Phenomenon-first problem formulation with language models in metal-organic frameworks

पदार्थ विज्ञान की विशाल दुनिया में, शोधकर्ता अक्सर नए पदार्थों की खोज के लिए एक विशिष्ट लक्ष्य निर्धारित करके करते हैं, जैसे कि ऐसा पदार्थ खोजना जो अधिक हाइड्रोजन संग्रहीत कर सके या कार्बन डाइऑक्साइड को अधिक कुशलता से छान सके। वे कंप्यूटर से किसी संख्या को अनुकूलित (optimize) करने के लिए कहते हैं, जैसे क्षमता या गति, और फिर उस लक्ष्य तक पहुँचने वाले पदार्थ की तलाश करते हैं। हालाँकि, खोज के बारे में सोचने का एक दूसरा तरीका भी है। "इस काम के लिए सबसे अच्छा पदार्थ क्या है" यह पूछने के बजाय, कोई यह पूछ सकता है कि "यदि हम इन दो चीजों को एक साथ मिला दें तो क्या अजीब और अप्रत्याशित हो सकता है?" यह दृष्टिकोण उपयोगिता के बजाय व्यवहार पर केंद्रित है। यह गुणात्मक घटनाओं (qualitative phenomena) की तलाश करता है—ऐसी अनूठी भौतिक कहानियाँ जो तब उभरती हैं जब एक अतिथि अणु (guest molecule), जैसे कि कोई गैस या तरल, एक विशिष्ट आकार या रासायनिक व्यक्तित्व वाले मेजबान पदार्थ (host material) के साथ परस्पर क्रिया करता है। इस कहानी में मेजबान पदार्थ 'मेटल-ऑरगैनिक फ्रेमवर्क्स' (MOFs) हैं, जो धातु के बिंदुओं से बने और जैविक स्ट्रट्स (struts) से जुड़े सूक्ष्म स्पंज की तरह होते हैं। इन स्पंजों में छोटे, जटिल छिद्र होते हैं जहाँ अणुओं को फँसाया जा सकता है। इस शोध को चलाने वाला प्रश्न यह था कि क्या एक कृत्रिम बुद्धिमत्ता (AI) एक अतिथि अणु के व्यवहार के बुनियादी नियमों और एक मेजबान पदार्थ की बुनियादी क्षमताओं को देखकर, बिना यह बताए कि उसे क्या खोजना है या किस पदार्थ का उपयोग करना है, उनके बीच होने वाली एक नई और संभावित भौतिक कहानी का आविष्कार कर सकती है।

कोरिया एडवांस्ड इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी के एक शोधकर्ता ने एक उन्नत भाषा मॉडल (large language model), जो पाठ की विशाल मात्रा पर प्रशिक्षित एक प्रकार का उन्नत कंप्यूटर प्रोग्राम है, का उपयोग करके इस विचार का परीक्षण करने का निर्णय लिया। उन्होंने कंप्यूटर से बेहतर बैटरी या बेहतर फिल्टर खोजने के लिए नहीं कहा। इसके बजाय, उन्होंने मॉडल को तीन अलग-अलग जानकारियां दीं: एक अतिथि अणु की भौतिक प्रकृति का विवरण, एक मेजबान पदार्थ क्या करने में सक्षम है इसका विवरण, और परिचालन स्थितियाँ (operating conditions), जैसे तापमान या दबाव। मॉडल को फिर इन सामग्रियों की परस्पर क्रिया से उत्पन्न होने वाले एक गैर-स्पष्ट, असामान्य व्यवहार की कल्पना करने के लिए कहा गया। इसे एक विशिष्ट तंत्र (mechanism) प्रस्तावित करना था, यह बताना था कि यह कैसे पता लगाया जाए कि व्यवहार वास्तविक है, और यह समझाना था कि कौन सी बात इस विचार को गलत साबित करेगी। शोधकर्ता ने मेहमानों और मेजबानों के अस्सी अलग-अलग संयोजनों को तैयार किया, जिसमें हाइड्रोजन जैसी सरल गैसों से लेकर इथेनॉल और पानी जैसे मिश्रणों तक शामिल थे। कंप्यूटर ने नए भौतिक परिघटनाओं के लिए सत्तावन विशिष्ट प्रस्ताव दिए, जबकि इसने स्वीकार किया कि वह अन्य तेईस मामलों के लिए एक अद्वितीय कहानी नहीं खोज सका। इस प्रक्रिया ने दिखाया कि मॉडल केवल ज्ञात गुणों को अनुकूलित करने से आगे बढ़ सकता है और इसके बजाय नए वैज्ञानिक प्रश्नों को तैयार करने में एक रचनात्मक भागीदार के रूप में कार्य कर सकता है।

