नई रासायनिक प्रतिक्रियाओं के परिणामों की भविष्यवाणी करने के लिए कृत्रिम बुद्धिमत्ता (एआई) और वृहद भाषा मॉडल (एलएलएम) की शक्ति का उपयोग करने के कई प्रयास किए गए हैं। हालाँकि, सफलता सीमित रही है, मुख्यतः क्योंकि ये मॉडल द्रव्यमान संरक्षण के नियम जैसे मूलभूत भौतिक सिद्धांतों से बंधे नहीं हैं।
अब, एमआईटी की एक टीम ने प्रतिक्रिया पूर्वानुमान मॉडल में भौतिक बाधाओं को शामिल करने का एक तरीका खोज लिया है, जिससे परिणामों की सटीकता और विश्वसनीयता में उल्लेखनीय सुधार होगा।

यह कार्य, 20 अगस्त को नेचर पत्रिका में प्रकाशित हुआ, जिसके सह-लेखक जूनयंग जोंग (जो अब दक्षिण कोरिया के कूकमिन विश्वविद्यालय में सहायक प्रोफेसर हैं), पूर्व सॉफ्टवेयर इंजीनियर मुन होंग फोंग (जो अब ड्यूक विश्वविद्यालय में हैं), केमिकल इंजीनियरिंग स्नातक छात्र निकोलस कैसेटी, पोस्टडॉक्टरल शोधकर्ता जॉर्डन लिल्स, भौतिकी के छात्र ने दस्सनायके और मुख्य लेखक कॉनर कोली हैं, जो केमिकल इंजीनियरिंग विभाग और इलेक्ट्रिकल साइंस एंड इंजीनियरिंग विभाग में 1957 के कैरियर डेवलपमेंट प्रोफेसर थे।
प्रतिक्रिया पूर्वानुमान क्यों महत्वपूर्ण है?
जोंग बताते हैं, "किसी प्रतिक्रिया के परिणाम की भविष्यवाणी करना एक बहुत ही महत्वपूर्ण कार्य है।" उदाहरण के लिए, अगर आप कोई नई दवा बनाना चाहते हैं, तो "आपको यह जानना होगा कि उसका संश्लेषण कैसे किया जाता है। इसके लिए यह जानना ज़रूरी है कि शुरुआती सामग्रियों के समूह से कौन से उत्पाद बनने की संभावना है।"
पिछले प्रयासों में प्रायः केवल इनपुट और आउटपुट डेटा पर ही ध्यान दिया गया है, तथा मध्यवर्ती चरणों और भौतिक बाधाओं, जैसे कि प्राकृतिक रूप से द्रव्यमान बनाने या खोने में असमर्थता, को नजरअंदाज किया गया है।
जोंग बताते हैं कि चैटजीपीटी जैसे एलएलएम को शोध में कुछ सफलता तो मिली है, लेकिन उनके पास यह सुनिश्चित करने के लिए कोई तंत्र नहीं है कि उनके परिणाम भौतिकी के नियमों का पालन करें। वे कहते हैं, "'टोकन' (जो परमाणुओं का प्रतिनिधित्व करते हैं) को संरक्षित किए बिना, एलएलएम अभिक्रिया में मनमाने ढंग से परमाणुओं का निर्माण या विनाश करेंगे। यह विज्ञान से ज़्यादा कीमियागिरी जैसा है।"
फ्लावरईआर समाधान: पुराने प्लेटफॉर्म पर आधारित, नई तकनीक पर लागू
इस पर काबू पाने के लिए, टीम ने प्रतिक्रिया में इलेक्ट्रॉनों का प्रतिनिधित्व करने के लिए रसायनज्ञ इवर उगी द्वारा विकसित 1970 के दशक की विधि - बॉन्ड-इलेक्ट्रॉन मैट्रिक्स - का उपयोग किया।
इसके आधार पर, उन्होंने फ्लॉवर (इलेक्ट्रॉन पुनर्वितरण के लिए प्रवाह मिलान) कार्यक्रम विकसित किया, जो इलेक्ट्रॉनों की गति पर विस्तृत नज़र रखने की अनुमति देता है, तथा यह सुनिश्चित करता है कि कोई भी इलेक्ट्रॉन कृत्रिम रूप से न जोड़ा जाए या न खोया जाए।
यह मैट्रिक्स किसी बंधन या मुक्त इलेक्ट्रॉनों के युग्म को दर्शाने के लिए एक शून्येतर मान का उपयोग करता है, और विपरीत मान के लिए शून्य का। फ़ोंग बताते हैं, "इससे हमें परमाणु और इलेक्ट्रॉन, दोनों का संरक्षण करने में मदद मिलती है।" यह मॉडल में द्रव्यमान संरक्षण को शामिल करने के लिए महत्वपूर्ण है।
