← नवीनतम पेपर
🔬 संघनित पदार्थ

Machine-accelerated extraction of experimental superconducting parameters for physical insight and prediction across thousands of materials

यह शोध पत्र AutoSuperCon को प्रस्तुत करता है, जो 47,000 से अधिक arXiv प्रीप्रिंट्स से लार्ज लैंग्वेज मॉडल्स के माध्यम से निकाले गए 20,354 प्रयोगात्मक रूप से सत्यापित सुपरकंडक्टिंग मापदंडों का एक बड़े पैमाने का डेटाबेस है, जो हजारों सुपरकंडक्टर्स के लिए नए भौतिक अंतर्दृष्टि और सटीक मशीन लर्निंग भविष्यवाणियों को सक्षम बनाता है।

मूल लेखक: Mihir Manium, Benjamin Geisler, Peter J. Hirschfeld, Amalia I. Coldea

प्रकाशित 2026-11-13
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Mihir Manium, Benjamin Geisler, Peter J. Hirschfeld, Amalia I. Coldea

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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

सुपरकंडक्टर्स (अतिचालक) वे सामग्रियां हैं जो बिना किसी प्रतिरोध के बिजली प्रवाहित कर सकती हैं, जिसका अर्थ है कि ऊर्जा ऊष्मा के रूप में नष्ट नहीं होती है। यह गुण उन्हें मेडिकल स्कैनर्स में शक्तिशाली चुंबकों से लेकर भविष्य के लॉसलेस (ऊर्जा हानि रहित) पावर ग्रिड तक की तकनीकों के लिए एक अत्यंत महत्वपूर्ण लक्ष्य बनाता है। हालांकि, इन अनुप्रयोगों में उपयोगी होने के लिए, केवल उस तापमान को जानना पर्याप्त नहीं है जिस पर कोई सामग्री सुपरकंडक्टिंग बनती है। इंजीनियरों को यह भी जानने की आवश्यकता है कि वह सामग्री कितने चुंबकीय क्षेत्र को सहन कर सकती है इससे पहले कि वह काम करना बंद कर दे, और वह कितनी विद्युत धारा ले जा सकती है। दशकों तक, नए सुपरकंडक्टर्स खोजना एक सटीक विज्ञान के बजाय संयोग का खेल रहा है, जहाँ कॉपर-आधारित और आयरन-आधारित सुपरकंडक्टर्स जैसी प्रमुख खोजें बिना किसी पूर्व सैद्धांतिक भविष्यवाणी के सामने आईं। जबकि कंप्यूटरों का हाल ही में उपयोग यह अनुमान लगाने के लिए किया गया है कि कौन से रासायनिक नुस्खे काम कर सकते हैं, वे उस प्रारंभिक तापमान के अलावा अन्य महत्वपूर्ण गुणों के विश्वसनीय डेटा की कमी के कारण सीमित रहे हैं।

शोधकर्ताओं की एक टीम ने अब इस समस्या को हल करने के लिए एक विशाल नया डिजिटल पुस्तकालय बनाया है, जिससे एक ऐसा संसाधन तैयार हुआ है जो अंततः कंप्यूटरों को सुपरकंडक्टिविटी की पूरी कहानी सीखने की अनुमति दे सकता है। उन्होंने एक स्वचालित प्रणाली विकसित की जिसने एक सार्वजनिक आर्काइव पर प्रकाशित 47,0नों से अधिक वैज्ञानिक शोध पत्रों को पढ़ा, और विशिष्ट प्रयोगात्मक संख्याओं को निकालने के लिए उन्नत भाषा सॉफ्टवेयर का उपयोग किया। इसका परिणाम 'AutoSuperCon' नामक एक डेटाबेस है, जिसमें लगभग 7,000 विभिन्न सुपरकंडक्टिंग सामग्रियों के लिए 20,000 से अधिक प्रविष्टियाँ शामिल हैं। इस संग्रह में न केवल वह तापमान शामिल है जिस पर कोई सामग्री सुपरकंडक्टिंग बनती है, बल्कि आठ अन्य प्रमुख माप भी शामिल हैं, जैसे कि अधिकतम चुंबकीय क्षेत्र जिसे वह सहन कर सकती है, वह गहराई जहाँ तक चुंबकीय क्षेत्र उसमें प्रवेश कर सकता है, और ऊर्जा अंतराल (energy gap) का आकार जो इलेक्ट्रॉनों को आपस में जुड़ने की अनुमति देता है। डेटा सटीक सुनिश्चित करने के लिए, टीम ने अपने निष्कर्षों की मौजूदा रिकॉर्ड के साथ क्रॉस-चेक की, और पाया कि उनका स्वचालित निष्कर्षण उच्च सटीकता के साथ मानव-क्यूरेटेड डेटा से मेल खाता है। उन्होंने 1976 के एक सर्वेक्षण के ऐतिहासिक मापों को भी शामिल किया जो पहले एक स्कैन किए गए दस्तावेज़ में बंद था जिसे मानक कंप्यूटर पढ़ नहीं सकते थे, और आधुनिक विजन सॉफ्टवेयर की मदद से उसे डिजिटाइज़ किया।

