বিচ্ছিন্ন উপাদান-সাহিত্যকে এআই একটি আবিষ্কার-ইঞ্জিনে রূপ দিচ্ছে
সিউল ন্যাশনাল ইউনিভার্সিটির গবেষকেরা বলেছেন, তারা কৃত্রিম বুদ্ধিমত্তা ব্যবহার করে শত শত বৈজ্ঞানিক প্রবন্ধে ছড়িয়ে থাকা তথ্য বের করে ও সংগঠিত করে সীসামুক্ত ডাইইলেকট্রিক উপাদান অনুসন্ধান দ্রুত করার একটি উপায় তৈরি করেছেন, তারপর সেই তথ্যকে পদার্থবিদ্যা-নির্দেশিত মেশিন লার্নিংয়ের সঙ্গে মিলিয়ে সম্ভাবনাময় যৌগ চিহ্নিত করেছেন যা পরীক্ষামূলক যাচাইয়ের জন্য উপযুক্ত।
এই কাজ পদার্থবিজ্ঞানের গবেষণায় একটি পরিচিত সমস্যাকে লক্ষ্য করে: আরও ভালো উপাদান নকশার জন্য প্রয়োজনীয় প্রমাণ প্রায়ই থাকে, কিন্তু তা একটি বৃহৎ সাহিত্যভাণ্ডারে পাঠ্য, সারণি ও চার্টের মধ্যে খণ্ড খণ্ডভাবে ছড়িয়ে থাকে। ফলে প্রচলিত আবিষ্কার-প্রক্রিয়া ধীর ও শ্রমসাধ্য হয়ে পড়ে, বিশেষত এমন ক্ষেত্রে যেখানে কর্মক্ষমতা একসঙ্গে একাধিক বৈশিষ্ট্যের ভারসাম্যের ওপর নির্ভর করে।
এক্ষেত্রে লক্ষ্য হলো এমন সীসামুক্ত ডাইইলেকট্রিক, যা উচ্চ তাপমাত্রায়ও স্থিতিশীল কর্মক্ষমতা বজায় রাখে। এই উপাদানগুলো গুরুত্বপূর্ণ, কারণ ডাইইলেকট্রিক সরাসরি কারেন্টের প্রবাহ আটকাতে আটকে রেখে বৈদ্যুতিক চার্জ সংরক্ষণ করে, ফলে স্মার্টফোন, বৈদ্যুতিক যানবাহন এবং নানা ধরনের ইলেকট্রনিক্সে ব্যবহৃত মাল্টিলেয়ার সিরামিক ক্যাপাসিটরের কেন্দ্রীয় উপাদান হয়ে ওঠে।
এই উপাদানগুলো কেন গুরুত্বপূর্ণ
ডাইইলেকট্রিক উপাদান আধুনিক ইলেকট্রনিক্সের মৌলিক অংশ। বেশি ডাইইলেকট্রিক ধ্রুবক থাকলে একই আকারের একটি উপাদান আরও বেশি বৈদ্যুতিক শক্তি সঞ্চয় করতে পারে, যা ছোট ডিভাইসের জন্য মূল্যবান। কিন্তু শুধু ধারণক্ষমতা যথেষ্ট নয়। বাস্তব ব্যবহারের জন্য উপাদানটিকে কাজের সময়ের তাপমাত্রার পরিসর জুড়েও স্থিতিশীল থাকতে হয়।
এই শর্ত একটি কঠিন নকশা-সমস্যা তৈরি করে। কোনো উপাদান একটি কর্মক্ষমতা সূচকে আকর্ষণীয় দেখালেও অন্যটিতে ব্যর্থ হতে পারে, এবং গবেষকদের ঐতিহাসিকভাবে ক্ষেত্র সংকুচিত করতে পুনরাবৃত্ত পরীক্ষানিরীক্ষা ও বিশেষজ্ঞের অন্তর্দৃষ্টির ওপর নির্ভর করতে হয়েছে। সিউল ন্যাশনাল ইউনিভার্সিটির দল বলছে, তাদের পদ্ধতি এই অনুসন্ধানকে সীমিত পরিচিত প্রার্থীর তালিকা থেকে নয়, বরং একটি লক্ষ্য কর্মক্ষমতা-প্রোফাইল থেকে শুরু করতে সাহায্য করার জন্য তৈরি।
গবেষণাটি একটি ইনভার্স-ডিজাইন পদ্ধতি বর্ণনা করে। কোনো নির্দিষ্ট সংযোজন দিয়ে শুরু করে তা লক্ষ্য পূরণ করে কিনা মাপার বদলে, সিস্টেম আগে এমন সংযোজন চিহ্নিত করে যেগুলোর প্রয়োজনীয় বৈশিষ্ট্য পূরণের সম্ভাবনা বেশি। এতে ল্যাবের ভূমিকা অন্ধ অনুসন্ধান থেকে কেন্দ্রীভূত যাচাইয়ে বদলে যায়।
