குட்டி மனிதர்களும் ரோபோக்களும் புதுமையான பொருட்களை உருவாக்குகின்றன

இந்த படம் மெட்டீரியல்ஸ் திட்ட தரவுத்தளத்தில் உள்ள 12 சேர்மங்களின் கட்டமைப்புகளைக் காட்டுகிறது. படம்: Jenny Nuss/Berkeley Lab.

புதிய தொழில்நுட்பம் பெரும்பாலும் புதிய பொருட்களைக் கோருகிறது – மேலும் சூப்பர் கம்ப்யூட்டர்கள் மற்றும் உருவகப்படுத்துதல்கள் மூலம், ஆராய்ச்சியாளர்கள் புதிதாக அவற்றைக் கண்டுபிடிப்பதற்கு திறமையற்ற யூகங்களைச் செய்ய வேண்டியதில்லை.

மெட்டீரியல்ஸ் ப்ராஜெக்ட், 2011 ஆம் ஆண்டில் அமெரிக்க எரிசக்தித் துறையின் லாரன்ஸ் பெர்க்லி தேசிய ஆய்வகத்தில் (பெர்க்லி ஆய்வகம்) நிறுவப்பட்ட திறந்த அணுகல் தரவுத்தளமானது, அறியப்பட்ட மற்றும் கணிக்கப்பட்ட பொருட்களின் பண்புகளைக் கணக்கிடுகிறது. கார்களில் எரிபொருள் சிக்கனத்தை மேம்படுத்தும் இலகுவான உலோகக் கலவைகள், புதுப்பிக்கத்தக்க ஆற்றலை அதிகரிக்க அதிக திறன் கொண்ட சூரிய மின்கலங்கள் மற்றும் அடுத்த தலைமுறை கணினிகளுக்கு வேகமான டிரான்சிஸ்டர்கள் போன்ற எதிர்கால தொழில்நுட்பங்களுக்கான நம்பிக்கைக்குரிய பொருட்களில் ஆராய்ச்சியாளர்கள் கவனம் செலுத்தலாம்.

இப்போது, ​​கூகுள் டீப் மைண்ட் – கூகிளின் செயற்கை நுண்ணறிவு (AI) ஆய்வகம் – மெட்டீரியல்ஸ் திட்டத்திற்கு கிட்டத்தட்ட 400,000 புதிய சேர்மங்களை பங்களிக்கிறது, இது ஆராய்ச்சியாளர்கள் பெறக்கூடிய தகவல்களின் அளவை விரிவுபடுத்துகிறது. தரவுத்தொகுப்பில் ஒரு பொருளின் அணுக்கள் எவ்வாறு அமைக்கப்பட்டிருக்கின்றன (படிக அமைப்பு) மற்றும் அது எவ்வளவு நிலையானது (உருவாக்கும் ஆற்றல்) ஆகியவை அடங்கும்.

“உலகளாவிய சுற்றுச்சூழல் மற்றும் காலநிலை சவால்களை எதிர்கொள்ளப் போகிறோம் என்றால் நாங்கள் புதிய பொருட்களை உருவாக்க வேண்டும்” என்று பெர்க்லி ஆய்வகத்தில் உள்ள மெட்டீரியல்ஸ் திட்டத்தின் நிறுவனர் மற்றும் இயக்குநரும் கலிபோர்னியா பல்கலைக்கழகத்தின் (யுசி) பெர்க்லியின் பேராசிரியருமான கிறிஸ்டின் பெர்சன் கூறினார். “பொருட்களில் புதுமை மூலம், நாம் மறுசுழற்சி செய்யக்கூடிய பிளாஸ்டிக்கை உருவாக்கலாம், கழிவு ஆற்றலைப் பயன்படுத்தலாம், சிறந்த பேட்டரிகளை உருவாக்கலாம் மற்றும் பலவற்றுடன் மலிவான சோலார் பேனல்களை உருவாக்கலாம்.”

