MASON: Materials Atomistic Structure builder Operated in Natural language

सामग्री विज्ञान (materials science) की दुनिया में, शोधकर्ताओं को अक्सर यह समझने के लिए कि चीजें परमाणु स्तर पर कैसे काम करती हैं, सूक्ष्म और सटीक पदार्थ के मॉडल बनाने की आवश्यकता होती है। कल्पना कीजिए कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि एक नई बैटरी चार्ज कैसे रखेगी या एक दवा कोशिका के साथ कैसे प्रतिक्रिया करेगी; वैज्ञानिक ऐसा करने के लिए विशिष्ट पैटर्न में व्यवस्थित परमाणुओं के डिजिटल संस्करण बनाते हैं। ये पैटर्न, जिन्हें क्रिस्टल संरचनाएं (crystal structures) कहा जाता है, कंप्यूटर चिप्स में सिलिकॉन से लेकर जेट इंजनों में धातुओं तक, हर चीज़ के ब्लूप्रिंट होते हैं। इनका अध्ययन करने के लिए, वैज्ञानिक सिमुलेशन चलाने हेतु शक्तिशाली कंप्यूटरों का उपयोग करते हैं, लेकिन कंप्यूटर के काम शुरू करने से पहले, एक मनुष्य को मॉडल का निर्माण करना होता है। यह एक नाजुक कार्य है। यदि परमाणुओं को थोड़ा भी गलत रखा गया, तो पूरा सिमुलेशन विफल हो जाता है, और परिणाम अर्थहीन हो जाते हैं। दशकों से, इस चरण के लिए एक शोधकर्ता को जटिल कंप्यूटर कोड लिखना पड़ता था या मैन्युअल रूप से 3D आकृतियों को बदलना पड़ता था, जो एक धीमी, मानवीय त्रुटियों के प्रति संवेदनशील और कृत्रिम बुद्धिमत्ता (AI) की नई पीढ़ी के लिए स्वयं से संभालना कठिन प्रक्रिया थी।

शोधकर्ताओं ने अब MASON नामक एक नया उपकरण पेश किया है, जिसे मानव इरादे और डिजिटल निर्माण के बीच के इस अंतर को पाटने के लिए डिज़ाइन किया गया है। यह प्रणाली वैज्ञानिकों को अपनी आवश्यकता वाली संरचना का वर्णन साधारण अंग्रेजी में करने की अनुमति देती है, और एक आर्टिफिशियल इंटेलिजेंस एजेंट उन शब्दों को एक सटीक, त्रुटिहीन परमाणु मॉडल में अनुवादित करता है। AI से ऐसा कोड लिखने के लिए कहने के बजाय जिसमें गलतियाँ हो सकती हैं, MASON उसे सीधे उपयोग करने के लिए समर्पित विशेष उपकरणों का एक सेट प्रदान करता है। इसे एक निर्माता को सीमेंट मिलाने और हर बार शून्य से ईंटें आकार देने के बजाय, पहले से बने, पूरी तरह से कैलिब्रेटेड ईंटों और एक हथौड़े का सेट देने के रूप में समझें। शोधकर्ताओं ने प्रदर्शित किया कि यह दृष्टिकोण विश्वसनीय रूप से काम करता है, जिससे एक AI "कार्बन मोनोऑक्साइड को प्लैटिनम की सतह से चिपके हुए" जैसे सरल अनुरोध को लेकर एक जटिल, वैज्ञानिक रूप से वैध संरचना तैयार कर सकता है जो सिमुलेशन के लिए तैयार हो।

