क्या 'आर्टिफिशियल इंटेलिजेंस' के इस्तेमाल से ऊर्जा प्रौद्योगिकियों को आगे बढ़ा सकते हैं ?
इंजीनियरिंग कॉलेज के भीतर केमिकल इंजीनियरिंग के पार्टनर प्रोफेसर होंग्लिआंग शिन और उनके सहयोगियों ने एक बिल्कुल नया सिंथेटिक इंटेलिजेंस ढांचा तैयार किया है, जो गैसोलीन कोशिकाओं और कार्बन कैप्चर उपकरणों के साथ-साथ महत्वपूर्ण तकनीक के लिए पदार्थों की खोज में तेजी ला सकता है।
शीर्षक "व्याख्यात्मक प्रतिक्रियाशीलता भविष्यवाणी के लिए गहन ज्ञान प्राप्त करने में विचार", नेचर कम्युनिकेशंस पत्रिका में उनके पेपर में टिननेट के रूप में संदर्भित एक नई तकनीक का विवरण दिया गया है - 'सिद्धांत-संक्रमित तंत्रिका' समुदाय के लिए संक्षिप्त - जो एल्गोरिदम और सिद्धांतों को जानने के लिए सिस्टम-प्राप्ति को जोड़ती है और यह नए उत्प्रेरकों की पहचानने में करती है। उत्प्रेरक ऐसे पदार्थ होते हैं जो रासायनिक प्रतिक्रियाओं को ट्रिगर या तेज करते हैं।
'टिटनेट' पूरी तरह से गहरी महारत पर आधारित है, जिसे मशीन के एक उपक्षेत्र के रूप में भी जाना जाता है, जो मानव मस्तिष्क के काम करने के तरीके की नकल करने के लिए एल्गोरिदम का उपयोग करता है। अंतरराष्ट्रीय शतरंज चैंपियन गैरी कास्परोव पर आईबीएम के डीप ब्लू पीसी की 1996 की जीत मशीन सीखने में 'पहली प्रगति' में से एक थी। हाल ही में, गहन अध्ययन ने प्रौद्योगिकियों के सुधार में एक प्रमुख भूमिका निभाई है जिसमें 'स्वयंचलन' का उपयोग करने वाली कारें भी शामिल हैं।
शीन और उनके सहयोगी दिन-प्रतिदिन की जीवन शैली को बढ़ाने के लिए नई और उच्च शक्ति प्रौद्योगिकी और उत्पादों को विकसित करने के लिए उत्प्रेरण के अनुशासन के भीतर मशीन मास्टरिंग का उपयोग करना चाहते हैं।
शीन ने कहते हैं, "आज आपने जो सामान देखा उनमें से लगभग 90 प्रतिशत स्पष्ट रूप से उत्प्रेरक से आ रहे हैं।" चाल प्रत्येक एप्लिकेशन के लिए कुशल और मजबूत उत्प्रेरक ढूंढ रही है, और नए का पता लगाना मुश्किल हो सकता है।
"यह समझना कि उत्प्रेरक अलग-अलग मध्यवर्ती के साथ कैसे जुड़ते हैं और गोल्डीलॉक्स ज़ोन में रहने के लिए अपनी बंधन ताकत में हेरफेर करने का तरीका केवल हरी उत्प्रेरक प्रक्रियाओं को डिजाइन करने के लिए महत्वपूर्ण बात है," शिन कहते है, "और हमारा निरीक्षण ठीक उसी के लिए एक उपकरण प्रदान करता है।"
शन आगे कहते हैं कि एल्गोरिदम का मशीन-प्राप्त ज्ञान मददगार हो सकता है क्योंकि वे बड़ी सांख्यिकी इकाइयों के जटिल पैटर्न से अवगत हो जाते हैं, जिसे मानव द्वारा सीखना बेहद कठिन सा होता हैं। लेकिन गहन ज्ञान प्राप्त करने में बाधाएं होती हैं, मुख्य रूप से अत्यधिक जटिल रासायनिक अंतःक्रियाओं की भविष्यवाणी करने के संबंध में - एक पसंदीदा विशेषता के लिए सामग्री खोजने का एक महत्वपूर्ण हिस्सा होता हैं। इन अनुप्रयोगों में, बार-बार गहन ज्ञान प्राप्त करना विफल हो जाता है, और अब यह स्पष्ट नहीं हो सकता है कि क्यों ऐसा होता हैं।
केमिकल इंजीनियरिंग स्नातक छात्र और पेपर सह-लेखक हेमंत पिल्लई ने कहा, "अधिकांश मशीन-जानकारी भौतिक गुणों की भविष्यवाणी या वर्गीकरण के लिए विकसित फैशन को अक्सर 'ब्लैक कंटेनर' माना जाता है और संयमित भौतिक अंतर्दृष्टि प्रदान करता है।"