புதிய தரவை உருவாக்க, Google DeepMind ஒரு ஆழமான கற்றல் கருவியை உருவாக்கியது, கிராஃப் நெட்வொர்க்ஸ் ஃபார் மெட்டீரியல்ஸ் எக்ஸ்ப்ளோரேஷன் (GNOME). மெட்டீரியல்ஸ் ப்ராஜெக்ட் மூலம் ஒரு தசாப்தத்தில் உருவாக்கப்பட்ட பணிப்பாய்வுகள் மற்றும் தரவுகளைப் பயன்படுத்தி ஆராய்ச்சியாளர்கள் GNOME க்கு பயிற்சி அளித்தனர் மற்றும் செயலில் கற்றல் மூலம் GNOME வழிமுறையை மேம்படுத்தினர். GNOME ஆராய்ச்சியாளர்கள் இறுதியில் 2.2 மில்லியன் படிக கட்டமைப்புகளை உருவாக்கினர், இதில் 380,000 அவர்கள் மெட்டீரியல்ஸ் திட்டத்தில் சேர்க்கிறார்கள் மற்றும் நிலையானவை என்று கணிக்கிறார்கள், இது எதிர்கால தொழில்நுட்பங்களில் பயனுள்ளதாக இருக்கும். Google DeepMind இன் புதிய முடிவுகள் நேச்சரில் ஒரு பேப்பரில் தெரிவிக்கப்பட்டுள்ளன.

GNOME இன் சில கணக்கீடுகள் A-Lab ஐ சோதிக்க மெட்டீரியல்ஸ் ப்ராஜெக்ட்டின் தரவுகளுடன் பயன்படுத்தப்பட்டன, இது பெர்க்லி ஆய்வகத்தில் உள்ள ஒரு வசதியாகும், அங்கு AI புதிய பொருட்களை தயாரிப்பதில் ரோபோக்களை வழிநடத்துகிறது. A-Lab இன் முதல் தாள், நேச்சரிலும் வெளியிடப்பட்டது, தன்னாட்சி ஆய்வகம் குறைந்தபட்ச மனித உள்ளீட்டைக் கொண்ட நாவல் பொருட்களை விரைவாகக் கண்டறிய முடியும் என்பதைக் காட்டுகிறது.

17 நாட்கள் சுதந்திரமான செயல்பாட்டின் மூலம், A-Lab வெற்றிகரமாக 41 புதிய சேர்மங்களை 58 முயற்சியில் தயாரித்தது – ஒரு நாளைக்கு இரண்டுக்கும் மேற்பட்ட புதிய பொருட்களின் வீதம். ஒப்பிடுகையில், ஒரு புதிய பொருளை உருவாக்க மனித ஆராய்ச்சியாளருக்கு பல மாதங்கள் யூகங்கள் மற்றும் பரிசோதனைகள் தேவைப்படலாம் – அவர்கள் எப்போதாவது விரும்பிய பொருளை அடைந்தால்.

மெட்டீரியல்ஸ் ப்ராஜெக்ட் மூலம் கணிக்கப்பட்ட நாவல் சேர்மங்களை உருவாக்க, A-Lab இன் AI ஆனது அறிவியல் ஆவணங்கள் மூலம் புதிய சமையல் குறிப்புகளை உருவாக்கியது மற்றும் மாற்றங்களைச் செய்ய செயலில் கற்றலைப் பயன்படுத்துகிறது. பொருட்களின் கணிக்கப்பட்ட நிலைத்தன்மையை மதிப்பிடுவதற்கு மெட்டீரியல்ஸ் திட்டம் மற்றும் GNOME ஆகியவற்றின் தரவு பயன்படுத்தப்பட்டது.

