topas-editor and TOPilot: tools for AI-driven analysis of diffraction and total scattering data

पदार्थों में परमाणुओं की व्यवस्था का अध्ययन करने वाले वैज्ञानिक अक्सर विवर्तन (diffraction) नामक एक तकनीक पर भरोसा करते हैं। कल्पना कीजिए कि आप एक क्रिस्टल के माध्यम से प्रकाश की एक किरण, जैसे कि एक्स-रे या न्यूट्रॉन, भेज रहे हैं। क्रिस्टल के भीतर परमाणु किरण को एक जटिल फिल्टर की तरह बिखेरते हैं, जिससे डिटेक्टर पर धब्बों या रेखाओं का एक विशिष्ट पैटर्न बनता है। यह पैटर्न सामग्री की आंतरिक संरचना का एक अनूिक फिंगरप्रिंट है। बीम कैसे बिखरती है, इसका विश्लेषण करके, शोधकर्ता परमाणुओं की सटीक स्थिति को पुनर्गठित कर सकते हैं, जो एक नए बैटरी पदार्थ की मजबूती से लेकर एक प्राचीन रंगद्रव्य (pigment) के इतिहास तक सब कुछ प्रकट कर सकता है। हालाँकि, इन बिखरे हुए पैटर्न को परमाणु स्थितियों की स्पष्ट तस्वीर में बदलना एक कठिन पहेली है। इसके लिए विशेष सॉफ्टवेयर की आवश्यकता होती है जो डेटा के विरुद्ध लाखों संभावित व्यवस्थाओं का परीक्षण कर सके, एक ऐसी प्रक्रिया जिसमें गहरा विशेषज्ञता की आवश्यकता होती है और अक्सर कंप्यूटर के पालन के लिए जटिल, कस्टम निर्देश लिखने शामिल होते हैं।

वर्षों से, TOPAS नामक एक शक्तिशाली सॉफ्टवेयर सूट इन पहेलियों को हल करने के लिए पसंदीदा उपकरण रहा है। यह सरल क्रिस्टल से लेकर जटिल, अव्यवस्थित पदार्थों तक सब कुछ संभालने में सक्षम है, लेकिन यह टेक्स्ट फाइलों के माध्यम से संचालित होता है जो कोड की तरह दिखती हैं। इन फाइलों को बनाने के लिए सीखने की प्रक्रिया बहुत कठिन है, क्योंकि सिंटैक्स (syntax) में एक भी गलती पूरी विश्लेषण प्रक्रिया को विफल कर सकती है। जबकि यह सॉफ्टवेयर अविश्वसनीय रूप से तेज़ और मजबूत है, इसे सेटअप करने के लिए आवश्यक मानवीय प्रयास ने इसके उपयोग को केवल विशेषज्ञों तक सीमित कर दिया है। अब, शोधकर्ताओं की एक टीम ने इस अंतर को पाटने का एक नया तरीका विकसित किया है, जो TOPAS की कच्ची शक्ति को आधुनिक कृत्रिम बुद्धिमत्ता (AI) की तर्क करने की क्षमता के साथ जोड़ता है। उन्होंने दो जुड़े हुए उपकरण बनाए हैं, एक स्मार्ट एडिटर और एक AI सहायक, जो सॉफ्टवेयर को प्राकृतिक भाषा द्वारा संचालित करने की अनुमति देते हैं, जिससे विश्लेषण के सबसे कठिन हिस्सों को प्रभावी रूप से स्वचालित किया जा सके और साथ ही परिणामों को सत्यापित करने के लिए मानव को प्रक्रिया में शामिल रखा जा सके।

पहला टूल, जिसे topas-editor कहा जाता है, एक डिजिटल कार्यक्षेत्र है जिसे TOPAS की जटिल भाषा को पढ़ना और लिखना आसान बनाने के लिए डिज़ाइन किया गया है। यह एक विशेष नोटबुक की तरह कार्य करता है जो सॉफ्टवेयर के नियमों को समझती है। जैसे ही उपयोगकर्ता निर्देश टाइप करता है, एडिटर कीवर्ड्स को हाइलाइट करता है, तकनीकी शब्दों के लिए तत्काल स्पष्टीकरण प्रदान करता है, और सामान्य गलतियों की स्वचालित रूप से जाँच करता है। यह एक मार्गदर्शक के रूप में कार्य करता है, जो क्रिस्टल संरचना या किसी विशिष्ट प्रयोगात्मक स्थिति का वर्णन करने के सही तरीके का सुझाव देता है। यह इंटरफ़ेस शोधकर्ताओं के लिए सैकड़ों अस्पष्ट कमांड को याद किए बिना सीधे सॉफ्टवेयर के साथ बातचीत करना संभव बनाता है। हालाँकि, वास्तविक नवाचार दूसरे टूल, TOPilot में निहित है, जो एक बुद्धिमान एजेंट के रूप में कार्य करता है जो उपयोगकर्ता के लिए ये निर्देश लिख सकता है।