यह देखने के लिए कि क्या ये विचार वास्तव में काम करते हैं, शोधकर्ता ने सबसे आशाजनक प्रस्तावों को चुनने और वास्तविक पदार्थों के विरुद्ध उनका परीक्षण करने का निर्णय लिया। उन्होंने केवल उस पदार्थ की तलाश नहीं की जो संयोग से फिट बैठता हो; बल्कि उन्होंने उन पदार्थों की तलाश की जो कंप्यूटर द्वारा अनुमानित विशिष्ट, असामान्य व्यवहार को वास्तव में प्रदर्शित कर सकें। इनमें से दो भविष्यवाणियां सफल केस स्टडी के रूप में उभरीं। पहली घटना एक छिद्रयुक्त पदार्थ के भीतर इथेनॉल और पानी के मिश्रण से संबंधित थी। कंप्यूटर ने परिकल्पना की कि यदि किसी पदार्थ में हाइड्रोजन-बॉन्डिंग साइट्स का एक विशिष्ट पैटर्न हो, तो पानी मिलाने से पहले से ही फँसे हुए इथेनॉल के अणुओं को अपनी दिशा बदलने (flip) के लिए मजबूर किया जा सकता है। शुष्क अवस्था में, इथेनॉल एक दिशा में पदार्थ से चिपका रहेगा, लेकिन पानी के आगमन से एक 'फ्लिप्ड' संस्करण स्थिर हो जाएगा जहाँ अणु घूम जाता है। जब शोधकर्ता ने वास्तविक मेटल-ऑगैनिक फ्रेमवर्क्स में इस परिदृश्य का अनुकरण (simulation) किया, तो उन्होंने पाया कि भविष्यवाणी सही थी। विशिष्ट सामग्रियों में, पानी के जुड़ने से वास्तव में इथेनॉल को पुनर्गठित होने के कारण, एक शुष्क, एंकर किए गए राज्य से एक गीले, घूमे हुए (flipped) राज्य में बदल गया, जबकि वह उसी छोटे पॉकेट में फँसा रहा। यह केवल अवशोषित तरल की मात्रा में परिवर्तन नहीं था; यह अणुओं की व्यवस्था में एक मौलिक परिवर्तन था, ठीक वैसा ही जैसा मॉडल ने सुझाव दिया था।

दूसरी सफलता की कहानी अत्यंत कम तापमान पर हाइड्रोजन गैस से जुड़ी थी। कंप्यूटर ने प्रस्तावित किया कि एक ऐसे पदार्थ में जिसमें दो अलग-अलग प्रकार के जुड़े हुए छिद्र हों—एक गहरा और संकीकर, दूसरा उथला और चौड़ा—तापमान कम होने पर हाइड्रोजन का व्यवहार उल्टा हो जाएगा। शास्त्रीय रूप से, हाइड्रोजन गहरे, अधिक आकर्षक पॉकेट को पसंद करेगा। हालाँकि, मॉडल ने सुझाव दिया कि क्वांटम प्रभाव, जो बहुत हल्के अणुओं के लिए कम तापमान पर महत्वपूर्ण हो जाते हैं, गहरे पॉकेट को बहुत प्रतिबंधात्मक बना देंगे। संकीर्ण स्थान में 'कन्फाइनमेंट पेनल्टी' इतनी बड़ी हो जाएगी कि हाइड्रोजन वास्तव में उथले, अधिक खुले पॉकेट को पसंद करेगा। शोधकर्ता ने हजारों वास्तविक मेटल-ऑगैनिक फ्रेमवर्क्स के डेटाबेस पर विस्तृत सिमुलेशन चलाकर इसका परीक्षण किया। उन्होंने पाया कि कुछ सामग्रियों में, कंप्यूटर की भविष्यवाणी सच साबित हुई: जैसे-जैसे तापमान गिरा, हाइड्रोजन की आबादी गहरे क्षेत्र से उथले क्षेत्र की ओर स्थानांतरित हो गई, जो शास्त्रीय अपेक्षा को चुनौती देती है। यह रिवर्सल हाइड्रोजन परमाणुओं की क्वांटम प्रकृति द्वारा संचालित था, जिसने एक सूक्ष्म भौतिक संबंध की पुष्टि की जिसे मॉडल ने किसी विशिष्ट पदार्थ को चुनने से पहले ही पहचान लिया था।