সিস্টেমটি কীভাবে তৈরি হয়েছে
গবেষকেরা বহুমাত্রিক সাহিত্য-খননকে পদার্থবিদ্যা-নির্দেশিত মেশিন লার্নিংয়ের সঙ্গে মিলিয়েছেন। সাহিত্য-খনন অংশটি শুধু গদ্য নয়, সারণি ও গ্রাফ থেকেও স্বয়ংক্রিয়ভাবে তথ্য বের করে, যা একটি গুরুত্বপূর্ণ ধাপ, কারণ উপাদান-সংক্রান্ত মূল তথ্য প্রায়ই এমন বিন্যাসে থাকে যা পদ্ধতিগতভাবে খুঁজে বের করা কঠিন।
এই পদ্ধতি ব্যবহার করে দলটি 448টি প্রবন্ধ থেকে সংগৃহীত 1,202টি ডাইইলেকট্রিক-গুণগত রেকর্ড নিয়ে একটি ডেটাসেট তৈরি করেছে। এটি নিজেই একটি উল্লেখযোগ্য ফল, কারণ পদার্থবিজ্ঞানের গবেষণায় মেশিন লার্নিং প্রয়োগের সবচেয়ে বড় বাধাগুলোর একটি হলো প্রকাশিত সাহিত্য থেকে ব্যবহারযোগ্য, কাঠামোবদ্ধ তথ্য জোগাড় করা।
ডেটাসেট প্রস্তুত হওয়ার পর, দলটি ভৌত জ্ঞান-নির্দেশিত মেশিন লার্নিং ব্যবহার করে একটি ভার্চুয়াল সংযোজন-অঞ্চল অন্বেষণ করে এমন সীসামুক্ত ডাইইলেকট্রিক প্রার্থী শনাক্ত করেছে, যারা উচ্চ তাপমাত্রার অবস্থায়ও শক্তিশালী কর্মক্ষমতা ধরে রাখতে পারে। এর গুরুত্ব কেবল এই নয় যে এআই ব্যবহার করা হয়েছে, বরং এটি ডোমেইন-নির্ভর সীমাবদ্ধতার সঙ্গে বাঁধা ছিল, কেবল সাধারণ প্যাটার্ন-ম্যাচিং টুল হিসেবে নয়।
এই পার্থক্যটি গুরুত্বপূর্ণ। উপাদান আবিষ্কারে এমন অনেক আপাত সম্পর্ক থাকে যা পরীক্ষায় ব্যর্থ হয় বা অজানা রসায়নে প্রসারিত করলে ভেঙে পড়ে। পদার্থবিদ্যা-নির্দেশিত পদ্ধতি সেই ঝুঁকি কমাতে চায়, মডেলকে এমন সীমানার ভেতর অনুসন্ধান করিয়ে যা বৈজ্ঞানিকভাবে অর্থবহ।
চেষ্টা-ভিত্তিক অনুসন্ধান থেকে লক্ষ্যভিত্তিক অনুসন্ধানে
গবেষকেরা এই কাজকে চেষ্টা-ত্রুটি-নির্ভর আবিষ্কার থেকে ডেটা-চালিত নকশার দিকে বৃহত্তর রূপান্তরের অংশ হিসেবে দেখছেন। এই ধারণা বহু বছর ধরে আলোচিত হলেও, প্রাসঙ্গিক ডেটাসেট জোগাড় করা এবং সেগুলোকে বাস্তব পরীক্ষামূলক ওয়ার্কফ্লোর সঙ্গে যুক্ত করার অসুবিধার কারণে বাস্তব প্রয়োগ প্রায়ই সীমিত থেকেছে।
এই গবেষণা সেই বাধা অতিক্রমের একটি পথ দেখায়। সাহিত্যভাণ্ডারে ইতিমধ্যে ছড়িয়ে থাকা তথ্য খুঁড়ে এনে সিস্টেমটি কার্যত সেই ডেটা পুনরুদ্ধার করে, যা অন্যথায় বিচ্ছিন্ন প্রবন্ধেই রয়ে যেত। এটি প্রকাশিত ফলাফলকে একটি বড়, অনুসন্ধানযোগ্য নকশা-অঞ্চলে রূপান্তর করে।