“எங்களிடம் இந்த அதிர்ச்சியூட்டும் 71% வெற்றி விகிதம் உள்ளது, அதை மேம்படுத்த எங்களிடம் ஏற்கனவே சில வழிகள் உள்ளன” என்று A-Lab இன் முதன்மை ஆய்வாளரும் பெர்க்லி லேப் மற்றும் UC பெர்க்லியின் விஞ்ஞானியுமான Gerd Ceder கூறினார். “கோட்பாடு மற்றும் தரவு பக்கத்தை ஆட்டோமேஷனுடன் இணைப்பது நம்பமுடியாத முடிவுகளைக் கொண்டுள்ளது என்பதை நாங்கள் காட்டியுள்ளோம். நாங்கள் முன்பை விட விரைவாக பொருட்களை உருவாக்கி சோதிக்க முடியும், மேலும் மெட்டீரியல் திட்டத்தில் கூடுதல் தரவு புள்ளிகளைச் சேர்ப்பது என்பது இன்னும் சிறந்த தேர்வுகளைச் செய்ய முடியும் என்பதாகும்.

மெட்டீரியல்ஸ் ப்ராஜெக்ட் என்பது உலகில் உள்ள கனிம பொருட்கள் பற்றிய தகவல்களின் திறந்த அணுகல் களஞ்சியமாகும். தரவுத்தளமானது நூறாயிரக்கணக்கான கட்டமைப்புகள் மற்றும் மூலக்கூறுகளில் மில்லியன் கணக்கான பண்புகளைக் கொண்டுள்ளது, இது முதன்மையாக பெர்க்லி ஆய்வகத்தின் தேசிய ஆற்றல் ஆராய்ச்சி அறிவியல் கணினி மையத்தில் செயலாக்கப்பட்டது. 400,000 க்கும் மேற்பட்ட மக்கள் தளத்தின் பயனர்களாகப் பதிவு செய்யப்பட்டுள்ளனர், மேலும் சராசரியாக, ஒவ்வொரு நாளும் பொருட்கள் திட்டத்தை மேற்கோள் காட்டி நான்குக்கும் மேற்பட்ட ஆவணங்கள் வெளியிடப்படுகின்றன. Google DeepMind இன் பங்களிப்பு என்பது மெட்டீரியல்ஸ் ப்ராஜெக்ட் தொடங்கியதிலிருந்து ஒரு குழுவின் கட்டமைப்பு-நிலைத்தன்மை தரவுகளின் மிகப்பெரிய கூடுதலாகும்.

“GNOME திட்டம் கனிம படிகங்கள் பற்றிய ஆராய்ச்சியை முன்னெடுத்துச் செல்லும் என்று நாங்கள் நம்புகிறோம்” என்று கூகுள் டீப் மைண்டின் மெட்டீரியல்ஸ் டிஸ்கவரி குழுவின் தலைவரான எகின் டோகஸ் கியூபுக் கூறினார். “வெளிப்புற ஆராய்ச்சியாளர்கள் ஏற்கனவே 736 க்கும் மேற்பட்ட GNOME இன் புதிய பொருட்களை ஒரே நேரத்தில், சுயாதீனமான உடல் பரிசோதனைகள் மூலம் சரிபார்த்துள்ளனர், எங்கள் மாதிரியின் கண்டுபிடிப்புகளை ஆய்வகங்களில் உணர முடியும் என்பதை நிரூபிக்கிறது.”

மெட்டீரியல்ஸ் ப்ராஜெக்ட் இப்போது கூகுள் டீப் மைண்டிலிருந்து சேர்மங்களைச் செயலாக்கி அவற்றை ஆன்லைன் தரவுத்தளத்தில் சேர்க்கிறது. புதிய தரவு ஆராய்ச்சியாளர்களுக்கு இலவசமாகக் கிடைக்கும், மேலும் மெட்டீரியல்ஸ் திட்டத்துடன் கூட்டாளியாக இருக்கும் A-Lab போன்ற திட்டங்களுக்கும் ஊட்டப்படும்.