"टिननेट तकनीक अपनी भविष्यवाणी और व्याख्या प्रतिभा का विस्तार करती है, ये दोनों उत्प्रेरक लेआउट में महत्वपूर्ण हैं।" सिवेन वांग ने कहते है। इस अभ्यास में एक केमिकल इंजीनियरिंग स्नातक छात्र और ट्रैक के सह-लेखक भी शामिल हैं।
एक हाइब्रिड विधि, टिननेट सिंथेटिक इंटेलिजेंस के साथ उत्प्रेरण के बेहतर सिद्धांतों को जोड़ती है ताकि शोधकर्ताओं को सामग्री लेआउट के इस "ब्लैक कंटेनर" में यह समझने में सहायता मिल सके कि क्या हो रहा है और क्यों हो रहा है, और यह शोधकर्ताओं को कुछ क्षेत्रों में नई मंजिल को जोड़ने में मदद कर सकता है।
"उम्मीद है कि हम इस पद्धति को नेटवर्क के लिए सामान्य रूप से सुलभ बनाएंगे और अन्य लोग दृष्टिकोण का उपयोग कर सकते हैं और ईमानदारी से अक्षय ऊर्जा और डीकार्बोनाइजेशन प्रौद्योगिकियों के लिए तकनीक का विस्तार कर सकते हैं जो समाज के लिए महत्वपूर्ण हो सकता है," शिन ने कहते हैं, "मुझे लगता है कि यह वास्तव में महत्वपूर्ण युग है जो कुछ और सफलता हासिल करेगा।"
ल्यूक अचेनी, केमिकल इंजीनियरिंग के एक प्रोफेसर, जो सिस्टम का ज्ञान प्राप्त करने के विशेषज्ञ हैं, ने परियोजना पर शिन के साथ सहयोग किया, स्नातक छात्र शिह-हान वांग के अलावा, जिन्होंने पेपर बनाने में मदद की हैं वे अब समूह अपने उत्प्रेरण चित्रों में टिननेट लगाने पर काम कर रहै है। अंडरग्रेजुएट केमिकल इंजीनियरिंग के छात्र एंडी अठावले भी इस प्रयास में शामिल हो गए हैं।
अठावले ने कहते हैं, "मुझे पाठ के दौरान केमिकल इंजीनियरिंग के असाधारण पहलुओं को देखना अच्छा लगता है।" "इसमें बहुत सारे अनुप्रयोग हैं, और आप समझते हैं, यह स्पष्ट रूप से क्रांतिकारी हो सकता है। इसलिए इसका हिस्सा बनना एक उच्च गुणवत्ता वाला कार्य है।"
शीर्षक "व्याख्यात्मक प्रतिक्रियाशीलता भविष्यवाणी के लिए गहन ज्ञान प्राप्त करने में विचार", नेचर कम्युनिकेशंस पत्रिका में उनके पेपर में टिननेट के रूप में संदर्भित एक नई तकनीक का विवरण दिया गया है - 'सिद्धांत-संक्रमित तंत्रिका' समुदाय के लिए संक्षिप्त - जो एल्गोरिदम और सिद्धांतों को जानने के लिए सिस्टम-प्राप्ति को जोड़ती है और यह नए उत्प्रेरकों की पहचानने में करती है। उत्प्रेरक ऐसे पदार्थ होते हैं जो रासायनिक प्रतिक्रियाओं को ट्रिगर या तेज करते हैं।
'टिटनेट' पूरी तरह से गहरी महारत पर आधारित है, जिसे मशीन के एक उपक्षेत्र के रूप में भी जाना जाता है, जो मानव मस्तिष्क के काम करने के तरीके की नकल करने के लिए एल्गोरिदम का उपयोग करता है। अंतरराष्ट्रीय शतरंज चैंपियन गैरी कास्परोव पर आईबीएम के डीप ब्लू पीसी की 1996 की जीत मशीन सीखने में 'पहली प्रगति' में से एक थी। हाल ही में, गहन अध्ययन ने प्रौद्योगिकियों के सुधार में एक प्रमुख भूमिका निभाई है जिसमें 'स्वयंचलन' का उपयोग करने वाली कारें भी शामिल हैं।
शीन और उनके सहयोगी दिन-प्रतिदिन की जीवन शैली को बढ़ाने के लिए नई और उच्च शक्ति प्रौद्योगिकी और उत्पादों को विकसित करने के लिए उत्प्रेरण के अनुशासन के भीतर मशीन मास्टरिंग का उपयोग करना चाहते हैं।