এর দুটি প্রভাব আছে। প্রথমত, ল্যাবে তৈরি করার মতো উপাদান শনাক্ত করতে যে সময় লাগে তা কমাতে পারে। দ্বিতীয়ত, এটি কোনো বিজ্ঞানীর তাত্ক্ষণিক পরিচিতির গণ্ডি ছাড়িয়ে অনুসন্ধানকে প্রসারিত করতে পারে, এমন সমন্বয় সামনে এনে যা সম্ভাব্য হলেও স্পষ্ট নয়। উদীয়মান ইলেকট্রনিক্স ও বিদ্যুতায়িত সিস্টেমের জন্য এই দুই সুবিধাই গুরুত্বপূর্ণ, কারণ উপাদান কর্মক্ষমতা, তাপীয় সহনশীলতা এবং উপাদান নিরাপত্তা ক্রমেই একে অপরের সঙ্গে মিশে যাচ্ছে।
সীসামুক্ত দিকটিও গুরুত্বপূর্ণ। সীসা এড়ানো উপাদান পরিবেশগত ও নিয়ন্ত্রক কারণে আকর্ষণীয়, কিন্তু কর্মক্ষমতা না হারিয়ে সীসাযুক্ত সিস্টেমের বিকল্প খুঁজে পাওয়া দীর্ঘদিনের চ্যালেঞ্জ। কার্যকর বিকল্প খুঁজে পাওয়ার সম্ভাবনা বাড়ানো কোনো পদ্ধতি ভোক্তা ইলেকট্রনিক্স, যানবাহন সিস্টেম এবং উচ্চ তাপমাত্রার প্রয়োগে downstream প্রাসঙ্গিকতা পেতে পারে, যেখানে ক্যাপাসিটরের কর্মক্ষমতা গুরুত্বপূর্ণ।
একটি উপাদান-শ্রেণির বাইরেও এর অর্থ
এই গবেষণার বিস্তৃত তাৎপর্য সম্ভবত কোনো একক প্রার্থী উপাদানের চেয়ে বেশি করে এর কর্মপ্রবাহে নিহিত। যদি বহুমাত্রিক সাহিত্য-খনন বিচ্ছিন্ন প্রকাশিত প্রমাণকে নির্ভরযোগ্যভাবে প্রশিক্ষণ-মানের ডেটাসেটে রূপান্তর করতে পারে, তবে একই পদ্ধতি এমন অন্যান্য উপাদান-শ্রেণিতেও প্রয়োগ করা যেতে পারে যেখানে মূল্যবান তথ্য প্রচুর কিন্তু কাঠামোবদ্ধ নয়।
তাতে এআই এমন গবেষণা পরিবেশে আরও কার্যকর হবে, যেখানে বিশাল মালিকানাধীন ডেটাবেস দিয়ে শুরু হয় না। বরং বৈজ্ঞানিক প্রকাশনাই আবিষ্কারের অবকাঠামোর অংশ হয়ে ওঠে। তখন মডেল কেবল প্রবন্ধ পড়ে না; এটি দশকের সঞ্চিত ফলাফলকে এমন একটি মেশিন-অনুসন্ধানযোগ্য মানচিত্রে রূপ দিতে সাহায্য করে, যা দেখায় কী কী চেষ্টা করা হয়েছে, কী কাজ করেছে, এবং কোথায় অনাবিষ্কৃত সুযোগ এখনো রয়ে গেছে।
তবু সীমাবদ্ধতা রয়েছে। গণনামূলক পূর্বাভাস সংশ্লেষণ, পরিমাপ, এবং পুনরুত্পাদনের প্রয়োজন দূর করে না। প্রার্থী উপাদানকে এখনও উৎপাদনযোগ্য এবং বাস্তব অবস্থায় স্থিতিশীল হতে হবে। কিন্তু এটাই এমন সিস্টেমের গুরুত্ব: এটি পরীক্ষাকে বাদ দেয় না, বরং সেগুলোকে আরও বাছাইকৃত করে।
উন্নত ইলেকট্রনিক উপাদানের ওপর নির্ভরশীল উদীয়মান প্রযুক্তি ক্ষেত্রগুলোর জন্য এটিই বেশি স্থায়ী শিক্ষা। বিজ্ঞানে এআই-এর সর্বোচ্চ মূল্য সম্ভবত গবেষকদের প্রতিস্থাপন বা বিস্তৃত অনুমানভিত্তিক উত্তর তৈরিতে নয়। বরং তা থাকতে পারে সেই ধীর, কম ঝকঝকে কাজে, যেখানে লুকানো প্রমাণ বের করা হয়, তা কাঠামোবদ্ধ করা হয়, এবং বিজ্ঞানীদের পরবর্তী কোন পরীক্ষাগুলো সবচেয়ে বেশি মূল্যবান তা নির্ধারণে সহায়তা করা হয়।
এই নিবন্ধটি Phys.org-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধ পড়ুন.
Originally published on phys.org
