Do LLM Proposers Improve Budgeted Search for Ionizable Lipids?

मानव शरीर में जीवन रक्षक दवा पहुँचाने की दौड़ में, वैज्ञानिक लिपिड नैनोपार्टिकल्स नामक छोटे, वसा जैसे बुलबुलों पर भरोसा करते हैं। ये बुलबुले सुरक्षात्मक वाहनों के रूप में कार्य करते हैं, जो नाजुक आनुवंशिक निर्देशों को उन कोशिकाओं तक ले जाते हैं जिन्हें उनकी आवश्यकता होती है। इन वाहनों को काम करने के योग्य बनाने की कुंजी एक विशिष्ट घटक में निहित है: आयनाइजेबल लिपिड्स (ionizable lipids)। ये विशेष वसा अणु हैं जो अपने वातावरण के आधार पर अपना विद्युत आवेश बदल सकते हैं, जिससे वे कोशिका के भीतर पहुँचने के बाद खुल सकते हैं और अपने कार्गो (सामान) को मुक्त कर सकते हैं। इन लिपिड्स को डिजाइन करना एक जटिल पहेली है। रसायनशास्त्री विभिन्न रासायनिक निर्माण खंडों (building blocks) को आपस में मिलाकर लाखों संभावित उम्मीदवारों का निर्माण कर सकते हैं, लेकिन प्रत्येक का प्रयोगशाला में परीक्षण करना धीमा, महंगा और एक साथ कितने प्रयोग किए जा सकते हैं इसकी सीमा से बंधा हुआ है। मुख्य चुनौती केवल एक अच्छा लिपिड खोजना नहीं है, बल्कि बजट समाप्त होने से पहले सबसे अच्छा लिपिड खोजना है।

वर्षों से, शोधकर्ताओं ने उम्मीद की थी कि आर्टिफिशियल इंटेलिजेंस, विशेष रूप से लार्ज लैंग्वेज मॉडल्स (LLMs), पारंपरिक तरीकों की तुलना में इस पहेली को तेजी से हल कर सकेंगे। ये कंप्यूटर प्रोग्राम, जो विशाल मात्रा में टेक्स्ट और डेटा पर प्रशिक्षित होते हैं, पैटर्न पहचानने और नए विचार उत्पन्न करने में उत्कृष्ट होते हैं। विचार यह था कि एक AI एक रचनात्मक साथी के रूप में कार्य कर सकता है, जो ऐसे नवीन लिपिड संरचनाओं का प्रस्ताव दे सकता है जिन्हें एक मानव शायद कभी नहीं सोच पाएगा, जिससे बेहतर दवाओं की खोज की गति बढ़ सके। हालाँकि, अब तक, यह जांचने का कोई कठोर तरीका नहीं था कि क्या ये AI सिस्टम सख्त समय और संसाधन सीमाओं के तहत नए अणुओं की खोज करने के विशिष्ट कार्य में वास्तव में बेहतर थे। एक नया अध्ययन LEAF नामक एक ढांचा पेश करता है जो इस प्रश्न का सीधा उत्तर देने के लिए इस सवाल का जवाब देता है, जिसमें आर्टिफिशियल इंटेलिजेंस को स्थापित कंप्यूटर एल्गोरिदम के विरुद्ध एक नियंत्रित, निष्पक्ष मुकाबले में खड़ा किया गया है ताकि यह देखा जा सके कि कौन सबसे पहले प्रभावी लिपिड खोज पाता है।

शोधकर्ताओं ने खोज प्रक्रिया को सिम्युलेट करने के लिए एक डिजिटल प्रयोगशाला स्थापित की। उन्होंने एक विशिष्ट सेट के रासायनिक निर्माण खंडों से निर्मित 30,000 से अधिक संभावित लिपिड संरचनाओं वाला एक विशाल आभासी स्थान बनाया। परीक्षण की वास्तविक लागत की नकल करने के लिए, उन्होंने एक सख्त बजट लागू किया: खोज केवल 40 उम्मीदवारों के प्रदर्शन के लिए "पूछ" सकती थी। इस सिमुलेशन में, प्रत्येक लिपिड का वास्तविक प्रदर्शन वास्तविक प्रयोगात्मक डेटा पर प्रशिक्षित एक 'फ्रोजन' कंप्यूटर मॉडल द्वारा निर्धारित किया गया था, जो एक पूर्ण, अपरिवर्तनीय निर्णायक के रूप में कार्य कर रहा था। लक्ष्य यह देखना था कि कौन सी विधि—आर्टिफिशियल इंटेलिजेंस या क्लासिकल कंप्यूटर सर्च—उन 40 प्रयासों के भीतर उच्चतम प्रदर्शन करने वाले लिपिड्स की पहचान कर सकती है। अध्ययन में चार अलग-अलग लार्ज लैंग्वेज मॉडल्स का परीक्षण किया गया, जो छोटे से लेकर बड़े आकार तक थे, और उनकी तुलना दो मानक बेसलाइन्स से की गई: एक रैंडम सर्च, जो संयोग से उम्मीदवारों को चुनता है, और एक जेनेटिक एल्गोरिदम, जो अब तक मिले सर्वश्रेष्ठ उम्मीदवारों को मिलाकर और उत्परिवर्तित (mutate) करके समाधान विकसित करने वाली एक क्लासिक कंप्यूटर तकनीक है।

