নতুন রাসায়নিক বিক্রিয়ার ফলাফল ভবিষ্যদ্বাণী করার জন্য কৃত্রিম বুদ্ধিমত্তা (AI) এবং বৃহৎ ভাষা মডেল (LLM) এর শক্তি ব্যবহার করার জন্য অনেক প্রচেষ্টা করা হয়েছে। তবে, সাফল্য সীমিত, মূলত কারণ এই মডেলগুলি ভর সংরক্ষণের আইনের মতো মৌলিক ভৌত নীতির সাথে আবদ্ধ নয়।

এখন, MIT-এর একটি দল প্রতিক্রিয়া পূর্বাভাস মডেলগুলিতে শারীরিক সীমাবদ্ধতা অন্তর্ভুক্ত করার একটি উপায় খুঁজে পেয়েছে, যা ফলাফলের নির্ভুলতা এবং নির্ভরযোগ্যতা উল্লেখযোগ্যভাবে উন্নত করেছে।

পাঠ ৮৬.png এর ছবি
ফ্লোইআর (ফ্লো ম্যাচিং ফর ইলেকট্রন রিডিস্ট্রিবিউশন) সিস্টেম ইলেকট্রনের গতিবিধির বিস্তারিত ট্র্যাকিং করার সুযোগ দেয়, যাতে কোনও ইলেকট্রন কৃত্রিমভাবে যুক্ত না হয় বা হারিয়ে না যায়। ছবি: এমআইটি নিউজ

২০শে আগস্ট নেচার জার্নালে প্রকাশিত এই কাজটি জুনইয়ং জং (বর্তমানে দক্ষিণ কোরিয়ার কুকমিন বিশ্ববিদ্যালয়ের সহকারী অধ্যাপক), প্রাক্তন সফটওয়্যার ইঞ্জিনিয়ার মুন হং ফং (বর্তমানে ডিউক বিশ্ববিদ্যালয়ে), রাসায়নিক প্রকৌশল স্নাতক ছাত্র নিকোলাস ক্যাসেটি, পোস্টডক্টরাল গবেষক জর্ডান লাইলস, পদার্থবিদ্যার ছাত্র নে দাসানায়েক এবং প্রধান লেখক কনর কোলি, ১৯৫৭ সালে রাসায়নিক প্রকৌশল বিভাগ এবং বৈদ্যুতিক বিজ্ঞান ও প্রকৌশল বিভাগের ক্যারিয়ার উন্নয়ন অধ্যাপক।

প্রতিক্রিয়ার পূর্বাভাস কেন গুরুত্বপূর্ণ?

"প্রতিক্রিয়ার ফলাফল ভবিষ্যদ্বাণী করা একটি অত্যন্ত গুরুত্বপূর্ণ কাজ," জং ব্যাখ্যা করেন। উদাহরণস্বরূপ, যদি আপনি একটি নতুন ওষুধ তৈরি করতে চান, তাহলে "আপনাকে এটি কীভাবে সংশ্লেষণ করতে হয় তা জানতে হবে। এর জন্য জানা প্রয়োজন যে কোন পণ্যগুলি সম্ভবত প্রদর্শিত হতে পারে" শুরুর উপকরণগুলির একটি সেট থেকে।

পূর্ববর্তী প্রচেষ্টাগুলি প্রায়শই কেবল ইনপুট এবং আউটপুট ডেটার দিকে নজর দিত, মধ্যবর্তী পদক্ষেপগুলি এবং প্রাকৃতিকভাবে ভর তৈরি বা হ্রাস করতে অক্ষমতার মতো শারীরিক সীমাবদ্ধতাগুলিকে উপেক্ষা করে।

জং উল্লেখ করেছেন যে, যদিও চ্যাটজিপিটির মতো এলএলএম গবেষণায় কিছুটা সাফল্য পেয়েছে, তাদের ফলাফল পদার্থবিদ্যার নিয়ম অনুসরণ করে তা নিশ্চিত করার জন্য কোনও ব্যবস্থার অভাব রয়েছে। "'টোকেন' (যা পরমাণুকে প্রতিনিধিত্ব করে) সংরক্ষণ না করে, এলএলএমগুলি বিক্রিয়ায় ইচ্ছাকৃতভাবে পরমাণু তৈরি বা ধ্বংস করবে," তিনি বলেন। "এটি বিজ্ঞানের চেয়ে আলকেমির মতো।"

ফ্লাওয়ারইআর সলিউশন: পুরাতন প্ল্যাটফর্মের উপর ভিত্তি করে, নতুন প্রযুক্তিতে প্রয়োগ করা হয়েছে

এটি কাটিয়ে ওঠার জন্য, দলটি রসায়নবিদ ইভার উগির দ্বারা তৈরি 1970-এর দশকের একটি পদ্ধতি - বন্ড-ইলেকট্রন ম্যাট্রিক্স - ব্যবহার করে একটি বিক্রিয়ায় ইলেকট্রন উপস্থাপন করে।

এর উপর ভিত্তি করে, তারা FlowER (ফ্লো ম্যাচিং ফর ইলেকট্রন রিডিস্ট্রিবিউশন) প্রোগ্রাম তৈরি করেছে, যা ইলেকট্রনের গতিবিধির বিস্তারিত ট্র্যাকিং করার অনুমতি দেয়, নিশ্চিত করে যে কোনও ইলেকট্রন কৃত্রিমভাবে যোগ করা বা হারিয়ে না যায়।

