मटेरियल्स साइंस को भी अब अपना स्वायत्त लैब मॉडल मिल रहा है

मिडटाउन मैनहैटन की एक लैब के अंदर, एक रोबोटिक सिस्टम तत्वों को मिला रहा है, अलॉय को पिघला रहा है, संरचना का विश्लेषण कर रहा है, और बहुत कम मानवीय हस्तक्षेप के साथ प्रदर्शन की जांच कर रहा है। मकसद सिर्फ ऑटोमेशन नहीं है। मकसद है AI को नए मटेरियल्स सुझाने देना, उन्हें परखने के लिए ज़रूरी प्रयोग चलाने देना, नतीजों से सीखने देना, और इस चक्र को उस गति से दोहराने देना जो पारंपरिक मटेरियल्स रिसर्च शायद ही कभी हासिल करती है।

यह लैब स्टार्टअप Radical AI की है, जो कहता है कि इसका तरीका लंबे समय तक चलने वाले जेट इंजन से लेकर फ्यूजन ऊर्जा प्रणालियों तक के लिए नए औद्योगिक मटेरियल्स तक पहुंचने का रास्ता छोटा कर सकता है। कंपनी का दावा है कि AI केवल ज्ञात फ़ॉर्मूलों को छांटने से कहीं अधिक कर सकता है। यह पूरे डिस्कवरी लूप को चलाने में मदद कर सकता है।

मटेरियल्स डिस्कवरी इतना कठिन लक्ष्य क्यों है

एक नया मटेरियल विकसित करना अक्सर बहुत धीमी प्रक्रिया होती है। वैज्ञानिक परिकल्पनाएं बनाते हैं, एक उम्मीदवार का संश्लेषण करते हैं, उसकी विशेषताएं मापते हैं, परीक्षण करते हैं, और फिर जो हुआ उसके आधार पर परिकल्पना को संशोधित करते हैं। Fast Company के अनुसार, यह चक्र 20 साल या उससे भी अधिक समय ले सकता है। यह देरी इसलिए महत्वपूर्ण है क्योंकि नए मटेरियल्स की मांग बढ़ रही है, उसी समय दुनिया कमी, प्रदर्शन संबंधी सीमाओं, और निष्कर्षण तथा निर्माण के पर्यावरणीय बोझ से जूझ रही है।

दूसरे शब्दों में, मटेरियल्स साइंस उच्च-मूल्य की समस्याओं से भरी है, लेकिन प्रयोग की गति से सीमित है। यही कारण है कि यह उन AI प्रणालियों के लिए स्वाभाविक रूप से उपयुक्त है जो बड़े डिज़ाइन स्पेस खोज सकती हैं, और उन रोबोटिक्स के लिए भी जो मानव कार्य-घंटों की प्रतीक्षा किए बिना कई बार दोहराए जाने वाले परीक्षण कर सकती हैं।

UK orders Google to change AI search rules, allowing publishers to opt out of AI summaries - The Tech Portal (via thetechportal.com)
More in Innovation

यूके की एआई खोज पर सख्ती प्रकाशकों को एक नया सौदेबाजी बिंदु देती है

Fast Company में वर्णित एक यूके प्रतिस्पर्धा फैसले के तहत Google को प्रकाशकों को सामान्य खोज दृश्यता खोए बिना AI Overviews से बाहर निकलने की अनुमति देनी होगी, जिससे AI-सामग्री की लड़ाई में एक ठोस नया सौदेबाजी बिंदु बनेगा

Read article

Radical AI का सिस्टम कैसे काम करता है

मूल पाठ के अनुसार, कंपनी का AI सिस्टम पाँच सेकंड में 10,000 वैज्ञानिक पेपरों की समीक्षा कर सकता है। जब टीम किसी समस्या पर काम शुरू करती है, तो वह सिस्टम को अपेक्षित मटेरियल गुणों का एक सेट देती है। फिर AI 380,000 पेपरों और लैब के 57 मिलियन डेटा पॉइंट्स का उपयोग करता है, जिनमें असफल प्रयोग भी शामिल हैं जो आम तौर पर प्रकाशित साहित्य में नहीं दिखते।