परिणाम स्पष्ट और अप्रत्याशित थे। आर्टिफिशियल इंटेलिजेंस के इर्द-गिर्द चल रहे शोर के बावजूद, इनमें से कोई भी लैंग्वेज मॉडल पारंपरिक तरीकों से बेहतर नहीं था। वास्तव में, AI मॉडल एक विशिष्ट अक्षमता के साथ संघर्ष कर रहे थे: वे बार-बार उन्हीं लिपिड्स का सुझाव दे रहे थे जिनका पहले ही परीक्षण किया जा चुका था या जो उनकी स्मृति में मौजूद अणुओं के लगभग समान थे। एक छोटे मॉडल के लिए, इसके सुझावों में से लगभग 80% पहले से देखे गए अणुओं की सटीक डुप्लिकेट थीं। इसका अर्थ था कि बजट का एक बड़ा हिस्सा दोहराव वाले काम में बर्बाद हो गया। यहाँ तक कि जब शोधकर्ताओं ने मॉडल्स को डुप्लिकेट्स से बचने के लिए मजबूर करके इसे ठीक करने की कोशिश की, तब भी AI सरल जेनेटिक एल्गोरिदम या रैंडम सर्च से बेहतर समाधान खोजने में विफल रहा। बड़े मॉडल्स ने डुप्लिकेट्स के मामले में कम गलतियाँ कीं, लेकिन वे बेहतर लिपिड्स खोजने में बेहतर नहीं हुए; वे बस बिना किसी वास्तविक लाभ के खुद को दोहराना बंद कर दिए।

अध्ययन ने यह समझने के लिए गहराई से जांच की कि AI क्यों विफल हुआ। शोधकर्ताओं ने यह जांचा कि क्या मॉडल वास्तव में उनके द्वारा प्रदान की गई जानकारी, जैसे कि पिछले लिपिड्स के प्रदर्शन स्कोर का उपयोग कर रहे थे, ताकि अपने अगले सुझावों का मार्गदर्शन किया जा सके। उन्होंने पाया कि हालांकि मॉडल्स को इस डेटा को देखने के लिए प्रेरित (prompt) किया जा सकता था, लेकिन ऐसा करने से उनके खोज परिणामों में सुधार नहीं हुआ। कुछ परीक्षणों में, मॉडल्स को यह गलत जानकारी दी गई थी कि कौन से लिपिड्स अच्छे हैं, और फिर भी वे अपनी रणनीति को प्रभावी ढंग से बदलने में विफल रहे। AI डेटा के साथ सतही तरीके से जुड़ता हुआ प्रतीत हो रहा था, जो ऐसी तर्कपूर्ण व्याख्याएँ (reasoning text) उत्पन्न कर रहा था जो बुद्धिमान तो दिखती थीं लेकिन बेहतर रासायनिक खोजों में परिवर्तित नहीं हुईं। अध्ययन ने यह भी जांचा कि प्रत्येक विधि द्वारा खोजे गए सर्वश्रेष्ठ लिपिड्स क्या थे। जबकि AI ने कुछ आशाजनक संरचनाएं खोजीं, वे लगातार उन संरचनाओं से बेहतर नहीं थीं जो पुराने, सरल एल्गोरिदम द्वारा खोजी गई थीं। जेनेटिक एल्गोरिदम और रैंडम सर्च भी सीमित बजट के भीतर उच्च-प्रदर्शन वाले लिपिड्स खोजने में उतने ही सक्षम थे।

यह शोध यह सुझाव नहीं देता है कि रसायन विज्ञान में आर्टिफिशियल इंटेलिजेंस का कोई स्थान नहीं है, बल्कि यह इस विशिष्ट कार्य में वर्तमान 'ज़ीरो-शॉट' मॉडल्स की कमियों का एक ठोस निदान प्रदान करता है। विफलता मॉडल्स की बुद्धिमत्ता की कमी के कारण नहीं थी, बल्कि उनके सीमित संसाधनों के उपयोग की अक्षमता के कारण थी। अध्ययन इस बात पर प्रकाश डालता है कि जहाँ हर प्रयोग मायने रखता है, वहाँ केवल एक शक्तिशाली AI होना पर्याप्त नहीं है; सिस्टम को वास्तव में नए विचार प्रस्तावित करने में सक्षम होना चाहिए बिना समय बर्बाद किए। शोधकर्ताओं ने निष्कर्ष निकाला कि नियंत्रित परिस्थितियों में एक निश्चित बजट के तहत, परीक्षण किए गए लैंग्वेज मॉडल्स ने क्लासिकल तरीकों की तुलना में कोई सुधार नहीं दिखाया। बेहतर लिपिड्स खोजने का सबसे कुशल मार्ग, कम से कम अभी के लिए, नवीनतम पीढ़ी के जनरेटिव AI के बजाय दशकों से परिष्कृत किए गए सिद्ध, पारंपरिक एल्गोरिदम ही बना हुआ है।