சிதறியுள்ள பொருட்கள் இலக்கியத்தை ஏஐ ஒரு கண்டுபிடிப்பு இயந்திரமாக மாற்றுகிறது
சியோல் தேசிய பல்கலைக்கழக ஆராய்ச்சியாளர்கள், நூற்றுக்கணக்கான அறிவியல் கட்டுரைகளில் சிதறியுள்ள தரவை செயற்கை நுண்ணறிவை பயன்படுத்தி எடுத்து ஒழுங்குபடுத்தி, பின்னர் அந்த தகவலை இயற்பியல்-அறிவார்ந்த மெஷின் லெர்னிங்குடன் இணைத்து, பரிசோதனைச் சரிபார்ப்புக்கு ஏற்ற நம்பிக்கைக்குரிய சேர்மங்களை அடையாளம் காணும் முறையை உருவாக்கியுள்ளதாக கூறுகின்றனர். இதன் நோக்கம் சீசா இல்லாத டைஎலெக்ட்ரிக் பொருட்களை விரைவாக தேடுவது.
இந்த வேலை பொருள் அறிவியலில் பரிச்சயமான ஒரு பிரச்சினையைத் தொடுகிறது: சிறந்த பொருட்களை வடிவமைக்க தேவையான ஆதாரம் பெரும்பாலும் இருக்கிறது, ஆனால் அது பெரிய இலக்கியத் தொகுப்பில் உரை, அட்டவணைகள், வரைபடங்கள் ஆகியவற்றில் சிதறிக் கிடக்கிறது. இதனால் பாரம்பரிய கண்டுபிடிப்பு மந்தமாகவும் உழைப்புச் செலுத்த வேண்டியதாகவும் மாறுகிறது, குறிப்பாக செயல்திறன் பல பண்புகளின் சமநிலையை ஒரே நேரத்தில் சார்ந்திருக்கும் துறைகளில்.
இங்கு இலக்கு அதிக வெப்பநிலைகளிலும் நிலையான செயல்திறனைத் தக்கவைத்துக் கொள்ளும் சீசா இல்லாத டைஎலெக்ட்ரிக்ஸ். இவை மின்சார மின்னூட்டத்தை சேமித்துக்கொண்டே நேரடி மின்னோட்டப் போக்கை தடுக்கின்றன; அதனால் ஸ்மார்ட்போன்கள், மின்சார வாகனங்கள், மற்றும் பல்வேறு மின்னணு சாதனங்களில் பயன்படுத்தப்படும் பலஅடுக்கு செராமிக் கெபாசிட்டர்களுக்கு இவை மையமானவை.
இந்த பொருட்கள் ஏன் முக்கியம்
டைஎலெக்ட்ரிக் பொருட்கள் நவீன மின்னணுவியலின் அடிப்படை கூறுகள். அதிக டைஎலெக்ட்ரிக் மாறிலி கொண்ட ஒரு கூறு, அதே அளவில் அதிக மின்சார ஆற்றலை சேமிக்க முடியும்; இது சிறிய சாதனங்களில் மிகவும் பயனுள்ளதாகும். ஆனால் கொள்ளளவு மட்டும் போதாது. உண்மையான பயன்பாட்டில், அந்த பொருள் செயல்பாட்டில் சந்திக்கும் வெப்பநிலை வரம்பு முழுவதும் நிலைத்திருக்கவும் வேண்டும்.
இந்த தேவை ஒரு கடினமான வடிவமைப்பு சவாலைக் கொண்டு வருகிறது. ஒரு பொருள் ஒரு செயல்திறன் அளவில் கவர்ச்சிகரமாகத் தோன்றலாம், ஆனால் மற்றொன்றில் தோல்வியடையலாம்; இதனால் ஆராய்ச்சியாளர்கள் வரலாறாக மறுமறு சோதனைகளும் நிபுணர் உள்ளுணர்வும் மீது நம்பிக்கையைக் கொள்ள வேண்டியிருந்தது. சியோல் தேசிய பல்கலைக்கழகக் குழு, தங்களின் முறை குறுகிய, தெளிவான வேட்பாளர்களின் பட்டியலில் இருந்து அல்ல, இலக்கு செயல்திறன் சுயவிவரத்தில் இருந்து தேடலைத் தொடங்குவதற்காக வடிவமைக்கப்பட்டதாகக் கூறுகிறது.
இந்த ஆய்வு ஒரு இன்்வர்ஸ்-டிசைன் அணுகுமுறையை விவரிக்கிறது. ஒரு சேர்மத்திலிருந்து தொடங்கி அது இலக்கை அடைகிறதா என்று அளப்பதற்குப் பதிலாக, முதலில் தேவையான பண்புகளை பூர்த்தி செய்ய அதிக வாய்ப்புள்ள சேர்மங்களை அமைப்பு அடையாளம் காண்கிறது. இதனால் ஆய்வகத்தின் பங்கு கண்மூடித் தேடலில் இருந்து குறிவைத்த சரிபார்ப்பாக மாறுகிறது.