TOPilot को नियमों और उदाहरणों के एक सेट पर बनाया गया है जो एक कृत्रिम बुद्धिमत्ता को यह सिखाते हैं कि एक अनुभवी क्रिस्टलोग्राफर की तरह कैसे सोचा जाए। केवल अनुमान लगाने के बजाय, AI कोई भी निर्णय लेने से पहले वैज्ञानिक नियमों और संदर्भ दस्तावेजों के एक क्यूरेटेड पुस्तकालय (library) से परामर्श करता है। जब एक शोधकर्ता एक डेटा फ़ाइल और वह जो वे खोजना चाहते हैं उसका एक सरल विवरण प्रदान करता है, तो TOPilot कार्यभार संभाल लेता है। यह स्वचालित रूप से सामग्री के प्रकार की पहचान कर सकता है, उपयोग के लिए सही गणितीय मॉडल निर्धारित कर सकता है, और विश्लेषण चलाने के लिए आवश्यक जटिल टेक्स्ट फ़ाइल बना सकता है। यदि AI को ऐसी समस्या आती है जिसे वह हल नहीं कर सकता, जैसे कि प्रयोगात्मक सेटअप के बारे में अधूरी जानकारी, तो यह खतरनाक अनुमान लगाने के बजाय रुक जाता है और स्पष्टीकरण के लिए मानव उपयोगकर्ता से पूछता है। यह दृष्टिकोण सुनिश्चित करता है कि AI विभिन्न मॉडलों के परीक्षण के दोहराव वाले, समय लेने वाले काम को संभालता है, जबकि मानव विशेषज्ञ महत्वपूर्ण निर्णयों की निगरानी करता है।

शोधकर्ताओं ने इस प्रणाली का परीक्षण वास्तविक दुनिया की विविध चुनौतियों पर किया ताकि यह देखा जा सके कि क्या यह वास्तविक वैज्ञानिक डेटा की जटिलताओं को संभाल सकता है। एक परीक्षण में, उन्होंने AI को Y2O3 नामक एक पदार्थ का एक सिम्युलेटेड पैटर्न दिया था जिसे जानबूझकर त्रुटियों, जैसे कि शिफ्ट बैकग्राउंड और विकृत चोटियों (peaks) के साथ दूषित किया गया था। एक मानक दृष्टिकोण इन परिस्थितियों में विफल हो सकता था, लेकिन AI ने जटिलताओं को सफलतापूर्वक पार कर लिया। इसने त्रुटियों की पहचान की, उन्हें ध्यान में रखने के लिए अपने मॉडल को समायोजित किया, और एक अंतिम परिणाम दिया जो मानव विशेषज्ञ द्वारा किए गए मैनुअल विश्लेषण की गुणवत्ता से मेल खाता था। सिस्टम ने यह कई अलग-अलग मॉडलों के परीक्षण द्वारा किया, यह जाँचकर कि कौन सा डेटा के साथ सबसे अच्छा फिट बैठता है, और फिर अपने निष्कर्षों को एक स्पष्ट, संवादात्मक प्रारूप में रिपोर्ट किया।

एक अन्य उदाहरण में, टीम ने AI को एक पूर्ण समस्या को शुरू से हल करने के लिए कहा, जो एक कच्ची डेटा फ़ाइल से शुरू होकर एक परिष्कृत परमाणु संरचना तक जाती है। वह पदार्थ जिरकोनियम और टंगस्टन युक्त एक जटिल यौगिक था। AI ने क्रिस्टल की दोहराव इकाई (repeating unit) के आकार की सफलतापूर्वक पहचान की, संरचना की सही समरूपता (symmetry) निर्धारित की, और फिर इसके भीतर प्रत्येक परमाणु की स्थिति को परिष्कृत किया। कच्ची डेटा फ़ाइल से लेकर एक तैयार संरचनात्मक मॉडल तक की पूरी प्रक्रिया में केवल कुछ मिनट लगे। सिस्टम ने एक साथ कई नमूनों को संभालने की अपनी क्षमता भी प्रदर्शित की, जैसे कि एक पदार्थ को गर्म करते समय एकत्र किए गए तीस अलग-अलग पैटर्न का विश्लेषण करना, और तापमान के साथ संरचना कैसे बदलती है, इसका स्वतः ही प्लॉट बनाना।