यह आख़िरी बात महत्वपूर्ण है। विज्ञान में, असफलताएं अक्सर ऐसी जानकारी रखती हैं जो खोज-क्षेत्र को संकुचित करने में मदद करती है, लेकिन वे असफलताएं आंतरिक नोटबुकों के बाहर शायद ही दिखती हैं। Radical का सिस्टम उन्हें अपनी कार्य-स्मृति का हिस्सा बनाता है, फिर परीक्षण के लिए दर्जनों से लेकर कुछ सौ तक उम्मीदवार मटेरियल्स सुझाता है।

सिर्फ प्रेडिक्शन इंजन नहीं, एक सेल्फ-ड्राइविंग लैब

यह लैब मानक मटेरियल्स साइंस उपकरणों के आसपास बनाई गई है, लेकिन इसका वर्कफ़्लो बहुत अधिक स्वचालित है। Fast Company की रिपोर्ट के अनुसार, यह सेटअप दिन में 50 प्रयोग तक चला सकता है और गर्मियों के अंत तक दिन में 100 प्रयोगों का लक्ष्य रखता है। CEO Joseph Krause इसकी तुलना एक ऐसे मानव मटेरियल्स वैज्ञानिक से करते हैं जो साल में शायद 50 प्रयोग कर सके।

इसका मतलब यह नहीं है कि इंसान प्रक्रिया से गायब हो जाते हैं। इसका मतलब है कि मानव शोधकर्ता लक्ष्य तय करने, आउटपुट का मूल्यांकन करने, और यह तय करने की ओर बढ़ते हैं कि कौन से रास्ते महत्वपूर्ण हैं। Radical का तर्क है कि एक वैज्ञानिक कई समस्याओं पर ध्यान केंद्रित कर सकता है, क्योंकि सिस्टम साहित्य समीक्षा, परिकल्पना निर्माण, और प्रयोगात्मक निष्पादन का बड़ा हिस्सा संभाल लेता है।

यह क्या बदल सकता है

अगर यह मॉडल टिकता है, तो यह औद्योगिक R&D की सबसे जिद्दी बाधाओं में से एक को बदल सकता है: वांछित गुण-प्रोफ़ाइल से एक उपयोगी नए मटेरियल तक पहुंचने के लिए लगने वाला समय। तेज़ डिस्कवरी अपने-आप व्यावसायीकरण की गारंटी नहीं देगी, लेकिन यह शोधकर्ताओं को अधिक विचारों की जांच करने और खराब विचारों को जल्दी हटाने देकर फ़नल को काफी चौड़ा कर सकती है।

कंपनी ने पिछले साल seed round में $55 million जुटाए, जो दिखाता है कि उन AI प्रणालियों पर निवेशकों का कितना ध्यान जा रहा है जो न केवल विज्ञान का सार प्रस्तुत करती हैं, बल्कि भौतिक हार्डवेयर के साथ और अधिक तंग लूप में उसे करती भी हैं। सॉफ़्टवेयर बेंचमार्क की तुलना में यह दावा सत्यापित करना कठिन है। लेकिन अगर AI को वास्तविक दुनिया में शोध को बदलना है, तो यही वह दावा है जो मायने रखता है।

यह लैब क्यों अलग दिखती है

  • यह सिस्टम AI-आधारित परिकल्पना निर्माण और स्वचालित प्रयोगात्मक वर्कफ़्लो को जोड़ता है।
  • यह प्रकाशित साहित्य के साथ-साथ करोड़ों इन-हाउस लैब डेटा पॉइंट्स पर आधारित है।
  • कंपनी का कहना है कि लैब अभी रोज़ 50 प्रयोग चला सकती है, और लक्ष्य 100 है।

सालों से, विज्ञान में AI की भूमिका को अक्सर अमूर्त शब्दों में बताया गया है। Radical AI एक अधिक ठोस तर्क दे रहा है: खोज का भविष्य उन मशीनों पर निर्भर हो सकता है जो पढ़ सकें, तर्क कर सकें, और फिर औद्योगिक गति से अपने विचारों का भौतिक परीक्षण कर सकें।

यह लेख Fast Company की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.

Originally published on fastcompany.com