कंपन कर रहे हों, जिससे एक एकल जमे हुए चित्र के बजाय संभावित आकारों का एक गतिशील बादल बन जाता है। जब उन्होंने इन तीनों दृष्टिकोणों की तुलना गोल्ड नैनोपार्टिकल्स के वास्तविक एक्स-रे डेटा से की, तो परिणाम स्पष्ट थे। सरल मॉडल लगातार कणों के आकार को कम आंकते थे और कभी-कभी एक आकार को दूसरे के साथ भ्रमित कर देते थे। वे मॉडल जिन्होंने परमाणु रिलैक्सेशन को ध्यान में रखा वे बहुत बेहतर थे, लेकिन वे मॉडल जिन्होंने परमाणुओं की तापीय गति (थर्मल मोशन) को शामिल किया, वे वास्तविक प्रायोगिक डेटा से लगभग पूरी तरह मेल खाते थे।

शोधकर्ताओं ने पाया कि सरल मॉडल विफल रहे क्योंकि उन्होंने कणों को कठोर ब्लॉकों के रूप में माना, यह नजरअंदाज करते हुए कि सतह के परमाणु कम बाधित होते हैं और तनाव को कम करने के लिए अक्सर अंदर की ओर खिंचते हैं या खिसकते हैं। यह विरूपण (डिस्टॉर्शन) एक्स-रे के प्रकीर्णन के तरीके को बदल देता है, जिससे कंप्यूटर गलत आकार या रूप का अनुमान लगा लेता है। इन बदलावों को ध्यान में रखने के लिए मशीन-लर्नड मॉडलों का उपयोग करके, सिस्टम समान दिखने वाले आकारों, जैसे कि डेकाहेड्रोन (दस-तरफा आकार) और ऑक्टाहेड्रोन (आठ-तरफा आकार) के बीच अंतर कर सका, जिन्हें सरल मॉडल अक्सर आपस में मिला देते थे। इसके अलावा, टीम ने पाया कि एक वैक्यूम में थोड़े कम तापमान पर कणों का सिम्युलेशन करने से प्राप्त परिणाम पानी में सिम्युलेशन करने के लगभग समान थे, जो एक बड़ा व्यावहारिक लाभ है। इसका मतलब है कि कंप्यूटर वास्तविक समय के उपयोग के लिए संभव बनाने हेतु आसपास के तरल पदार्थ का मॉडल बनाए बिना इन जटिल, गर्मी-जागरूक सिमुलेशन को बहुत तेज़ी से चला सकता है।

इस उच्च स्तर की सटीकता को स्वायत्त प्रयोग की सख्त समय सीमा के भीतर काम करने योग्य बनाने के लिए, टीम ने एक "फनल" (कीप) रणनीति तैयार की। एक ऐसी प्रक्रिया की कल्पना करें जो एक व्यापक जाल के साथ शुरू होती है और जल्दी से सबसे आशाजनक उम्मीदवारों तक संकुचित हो जाती है। सबसे पहले, सिस्टम संभावनाओं की एक विस्तृत श्रृंखला को स्कैन करने के लिए तेज़, सरल मॉडलों का उपयोग करता है और कुछ संभावित आकारों और आकारों की पहचान करता है। फिर, यह केवल उन शीर्ष उम्मीदवारों को लेता है और सूची को परिष्कृत करने के लिए अधिक विस्तृत, ऊर्जा-जागरूक रिलैक्सेशन सिमुलेशन चलाता है। अंत में, यह सबसे बेहतरीन बचे हुए विकल्पों के लिए सबसे अधिक गणनात्मक रूप से महंगी, ताप-सिम्युलेटेड (हीट-सिम्युलेटेड) मॉडलों को लागू करता है। यह पदानुक्रमित दृष्टिकोण (hierarchical approach) सिस्टम को बिना घंटों इंतजार किए सबसे सटीक संरचनात्मक जानकारी प्राप्त करने की अनुमति देता है, जो वास्तविक दुनिया के स्वायत्त संश्लेषण प्रयोग के चक्र से मेल खाता है। परीक्षणों में, यह विधि पंद्रह मिनट की विंडो के भीतर सबसे उपयुक्त संरचना की पहचान कर सकती है, जो एक वास्तविक दुनिया के स्वायत्त संश्लेषण प्रयोग के चक्र के अनुरूप है।

इस कार्य के निहितार्थ केवल गोल्ड नैनोपार्टिकल्स तक ही सीमित नहीं हैं। यह सिद्ध करके कि ऊर्जा-संचालित संरचना मिलान (स्ट्रक्चर मैचिंग) संश्लेषण के समानांतर चल सकता है, शोधकर्ताओं ने एक ऐसा मार्ग दिखाया है जिससे प्रयोगशालाएं न केवल एक पूर्व-निर्धारित योजना का पालन करती हैं, बल्कि जो वे वास्तव में पाती हैं उसके आधार पर अपने लक्ष्यों को अनुकूलित भी कर सकती हैं। यदि सिस्टम को लगता है कि वर्तमान परिस्थितियों में एक विशिष्ट आकार बनाना असंभव है, या कि एक थोड़ा अलग आकार ऊर्जावान रूप से अधिक स्थिर है, तो यह वास्तविक समय में अपने लक्ष्य को अपडेट कर सकता है। यह स्वायत्त विज्ञान को केवल एक स्थिर लक्ष्य को हिट करने से हटाकर, भौतिक रूप से संभव क्या है, उस परिदृश्य की खोज करने की ओर ले जाता है। यह अध्ययन प्रदर्शित करता है कि तीव्र स्क्रीनिंग को लक्षित, उच्च-निष्ठा (हाई-फिडेलिटी) सिमुलेशन के साथ जोड़कर, वैज्ञानिक अंततः स्व-चालित प्रयोगशालाओं को उनके द्वारा बनाई गई सामग्रियों की वास्तविक परमाणु संरचना को देखने की क्षमता दे सकते हैं, जिससे एक अंधे अनुमान को एक स्पष्ट, सूचित निर्णय में बदला जा सकता है।