शायद सबसे प्रभावशाली प्रदर्शन "इनकमेंसुरेट" (incommensurate) संरचनाओं वाले पदार्थों से संबंधित था, जहाँ परमाणु व्यवस्था एक सरल, नियमित तरीके से दोहराई नहीं जाती है। ये विश्लेषण के लिए अत्यंत कठिन होते हैं क्योंकि इनके पैटर्न में अतिरिक्त, कमजोर संकेत होते हैं जिन्हें मानक सॉफ्टवेयर अक्सर मिस कर देता है। AI इन सूक्ष्म संकेतों का पता लगाने, संरचना के जटिल मॉड्यूलेशन को निर्धारित करने और डेटा के साथ उच्च सटीकता के साथ मॉडल को परिष्कृत करने में सक्षम था। इसने दो अलग-अलग प्रकार के प्रयोगों, एक्स-रे और न्यूट्रॉन, के डेटा को एक एकल सुसंगत विश्लेषण में मिलाने में भी सफलता प्राप्त की, और स्वचालित रूप से इस बात के लिए समायोजन किया कि दोनों बीम सामग्री के साथ कैसे परस्पर क्रिया करते हैं। इन परीक्षणों के दौरान, सिस्टम ने लगातार ऐसे परिणाम दिए जो मानव विशेषज्ञों द्वारा उत्पन्न परिणामों के समान थे, जिससे सिद्ध हुआ कि AI जटिल, बहु-चरणीय वैज्ञानिक वर्कफ़्लो करने के लिए भरोसेमंद है।

शोधकर्ता इस बात पर जोर देते हैं कि हालांकि AI शक्तिशाली है, लेकिन यह मानव निर्णय का विकल्प नहीं है। सिस्टम को पारदर्शी बनाने के लिए डिज़ाइन किया गया है, जो विस्तृत रिपोर्ट और इंटरैक्टिव ग्राफ प्रदान करता है जिससे उपयोगकर्ता देख सके कि AI ने वास्तव में क्या किया और क्यों। यदि AI कोई ऐसा चुनाव करता है जो असामान्य लगता है, तो उपयोगकर्ता तर्क की समीक्षा कर सकता है और मापदंडों को समायोजित कर सकता है। लक्ष्य वैज्ञानिक को प्रक्रिया से हटाना नहीं है, बल्कि उन्हें कोड लिखने के उबाऊ कार्य से मुक्त करना है ताकि वे परिणामों की व्याख्या करने पर ध्यान केंद्रित कर सकें। टीम ने पाया कि सिस्टम अत्यधिक पुनरुत्पादनीय (reproducible) था; एक ही विश्लेषण को कई बार चलाने से लगभग समान परिणाम मिले, जिसमें केवल उन विकल्पों में मामूली भिन्नता थी जो मानव विशेषज्ञ भी अलग-अलग तरह से कर सकते थे।

यह नया दृष्टिकोण विवर्तन डेटा के विश्लेषण के तरीके में एक महत्वपूर्ण बदलाव का प्रतिनिधित्व करता है। TOPAS सॉफ्टवेयर की गति और विश्वसनीयता को कृत्रिम बुद्धिमत्ता की अनुकूलन क्षमता के साथ जोड़कर, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो सरल चरण पहचान (phase identification) से लेकर सबसे जटिल संरचनात्मक परिशोधन (structural refinements) तक, विवर्तन की पूरी श्रेणी को संभाल सकता है। यह सिस्टम उपयोग के लिए उपलब्ध है, और इसे नए नियमों या उदाहरणों के साथ विस्तारित किया जा सकता है जैसे-जैसे वैज्ञानिक समुदाय नए पदार्थों की खोज करता है। यह कार्य सुझाव देता है कि पदार्थ विज्ञान का भविष्य मानव अंतर्ज्ञान और मशीन स्वचालन के बीच एक साझेदारी हो सकता है, जहाँ कंप्यूटर गणना का भारी काम संभालता है और मानव उन नंबरों का अर्थ समझने के लिए अंतर्दृष्टि प्रदान करता है। परिणाम एक तेज़, अधिक सुलभ तरीका है जिससे परमाणु दुनिया के रहस्यों को उजागर किया जा सके।