शीन ने कहते हैं, "आज आपने जो सामान देखा उनमें से लगभग 90 प्रतिशत स्पष्ट रूप से उत्प्रेरक से आ रहे हैं।" चाल प्रत्येक एप्लिकेशन के लिए कुशल और मजबूत उत्प्रेरक ढूंढ रही है, और नए का पता लगाना मुश्किल हो सकता है।
"यह समझना कि उत्प्रेरक अलग-अलग मध्यवर्ती के साथ कैसे जुड़ते हैं और गोल्डीलॉक्स ज़ोन में रहने के लिए अपनी बंधन ताकत में हेरफेर करने का तरीका केवल हरी उत्प्रेरक प्रक्रियाओं को डिजाइन करने के लिए महत्वपूर्ण बात है," शिन कहते है, "और हमारा निरीक्षण ठीक उसी के लिए एक उपकरण प्रदान करता है।"
शन आगे कहते हैं कि एल्गोरिदम का मशीन-प्राप्त ज्ञान मददगार हो सकता है क्योंकि वे बड़ी सांख्यिकी इकाइयों के जटिल पैटर्न से अवगत हो जाते हैं, जिसे मानव द्वारा सीखना बेहद कठिन सा होता हैं। लेकिन गहन ज्ञान प्राप्त करने में बाधाएं होती हैं, मुख्य रूप से अत्यधिक जटिल रासायनिक अंतःक्रियाओं की भविष्यवाणी करने के संबंध में - एक पसंदीदा विशेषता के लिए सामग्री खोजने का एक महत्वपूर्ण हिस्सा होता हैं। इन अनुप्रयोगों में, बार-बार गहन ज्ञान प्राप्त करना विफल हो जाता है, और अब यह स्पष्ट नहीं हो सकता है कि क्यों ऐसा होता हैं।
केमिकल इंजीनियरिंग स्नातक छात्र और पेपर सह-लेखक हेमंत पिल्लई ने कहा, "अधिकांश मशीन-जानकारी भौतिक गुणों की भविष्यवाणी या वर्गीकरण के लिए विकसित फैशन को अक्सर 'ब्लैक कंटेनर' माना जाता है और संयमित भौतिक अंतर्दृष्टि प्रदान करता है।"
"टिननेट तकनीक अपनी भविष्यवाणी और व्याख्या प्रतिभा का विस्तार करती है, ये दोनों उत्प्रेरक लेआउट में महत्वपूर्ण हैं।" सिवेन वांग ने कहते है। इस अभ्यास में एक केमिकल इंजीनियरिंग स्नातक छात्र और ट्रैक के सह-लेखक भी शामिल हैं।
एक हाइब्रिड विधि, टिननेट सिंथेटिक इंटेलिजेंस के साथ उत्प्रेरण के बेहतर सिद्धांतों को जोड़ती है ताकि शोधकर्ताओं को सामग्री लेआउट के इस "ब्लैक कंटेनर" में यह समझने में सहायता मिल सके कि क्या हो रहा है और क्यों हो रहा है, और यह शोधकर्ताओं को कुछ क्षेत्रों में नई मंजिल को जोड़ने में मदद कर सकता है।
"उम्मीद है कि हम इस पद्धति को नेटवर्क के लिए सामान्य रूप से सुलभ बनाएंगे और अन्य लोग दृष्टिकोण का उपयोग कर सकते हैं और ईमानदारी से अक्षय ऊर्जा और डीकार्बोनाइजेशन प्रौद्योगिकियों के लिए तकनीक का विस्तार कर सकते हैं जो समाज के लिए महत्वपूर्ण हो सकता है," शिन ने कहते हैं, "मुझे लगता है कि यह वास्तव में महत्वपूर्ण युग है जो कुछ और सफलता हासिल करेगा।"
ल्यूक अचेनी, केमिकल इंजीनियरिंग के एक प्रोफेसर, जो सिस्टम का ज्ञान प्राप्त करने के विशेषज्ञ हैं, ने परियोजना पर शिन के साथ सहयोग किया, स्नातक छात्र शिह-हान वांग के अलावा, जिन्होंने पेपर बनाने में मदद की हैं वे अब समूह अपने उत्प्रेरण चित्रों में टिननेट लगाने पर काम कर रहै है। अंडरग्रेजुएट केमिकल इंजीनियरिंग के छात्र एंडी अठावले भी इस प्रयास में शामिल हो गए हैं।
अठावले ने कहते हैं, "मुझे पाठ के दौरान केमिकल इंजीनियरिंग के असाधारण पहलुओं को देखना अच्छा लगता है।" "इसमें बहुत सारे अनुप्रयोग हैं, और आप समझते हैं, यह स्पष्ट रूप से क्रांतिकारी हो सकता है। इसलिए इसका हिस्सा बनना एक उच्च गुणवत्ता वाला कार्य है।"
टिप्पणियाँ
एक टिप्पणी भेजें