मुख्य चुनौती जिसे शोधकर्ताओं ने संबोधित किया है वह यह है कि जबकि आधुनिक AI बातचीत कर सकता है और समस्याओं पर तर्क कर सकता है, वह क्रिस्टलोग्राफी (crystallography) के विशिष्ट, कठोर नियमों के साथ संघर्ष करता है। अतीत में, यदि कोई वैज्ञानिक चाहता था कि AI एक मॉडल बनाए, तो AI को इसे करने के लिए एक प्रोग्राम लिखना पड़ता था। यह जोखिम भरा है क्योंकि कोड में एक छोटी सी त्रुटि के कारण परमाणु आपस में टकरा सकते हैं या ऐसी संरचना बन सकती है जो वास्तविकता में मौजूद नहीं है। MASON सिस्टम इस गतिशीलता को बदलकर एक विशेष सर्वर के रूप में कार्य करता है जो AI और निर्माण प्रक्रिया के बीच स्थित होता है। जब एक शोधकर्ता प्रश्न पूछता है, तो AI अनुरोध को चरणों के एक क्रम में तोड़ देता है और प्रत्येक चरण को निष्पादित करने के लिए MASON को बुलाता है। MASON फिर उस ऑपरेशन को निष्पादществित करता है, जैसे कि क्रिस्टल का एक स्लाइस काटना या एक गायब परमाणु को जोड़ना, और तुरंत रिपोर्ट करता है कि उसने क्या बनाया है। यह फीडबैक लूप सुनिश्चित करता है कि यदि कोई चरण गलत हो जाता है, तो AI परिणाम देख सकता है और मॉडल के अंतिम होने से पहले अपने अगले कदम को सुधार सकता है।

यह प्रणाली उपकरणों की पांच मुख्य श्रेणियों में व्यवस्थित है जो मॉडल बनाने के पूरे जीवनचक्र को कवर करती हैं। पहला, यह मौजूदा संरचनाओं का विश्लेषण कर सकता है ताकि यह जांचा जा सके कि वे वैध हैं या नहीं, परमाणुओं की गिनती कर सकता है और उनके बीच की दूरी माप सकता है। दूसरा, यह एक क्रिस्टल के बड़े संस्करण बना सकता है या विशिष्ट दोष पेश कर सकता है, जैसे कि किसी दोष को दर्शाने के लिए एक परमाणु को हटाना। तीसरा, यह एक सपाट सतह बनाने के लिए सामग्री के एक ब्लॉक को काट सकता है, जो यह अध्ययन करने के लिए आवश्यक है कि रसायन धातुओं के साथ कैसे क्रिया करते हैं। चौथा, यह उन सतहों पर अणुओं को सटीक स्थानों पर रख सकता है। अंत में, यह यह देखने के लिए दो अलग-अलग सामग्रियों को मिला सकता है कि वे एक साथ कैसे फिट होती हैं, जिसे हेटरोस्ट्रक्चर (heterostructure) बनाना कहा जाता है। हर मामले में, टूल ज्यामिति (geometry) का भारी काम करता है, यह सुनिश्चित करता है कि परमाणु सही ढंग से व्यवस्थित हों और समरूपता (symmetry) बनी रहे।

प्रणाली काम करती है, यह सिद्ध करने के लिए, शोधकर्ताओं ने कार्बन मोनोऑक्साइड के प्लैटिनम की सतह पर अधिशोषण (adsorption) का मॉडल बनाने का एक पूर्ण उदाहरण प्रस्तुत किया। प्रक्रिया बल्क प्लैटिनम की मूल संरचना को पढ़ने और उसके आकार को सत्यापित करने के लिए AI द्वारा MASON से पूछने के साथ शुरू हुई। इसके बाद, AI ने MASON को इस सामग्री का एक पतला स्लाइस काटने का निर्देश दिया, विशेष रूप से चार परमाणु मोटी परत, और एक ठोस ब्लॉक की नकल करने के लिए निचली दो परतों को स्थिर करने को कहा। सिस्टम ने इस स्लाइस को एक बड़े सतही क्षेत्र में विस्तारित किया और उन विशिष्ट स्थानों की पहचान की जहाँ कार्बन मोनोऑक्साइड का अणु जुड़ सकता है। अंत में, AI ने M रूप से एक विशिष्ट खोखले स्थान (hollow spot) से ठीक दो एंगस्ट्रॉम ऊपर अणु को रखने का निर्देश दिया। इस पूरी श्रृंखला के दौरान, जिसमें दस से अधिक अलग-अलग टूल कॉल्स शामिल थे, AI को आयामों और परमाणुओं की व्यवस्था पर निरंतर अपडेट प्राप्त हुआ। अंतिम परिणाम एक पूर्ण, तीन-आयामी मॉडल था जो प्रत्येक ज्यामितीय जांच में सफल रहा, और सिमुलेशन चलाने के लिए सुपरकंप्यूटर के लिए तैयार था।