பெர்க்லி லேபின் மாலிகுலர் ஃபவுண்டரியின் இயக்குனரான பெர்சன் கூறுகையில், “முன்னோடியில்லாத அளவு பொருட்கள் தகவல்களைத் தயாரிக்க நாங்கள் செய்த வேலையை மக்கள் பயன்படுத்துகிறார்கள் என்பதில் நான் மிகவும் மகிழ்ச்சியடைகிறேன். “இதுதான் மெட்டீரியல்ஸ் ப்ராஜெக்டுடன் நான் செய்யத் தொடங்கினேன் – நான் தயாரித்த தரவை இலவசமாகவும், உலகத்திற்கான பொருட்களின் வடிவமைப்பை விரைவுபடுத்துவதற்கும் கிடைக்கச் செய்வது மட்டுமல்லாமல், கணக்கீடுகள் உங்களுக்காக என்ன செய்ய முடியும் என்பதை உலகிற்குக் கற்பிக்கவும். புதிய சேர்மங்கள் மற்றும் பண்புகளுக்கான பெரிய இடங்களை அவை மிகவும் திறமையாகவும் வேகமாகவும் சோதனைகளை மட்டும் ஸ்கேன் செய்ய முடியும்.”

கடந்த தசாப்தத்தில் மெட்டீரியல்ஸ் திட்டத்தில் உள்ள தரவுகளிலிருந்து நம்பிக்கைக்குரிய வழிகளைப் பின்பற்றுவதன் மூலம், ஆராய்ச்சியாளர்கள் பல பகுதிகளில் புதிய பொருட்களில் பயனுள்ள பண்புகளை சோதனை ரீதியாக உறுதிப்படுத்தியுள்ளனர். சில பயன்படுத்துவதற்கான சாத்தியக்கூறுகளைக் காட்டுகின்றன: கார்பன்-பிடிப்பு பொருட்கள் (வளிமண்டலத்தில் இருந்து கார்பன் டை ஆக்சைடை இழுக்க); ஒளி வினையூக்கிகள் (ஒளிக்கு பதிலளிக்கும் வகையில் இரசாயன எதிர்வினைகளை விரைவுபடுத்தும் பொருட்கள் மற்றும் மாசுபடுத்திகளை உடைக்க அல்லது ஹைட்ரஜனை உருவாக்க பயன்படுகிறது); தெர்மோஎலக்ட்ரிக்ஸ் (கழிவு வெப்பத்தைப் பயன்படுத்துவதற்கும் அதை மின்சார சக்தியாக மாற்றுவதற்கும் உதவும் பொருட்கள்); மற்றும் வெளிப்படையான கடத்திகள் (சோலார் செல்கள், தொடுதிரைகள் அல்லது எல்.ஈ. டிகளில் இது பயனுள்ளதாக இருக்கும்).

நிச்சயமாக, இந்த வருங்கால பொருட்களைக் கண்டுபிடிப்பது மனிதகுலத்தின் சில பெரிய தொழில்நுட்ப சவால்களைத் தீர்ப்பதற்கான பல படிகளில் ஒன்றாகும்.

“ஒரு பொருளை உருவாக்குவது இதயத்தின் மயக்கத்திற்காக அல்ல” என்று பெர்சன் கூறினார். “கணிப்பிலிருந்து வணிகமயமாக்கலுக்கு ஒரு பொருளை எடுத்துச் செல்ல நீண்ட நேரம் எடுக்கும். இது சரியான பண்புகளைக் கொண்டிருக்க வேண்டும், சாதனங்களுக்குள் வேலை செய்ய வேண்டும், அளவிட முடியும், மேலும் சரியான செலவுத் திறன் மற்றும் செயல்திறன் ஆகியவற்றைக் கொண்டிருக்க வேண்டும். மெட்டீரியல்ஸ் ப்ராஜெக்ட் மற்றும் ஏ-லேப் போன்ற வசதிகளுடனான குறிக்கோள், தரவைப் பயன்படுத்துதல், தரவு உந்துதல் ஆய்வுகளை இயக்குதல் மற்றும் இறுதியில் நிறுவனங்களுக்கு இலக்கை நோக்கி அதிக சாத்தியமான காட்சிகளை வழங்குதல் ஆகும்.

Source link

Leave a Reply

Your email address will not be published. Required fields are marked *