इस विशाल नए डेटासेट के साथ, शोधकर्ता सुपरकंडक्टर्स के व्यवहार के बारे में लंबे समय से चली आ रही सिद्धांतों का परीक्षण करने में सक्षम हुए। उन्होंने पाया कि जबकि पुराने सिद्धांत यह भविष्यवाणी करते थे कि एक सुपरकंडक्टर कितना मजबूत चुंबकीय क्षेत्र सहन कर सकता है, इसकी एक सख्त सीमा होती है, उनके डेटाबेस की लगभग 30 प्रतिशत सामग्रियां वास्तव में इस सीमा से अधिक हैं। यह सुझाव देता है कि कई आधुनिक सुपरकंडक्टर्स उस शासन (regime) में कार्य करते हैं जिसे मानक सिद्धांत पूरी तरह से स्पष्ट नहीं करते हैं। उन्होंने यह भी खोजा कि इन सामग्रियों में ऊर्जा अंतराल अक्सर अपेक्षा से बहुत अधिक होता है, विशेष रूप से कॉपर-आधारित और आयरन-आधारित परिवारों में, जो यह दर्शाता है कि इलेक्ट्रॉन जोड़ों को एक साथ रखने वाले बल पारंपरिक सामग्रियों की तुलना में बहुत अधिक मजबूत हैं। इसके अलावा, टीम ने इन सामग्रियों के ऑपरेटिंग तापमान के लिए एक स्पष्ट ऊपरी सीमा की पहचान की, जो सीधे तौर पर सामग्री के भीतर सुपरकंडक्टिंग द्रव के घनत्व से जुड़ी हुई प्रतीत होती है। यह संबंध हजारों अलग-अलग यौगिकों में सत्य सिद्ध होता है, जो भौतिक रूप से क्या संभव है, इसके लिए एक नया मात्रात्मक नियम प्रदान करता है।

इस कार्य का सबसे तात्कालिक अनुप्रयोग सामग्रियों के बनने से पहले ही उनके गुणों की भविष्यवाणी करने की क्षमता में है। शोधकर्ताओं ने अपने रासायनिक घटकों के आधार पर क्रिटिकल टेम्परेचर और वह अधिकतम चुंबकीय क्षेत्र जो एक सामग्री झेल सकती है, इसका अनुमान लगाने के लिए कंप्यूटर मॉडल को प्रशिक्षित किया। ये मॉडल ज्ञात परिवारों के भीतर की सामग्रियों के लिए अत्यधिक सटीक थे, जिन्होंने हजारों 'होल्ड-आउट' उदाहरणों के लिए क्रिटिकल टेम्परेचर की सही भविष्यवाणी की। हालांकि, अध्ययन ने इस दृष्टिकोण की एक कठिन सीमा को भी उजागर किया: जब इन मॉडलों से सामग्रियों के पूरी तरह से नए परिवारों के गुणों की भविष्यवाणी करने के लिए कहा गया, तो वे पूरी तरह विफल रहे। इसका अर्थ है कि जबकि डेटाबेस ज्ञात रासायनिक क्षेत्रों के भीतर उम्मीदवारों की स्क्रीनिंग के लिए एक शक्तिशाली उपकरण है, यह अभी तक सुपरकंडक्टर्स के पूरी तरह से अज्ञात वर्ग की विशेषताओं की भविष्यवाणी नहीं कर सकता है। यह कार्य प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस अब दशकों के वैज्ञानिक साहित्य में दबी हुई छिपी जानकारी को निकालने और व्यवस्थित करने में सक्षम है, जिससे बिखरे हुए प्रयोगात्मक नोट्स को अगली पीढ़ी के सुपरकंडक्टिंग सामग्रियों की खोज के लिए एक संरचित आधार में बदला जा सकता है।

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।

Digest आज़माएँ →