अध्ययन ने मॉडल को अतिथि और मेजबान दोनों जानकारी देने की तुलना उस सरल दृष्टिकोण से भी की जहाँ मॉडल को केवल अतिथि दिया गया और उसे अनुमान लगाना था कि किस प्रकार के मेजबान की आवश्यकता होगी। जब शोधकर्ता ने मेजबान की क्षमताओं को स्पष्ट रूप से प्रदान किया, तो मॉडल ने व्यवहार की बहुत अधिक विविध श्रेणियों को खोजा। इसने व्यवहार के इक्कीस अलग-अलग परिवारों की खोज की, जबकि केवल अतिथि-आधारित दृष्टिकोण ने आठ ही खोजे। यह सुझाव देता है कि कंप्यूटर को मेजबान की क्षमताओं की एक स्पष्ट तस्वीर देने से उसे संभावनाओं के बारे में अधिक व्यापक रूप से सोचने में मदद मिलती है, भले ही यह कुल मिलाकर कम विचार उत्पन्न करे। शोधकर्ता ने सावधानीपूर्वक नोट किया कि ये परिणाम कंप्यूटर सिमुलेशन के माध्यम से प्राप्त किए गए थे और उपयोग किए गए मॉडल वास्तविकता के अनुमान मात्र थे। उन्होंने यह दावा नहीं किया कि उन्होंने एक नई मशीन बनाई है या प्रयोगशाला प्रयोग में इन प्रभावों को देखा है, लेकिन सिमुलेशन इतने मजबूत थे कि वे दिखा सकें कि ये घटनाएं भौतिक रूप से संभावित थीं और आगे की जांच के योग्य थीं।

अंततः, यह कार्य दर्शाता है कि कृत्रिम बुद्धिमत्ता विज्ञान में कैसे सहायता कर सकती है। केवल एक पूर्व-निर्धारित कार्य को निष्पादित करने वाले उपकरण के रूप में नहीं, बल्कि मॉडल स्वयं कार्यों के निर्माता के रूप में कार्य करता है। इसने बुनियादी भौतिक घटकों को लिया और उन्हें पदार्थ कैसे व्यवहार करता है, इसकी नई, परीक्षण योग्य कथाओं में पिरो दिया। शोधकर्ता ने जोर दिया कि यह प्रक्रिया अभी भी मानव वैज्ञानिकों द्वारा निर्देशित थी जिन्होंने प्रश्नों को तैयार किया, उम्मीदवारों का चयन किया और परिणामों की व्याख्या की। कंप्यूटर ने वैज्ञानिक का स्थान नहीं लिया, बल्कि उसे 'अपस्ट्रीम' (upstream) देखने का एक तरीका प्रदान किया, जिससे उन प्रश्नों को तैयार किया जा सके जो नई खोजों की ओर ले जा सकते हैं। कंप्यूटर के विचारों को मौजूदा साहित्य को देखने या विशिष्ट सामग्री चुनने से पहले ही फ्रीज (freeze) करके, टीम ने यह सुनिश्चित किया कि सुझाव वास्तव में भविष्योन्मुखी (prospective) थे। इथेनॉल पुनर्गठन और हाइड्रोजन रिवर्सल की सफलता यह दर्शाती है कि यह "फिनोमेनन-फर्स्ट" (घटना-प्रथम) दृष्टिकोण छिपे हुए भौतिक संबंधों को उजागर कर सकता है, जिससे नए पदार्थों की खोज को दुनिया के काम करने के तरीके के बारे में नई कहानियों की खोज में बदल दिया गया है।