அமைப்பு எவ்வாறு உருவாக்கப்பட்டது
ஆராய்ச்சியாளர்கள் பலமுக இலக்கிய-சுரண்டலை இயற்பியல்-அறிவார்ந்த மெஷின் லெர்னிங்குடன் இணைத்தனர். இலக்கிய-சுரண்டல் கூறு உரை மட்டுமல்ல, அட்டவணைகள் மற்றும் வரைபடங்களிலிருந்தும் தானாகத் தகவலை எடுக்கிறது; இது முக்கியமான படி, ஏனெனில் முக்கிய பொருள் தரவு பெரும்பாலும் முறையாகத் தேடுவதற்கு கடினமான வடிவங்களில் உட்பொதிந்திருக்கும்.
இந்த அணுகுமுறையைக் கொண்டு, குழு 448 கட்டுரைகளிலிருந்து பெறப்பட்ட 1,202 டைஎலெக்ட்ரிக்-பண்பு பதிவுகளைக் கொண்ட ஒரு தரவுத்தொகுப்பை உருவாக்கியது. இது தனக்குள் குறிப்பிடத்தக்க முடிவு, ஏனெனில் பொருள் அறிவியலில் மெஷின் லெர்னிங்கை பயன்படுத்துவதில் உள்ள பெரிய bottleneckகளில் ஒன்று, வெளியிடப்பட்ட பதிவுகளிலிருந்து பயனுள்ள, கட்டமைக்கப்பட்ட தரவைச் சேர்த்துக்கொள்வதே.
தரவுத்தொகுப்பு உருவான பிறகு, குழு இயற்பியல் அறிவால் வழிநடத்தப்படும் மெஷின் லெர்னிங்கைப் பயன்படுத்தி ஒரு மெய்நிகர் சேர்க்கை-வெளியை ஆராய்ந்து, அதிக வெப்பநிலை சூழல்களிலும் வலுவான செயல்திறனைத் தக்கவைத்துக் கொள்ளக் கூடிய சீசா இல்லாத டைஎலெக்ட்ரிக்候ட்களை அடையாளம் கண்டது. இதன் முக்கியத்துவம் ஏஐ பயன்படுத்தப்பட்டது என்பதிலேயே இல்லை, அதை பொதுவான முறை-பொருத்தும் கருவியாக அல்லாமல் துறை-கட்டுப்பாடுகளுடன் இணைத்ததில்தான் உள்ளது.
அந்த வேறுபாடு முக்கியமானது. பொருள் கண்டுபிடிப்பில் பரிசோதனைச் சோதனைகளில் தோல்வியடையும் அல்லது புதிய வேதியியலில் விரிவுபடுத்தும்போது சிதையும் போலத் தோன்றும் பல தொடர்புகள் உள்ளன. இயற்பியல்-அறிவார்ந்த முறைகள், விஞ்ஞான ரீதியாக அர்த்தமுள்ள எல்லைகளுக்குள் மாதிரி தேடுவதைக் கட்டாயப்படுத்தி அந்த ஆபத்தை குறைக்க முயல்கின்றன.
முயற்சி-பிழை முறையிலிருந்து குறிவைத்த தேடலுக்கு
இந்த வேலை, முயற்சி-பிழை கண்டுபிடிப்பிலிருந்து தரவு-அடிப்படையிலான வடிவமைப்புக்கு நடைபெறும் பரந்த மாற்றத்தின் ஒரு பகுதியாக ஆராய்ச்சியாளர்கள் வர்ணிக்கின்றனர். அந்த யோசனை பல ஆண்டுகளாகச் சுற்றிக் கொண்டிருந்தாலும், தொடர்புடைய தரவுத்தொகுப்புகளைச் சேர்த்தலும் அவற்றை உண்மையான பரிசோதனைப் பணிப்பாய்வுகளுடன் இணைத்தலும் கடினமாக இருந்ததால், அதன் நடைமுறைப் பயன்பாடு பெரும்பாலும் குறைவாகவே இருந்தது.
இந்த ஆய்வு அந்த தடையை மீற ஒரு வழியைக் காட்டுகிறது. இலக்கியத்தில் ஏற்கனவே சிதறிக் கிடக்கும் தகவலைத் தோண்டி எடுப்பதன் மூலம், இந்த அமைப்பு இல்லையெனில் துண்டிக்கப்பட்ட கட்டுரைகளில் சிக்கியிருக்கும் தரவையே மீட்டெடுக்கிறது. அது வெளியிடப்பட்ட முடிவுகளை இன்னும் பெரிய, தேடக்கூடிய வடிவமைப்பு வெளியாக மாற்றுகிறது.