এই ম্যাট্রিক্সটি একটি বন্ধন বা মুক্ত ইলেকট্রনের জোড়াকে প্রতিনিধিত্ব করার জন্য একটি অ-শূন্য মান ব্যবহার করে এবং বিপরীতটির জন্য শূন্য ব্যবহার করে। "এটি আমাদের পরমাণু এবং ইলেকট্রন উভয়কেই সংরক্ষণ করতে দেয়," ফং ব্যাখ্যা করেন। মডেলে ভর সংরক্ষণ অন্তর্ভুক্ত করার জন্য এটি গুরুত্বপূর্ণ।

প্রাথমিক কিন্তু আশাব্যঞ্জক প্রমাণ

কোলির মতে, বর্তমান ব্যবস্থাটি কেবল একটি প্রদর্শনী - ধারণার একটি প্রমাণ যা দেখায় যে "প্রবাহ মিল" পদ্ধতি রাসায়নিক বিক্রিয়ার পূর্বাভাস দেওয়ার জন্য উপযুক্ত।

দশ লক্ষেরও বেশি রাসায়নিক বিক্রিয়ার তথ্য (মার্কিন পেটেন্ট অফিস থেকে সংগৃহীত) নিয়ে প্রশিক্ষিত হওয়া সত্ত্বেও, ডাটাবেসে এখনও ধাতু- এবং অনুঘটক-ভিত্তিক বিক্রিয়ার অভাব রয়েছে।

"আমরা উত্তেজিত যে সিস্টেমটি নির্ভরযোগ্যভাবে প্রতিক্রিয়া প্রক্রিয়াটি ভবিষ্যদ্বাণী করতে পারে," কোলি বলেন। "এটি ভর সংরক্ষণ করে, এটি ইলেকট্রন সংরক্ষণ করে, তবে আগামী বছরগুলিতে দৃঢ়তা প্রসারিত এবং উন্নত করার উপায় অবশ্যই রয়েছে।"

মডেলটি এখন GitHub-এ সর্বজনীনভাবে উপলব্ধ। কোলি আশা করেন যে এটি প্রতিক্রিয়াশীলতা মূল্যায়ন এবং প্রতিক্রিয়া মানচিত্র তৈরির জন্য একটি কার্যকর হাতিয়ার হবে।

উন্মুক্ত তথ্য উৎস এবং ব্যাপক প্রয়োগের সম্ভাবনা

"আমরা সবকিছুই প্রকাশ করেছি - মডেল থেকে শুরু করে ডেটা, জং দ্বারা নির্মিত পূর্ববর্তী ডেটাসেট পর্যন্ত যা বিক্রিয়ার জ্ঞাত যান্ত্রিক পদক্ষেপগুলি বিস্তারিতভাবে বর্ণনা করেছিল," ফং বলেন।

দলের মতে, FlowER স্ট্যান্ডার্ড মেকানিজম খুঁজে বের করার ক্ষেত্রে বিদ্যমান পদ্ধতিগুলির সাথে মেলে বা অতিক্রম করতে পারে, একই সাথে পূর্বে অদেখা প্রতিক্রিয়ার শ্রেণীগুলিকে সাধারণীকরণ করতে পারে। সম্ভাব্য অ্যাপ্লিকেশনগুলির মধ্যে রয়েছে ফার্মাসিউটিক্যাল রসায়ন, উপকরণ আবিষ্কার , অগ্নি গবেষণা, বায়ুমণ্ডলীয় রসায়ন, বৈদ্যুতিক রাসায়নিক ব্যবস্থা পর্যন্ত।

অন্যান্য সিস্টেমের তুলনায়, কোলি উল্লেখ করেছেন: "আমরা যে স্থাপত্য পছন্দ ব্যবহার করি, তার সাহায্যে আমরা বৈধতা এবং অখণ্ডতার ক্ষেত্রে এক বিরাট অগ্রগতি অর্জন করি, একই সাথে নির্ভুলতা বজায় রাখি বা কিছুটা উন্নত করি।"

কোলি বলেন, অনন্য বিষয় হলো, মডেলটি কোনও প্রক্রিয়া "উদ্ভাবন" করে না, বরং পেটেন্ট সাহিত্য থেকে পরীক্ষামূলক তথ্যের উপর ভিত্তি করে সেগুলি অনুমান করে। "আমরা পরীক্ষামূলক তথ্য থেকে প্রক্রিয়াগুলি বের করছি - এমন কিছু যা কখনও এই স্কেলে করা হয়নি এবং ভাগ করা হয়নি।"

পরবর্তী ধাপ

দলটি ধাতু এবং অনুঘটক চক্র সম্পর্কে মডেলের ধারণা প্রসারিত করার পরিকল্পনা করছে। "আমরা কেবল পৃষ্ঠটি আঁচড়েছি," কোলি স্বীকার করেন।

দীর্ঘমেয়াদে, তিনি বিশ্বাস করেন যে এই সিস্টেমটি নতুন জটিল প্রতিক্রিয়া আবিষ্কার করতে সাহায্য করতে পারে, পাশাপাশি পূর্বে অজানা প্রক্রিয়াগুলির উপর আলোকপাত করতে পারে। "দীর্ঘমেয়াদী সম্ভাবনা বিশাল, তবে এটি কেবল শুরু।"

গবেষণাটি মেশিন লার্নিং ফর ফার্মাসিউটিক্যাল ডিসকভারি অ্যান্ড সিন্থেসিস কনসোর্টিয়াম এবং ইউএস ন্যাশনাল সায়েন্স ফাউন্ডেশন (এনএসএফ) দ্বারা সমর্থিত ছিল।

(সূত্র: এমআইটি)

সূত্র: https://vietnamnet.vn/moi-hinh-ai-moi-du-doan-phan-ung-hoa-hoc-chinh-xac-nho-bao-toan-khoi-luong-2444232.html