प्रारंभिक लेकिन आशाजनक साक्ष्य
कोली के अनुसार, वर्तमान प्रणाली केवल एक प्रदर्शन है - एक अवधारणा-प्रमाण जो दर्शाता है कि "प्रवाह मिलान" विधि रासायनिक प्रतिक्रियाओं की भविष्यवाणी करने के लिए अच्छी तरह से अनुकूल है।
दस लाख से अधिक रासायनिक प्रतिक्रियाओं (अमेरिकी पेटेंट कार्यालय से एकत्रित) के आंकड़ों से प्रशिक्षित होने के बावजूद, डेटाबेस में अभी भी धातु- और उत्प्रेरक-आधारित प्रतिक्रियाओं का अभाव है।
कोली ने कहा, "हम इस बात से उत्साहित हैं कि यह प्रणाली प्रतिक्रिया तंत्र का विश्वसनीय रूप से अनुमान लगा सकती है। यह द्रव्यमान और इलेक्ट्रॉनों का संरक्षण करती है, लेकिन आने वाले वर्षों में इसकी मज़बूती को बढ़ाने और बेहतर बनाने के निश्चित रूप से तरीके मौजूद हैं।"
यह मॉडल अब GitHub पर सार्वजनिक रूप से उपलब्ध है। कोली को उम्मीद है कि यह प्रतिक्रियाशीलता का आकलन करने और प्रतिक्रिया मानचित्र बनाने के लिए एक उपयोगी उपकरण साबित होगा।
खुले डेटा स्रोत और व्यापक अनुप्रयोग क्षमता
फोंग ने कहा, "हमने सब कुछ सार्वजनिक कर दिया है - मॉडल से लेकर डेटा तक, तथा जोंग द्वारा बनाए गए पिछले डेटासेट तक, जिसमें प्रतिक्रिया के ज्ञात यांत्रिक चरणों का विवरण दिया गया है।"
टीम के अनुसार, फ्लॉवर मानक क्रियाविधि खोजने में मौजूदा विधियों की बराबरी कर सकता है या उनसे आगे निकल सकता है, साथ ही पहले कभी न देखी गई अभिक्रियाओं के प्रकारों का सामान्यीकरण भी कर सकता है। इसके संभावित अनुप्रयोग औषधीय रसायन विज्ञान, पदार्थ खोज , अग्नि अनुसंधान, वायुमंडलीय रसायन विज्ञान से लेकर विद्युत-रासायनिक प्रणालियों तक में उपलब्ध हैं।
अन्य प्रणालियों की तुलना में, कोली ने कहा: "हमारे द्वारा उपयोग किए जाने वाले वास्तुशिल्प विकल्प के साथ, हम वैधता और अखंडता में एक बड़ी छलांग प्राप्त करते हैं, जबकि सटीकता को बनाए रखते हैं या थोड़ा सुधारते हैं।"
कोली कहते हैं कि अनोखी बात यह है कि यह मॉडल तंत्रों का "आविष्कार" नहीं करता, बल्कि पेटेंट साहित्य से प्राप्त प्रायोगिक आंकड़ों के आधार पर उनका अनुमान लगाता है। "हम प्रायोगिक आंकड़ों से तंत्र निकाल रहे हैं—ऐसा कुछ जो पहले कभी इस पैमाने पर नहीं किया गया और साझा नहीं किया गया।"
अगला कदम
टीम धातुओं और उत्प्रेरक चक्रों के बारे में मॉडल की समझ को और व्यापक बनाने की योजना बना रही है। कोली स्वीकार करते हैं, "हमने अभी केवल सतही स्तर पर ही काम किया है।"
उनका मानना है कि दीर्घकाल में यह प्रणाली नई जटिल प्रतिक्रियाओं की खोज में मदद कर सकती है, साथ ही पहले से अज्ञात तंत्रों पर भी प्रकाश डाल सकती है। "दीर्घकालिक संभावनाएँ बहुत बड़ी हैं, लेकिन यह तो बस शुरुआत है।"
इस शोध को मशीन लर्निंग फॉर फार्मास्युटिकल डिस्कवरी एंड सिंथेसिस कंसोर्टियम और यूएस नेशनल साइंस फाउंडेशन (NSF) द्वारा समर्थित किया गया था।
(स्रोत: एमआईटी)
स्रोत: https://vietnamnet.vn/moi-hinh-ai-moi-du-doan-phan-ung-hoa-hoc-chinh-xac-nho-bao-toan-khoi-luong-2444232.html
टिप्पणी (0)