இதற்கு இரண்டு விளைவுகள் உள்ளன. முதலில், ஆய்வகத்தில் உருவாக்கத் தகுந்த பொருட்களை அடையாளம் காண தேவையான நேரத்தை இது குறைக்க முடியும். இரண்டாவது, இது ஒரு விஞ்ஞானியின் உடனடி பரிச்சயத்துக்கு அப்பால் தேடலை விரிவாக்கி, சாத்தியமான ஆனால் வெளிப்படையாகத் தெரியாத சேர்க்கைகளையும் வெளிக்கொணரலாம். உருவாகி வரும் மின்னணுவியல் மற்றும் மின்மயமாக்கப்பட்ட அமைப்புகளுக்கு இந்த இரு நன்மைகளும் முக்கியம், ஏனெனில் கூறு செயல்திறன், வெப்பத் தாங்குதிறன், மற்றும் பொருள் பாதுகாப்பு அதிகமாக ஒன்றோடொன்று சந்திக்கின்றன.
சீசா இல்லாத கவனமும் முக்கியமானது. சீசாவைத் தவிர்க்கும் பொருட்கள் சுற்றுச்சூழல் மற்றும் ஒழுங்குமுறை காரணங்களுக்காக கவர்ச்சிகரமானவை, ஆனால் செயல்திறனை இழக்காமல் சீசா கொண்ட அமைப்புகளை மாற்றுவது தொடர்ச்சியான சவாலாகவே உள்ளது. செயல்திறன் வாய்ந்த மாற்றுகளை கண்டுபிடிக்கும் வாய்ப்பை அதிகரிக்கும் ஒரு முறை நுகர்வோர் மின்னணுவியல், வாகன அமைப்புகள், மற்றும் கெபாசிட்டர் செயல்திறன் முக்கியமான உயர் வெப்பநிலை பயன்பாடுகளில் மேல்நிலை முக்கியத்துவம் பெறலாம்.
ஒரே ஒரு பொருள் வகையைத் தாண்டியும் என்ன அர்த்தம்
இந்த ஆய்வின் பரந்த முக்கியத்துவம் ஒரே ஒரு வேட்பாளர் பொருளில் இல்லாமல், அதன் பணிப்பாய்விலேயே அதிகமாக இருக்கலாம். பலமுக இலக்கிய-சுரண்டல் சிதறிக் கிடக்கும் வெளியிடப்பட்ட ஆதாரங்களை நம்பகமாக பயிற்சி-தரமான தரவுத்தொகுப்பாக மாற்ற முடிந்தால், அதே அணுகுமுறையை மதிப்புமிக்க தரவு நிறைய இருந்தாலும் மோசமாக கட்டமைக்கப்பட்டுள்ள பிற பொருள் வகைகளுக்கும் விரிவாக்கலாம்.
அது, பெரிய சொந்த தரவுத்தளங்களுடன் தொடங்காத ஆராய்ச்சி சூழல்களில் ஏஐ-யை மேலும் பயனுள்ளதாக மாற்றும். அதன் பதிலாக, அறிவியல் வெளியீடுகளே கண்டுபிடிப்பு உட்கட்டமைப்பின் ஒரு பகுதியாக மாறுகின்றன. அப்போது மாதிரி வெறும் கட்டுரைகளைப் படிப்பதல்ல; பல தசாப்தங்களாகச் சேகரிக்கப்பட்ட கண்டுபிடிப்புகளை என்ன முயற்சி செய்யப்பட்டது, என்ன வேலை செய்தது, மேலும் எந்த ஆராயப்படாத வாய்ப்புகள் இன்னும் உள்ளன என்பதற்கான இயந்திர-தேடக்கூடிய வரைபடமாக மாற்ற உதவுகிறது.
இன்னும் வரம்புகள் உள்ளன. கணிப்பீட்டு முன்னறிவிப்புகள், உருவாக்கம், அளவீடு, மற்றும் மறுஉற்பத்தி ஆகியவற்றின் தேவையை நீக்குவதில்லை. வேட்பாளர் பொருட்கள் இன்னும் தயாரிக்கக்கூடியவையாகவும், உண்மை நிலைமைகளில் நிலைத்தவையாகவும் நிரூபிக்கப்பட வேண்டும். ஆனால் அதுவே இப்படியான அமைப்பு முக்கியமானதற்கான காரணம்: அது பரிசோதனைகளை நீக்கவில்லை, அவற்றை மேலும் தேர்ந்தெடுக்கப்பட்டவையாக ஆக்குகிறது.
மேம்பட்ட மின்னணு பொருட்களை சார்ந்துள்ள உருவெடுக்கும் தொழில்நுட்பத் துறைகளுக்கு இதுவே நீடித்த பாடம். அறிவியலில் ஏஐ-யின் உயர்ந்த மதிப்பு ஆராய்ச்சியாளர்களை மாற்றுவதிலோ, பரந்த ஊகப் பதில்களை உருவாக்குவதிலோ இருக்காது. அது மறைந்துள்ள ஆதாரங்களை எடுத்து, அவற்றை அமைப்பாக்கி, அடுத்ததாக எந்த பரிசோதனைகள் மிகவும் மதிப்புடையவை என்பதை அறிவியலாளர்கள் தீர்மானிக்க உதவும் மெதுவான, குறைவான களைகட்டமான பணியில் இருக்கலாம்.
இந்த கட்டுரை Phys.org செய்தியறிக்கையை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.
Originally published on phys.org