शोधकर्ताओं ने इसकी विश्वसनीयता सुनिश्चित करने के लिए अन्य कई चुनौतियों पर भी इसका परीक्षण किया। उन्होंने सफलतापूर्वक ग्राफीन नैनोरिबन, कार्बन परमाणुओं की मुड़ी हुई परतों और सिलिकॉन कार्बाइड तथा सिलिकॉन के बीच जटिल इंटरफेस के मॉडल बनाए। प्रत्येक मामले में, AI ने निर्माण के मार्गदर्शन के लिए प्राकृतिक भाषा के अनुरोध का उपयोग किया, और MASON ने सटीक निष्पादन प्रदान किया। उदाहरण के लिए, एक deфект (missing atom) वाले सिलिकॉन क्रिस्टल का मॉडल बनाने के लिए कहे जाने पर, सिस्टम ने सही ढंग से पहचाना कि क्रिस्टल की समरूपता कैसे बदली और शेष परमाणुओं की नई व्यवस्था की रिपोर्ट की। जब दो अलग-अलग सामग्रियों को मिलाने के लिए कहा गया, तो सिस्टम ने तनाव को कम करने के लिए उनके परमाणु ग्रिड को संरेखित करने के सर्वोत्तम तरीके की गणना की, और चयन के लिए विकल्प AI के सामने प्रस्तुत किए। अठारह परीक्षण किए गए उदाहरणों में से सभी में, AI द्वारा बनाए गए ढांचे गणितीय रूप से सुसंगत और ज्यामितीय रूप से सुदृढ़ थे, जो मैन्युअल गणनाओं के परिणामों से मेल खाते थे।

यह कार्य वैज्ञानिक अनुसंधान को अधिक स्वायत्त बनाने की दिशा में एक महत्वपूर्ण कदम है। AI एजेंटों को विश्वसनीय, विशेष उपकरणों से लैस करके, शोधकर्ताओं ने बुनियादी संरचनात्मक कार्यों के लिए AI को अपना स्वयं का कोड लिखने की आवश्यकता से मुक्त कर दिया है। यह त्रुटि की संभावना को कम करता है और AI को निर्माण के यांत्रिक विवरणों के बजाय वैज्ञानिक तर्क पर ध्यान केंद्रित करने की अनुमति देता है। यह प्रणाली ओपन-सोर्स है, जिसका अर्थ है कि अन्य वैज्ञानिक अपने स्वयं के मॉडल बनाने के लिए इसका उपयोग कर सकते हैं, और इसे किसी भी AI फ्रेमवर्क के साथ काम करने के लिए डिज़ाइन किया गया है जो 'मॉडल कॉन्टेक्स्ट प्रोटोकॉल' (Model Context Protocol) का समर्थन करता है। अंतिम लक्ष्य केवल मॉडल तेजी से बनाना नहीं है, बल्कि एक ऐसा वर्कफ़्लो बनाना है जहाँ एक शोधकर्ता साधारण भाषा में एक वैज्ञानिक प्रश्न बता सके, और AI प्रारंभिक परमाणु व्यवस्था से लेकर अंतिम डेटा विश्लेषण तक, प्रयोग को स्थापित करने की पूरी प्रक्रिया को संभाल सके। हालांकि वर्तमान संस्करण संरचनाओं के निर्माण पर केंद्रित है, लेकिन इसी दृष्टिकोण को अंततः सिमुलेशन चलाने और परिणामों का विश्लेषण करने के लिए भी लागू किया जा सकता है, जो इस क्षेत्र को एक ऐसे भविष्य के करीब ले जाता है जहाँ वैज्ञानिक लक्ष्य निर्धारित करते हैं और मशीनें उनका निष्पादन करती हैं।