गूगल डीपमाइंड की Al सफलता कैसे चिप, बैटरी विकास में क्रांति ला सकती है

• गूगल डीपमाइंड शोधकर्ताओं ने हाल ही में ग्राफ़ नेटवर्क्स फॉर मैटेरियल्स एक्सप्लोरेशन (GNoME) नामक AI का उपयोग करके सामग्री खोज में एक सफलता का अनावरण किया।

संरचनाओं की भविष्यवाणी में AI की भूमिका

• GNoME ने 2 मिलियन से अधिक नई सामग्रियों की संरचनाओं की भविष्यवाणी करने के लिए AI का उपयोग किया।
• संभावित अनुप्रयोग नवीकरणीय ऊर्जा, बैटरी अनुसंधान, अर्धचालक डिजाइन और कंप्यूटिंग दक्षता तक विस्तारित हैं।

ब्रेकथ्रू का महत्व

• GNoME मानवता के लिए ज्ञात 'स्थिर सामग्रियों' की संख्या को दस गुना तक बढ़ा देता है।
• इन सामग्रियों में अकार्बनिक क्रिस्टल शामिल हैं जिन पर कंप्यूटर चिप्स से लेकर बैटरी तक के आधुनिक तकनीकी अनुप्रयोग निर्भर करते हैं।
• नई प्रौद्योगिकियों को सक्षम करने के लिए, क्रिस्टल को स्थिर होना चाहिए अन्यथा वे आसानी से विघटित हो सकते हैं।
• हालाँकि, इन सामग्रियों को अभी भी संश्लेषण और परीक्षण की प्रक्रिया से गुजरना होगा।

आउटपुट और फ़िल्टरिंग

• GNoME ने 2.2 मिलियन क्रिस्टल संरचनाओं में से 381,000 को सबसे अधिक स्थिर के रूप में पहचाना।
• यह खोज खोज जैसे चल रहे अनुसंधान में सहायता करती है।
  • ली-आयन बैटरियों के लिए स्थिर ठोस इलेक्ट्रोलाइट्स।
  • ग्राफीन के समान नए स्तरित यौगिक।

NoME वास्तव में कैसे काम करता है?

• GNoME एक ग्राफ़ न्यूरल नेटवर्क मॉडल है जो अपने डेटासेट को बढ़ाने के लिए सक्रिय शिक्षण का उपयोग करता है।
• यह एल्गोरिदम को नई सामग्रियों की खोज के विज्ञान के लिए "अच्छी तरह से अनुकूल" बनाता है, जिसके लिए मूल डेटासेट में नहीं पाए जाने। वाले पैटर्न की खोज की आवश्यकता होती है।

प्रशिक्षण डेटा और सहयोग

• GNoME को द मटेरियल प्रोजेक्ट से क्रिस्टल संरचना डेटा पर प्रशिक्षित किया गया था, जो अकार्बनिक सामग्री अनुसंधान के लिए डेटा प्रदान करने वाली एक सहयोगी पहल है।
• परमाणु संरचनाओं और क्रिस्टल स्थिरता को समझने के लिए घनत्व कार्यात्मक सिद्धांत (DFT) का उपयोग करके मॉडल का बार-बार मूल्यांकन किया गया।

परिशुद्धता सुधार

• GNoME संरचनात्मक और संरचनात्मक पाइपलाइनों का आकलन करता है, ज्ञात क्रिस्टल संरचनाओं वाले और रासायनिक सूत्रों के आधार पर उम्मीदवारों का मूल्यांकन करता है।
• भौतिक स्थिरता की भविष्यवाणी के लिए इसकी सटीक दर 50% से बढ़कर लगभग 80% हो गई है।
• यह लगभग 800 वर्षों की पारंपरिक कम्प्यूटेशनल विधियों के बराबर ज्ञान का दावा करता है, जिसमें आगे के शोध के लिए 380,000 स्थिर भविष्यवाणियाँ उपलब्ध हैं।

सामग्री खोज पर संभावित प्रभाव

• यह सफलता संभावित उम्मीदवारों को फ़िल्टर करके सामग्री खोज प्रक्रिया को तेज करती है।
• यह शोधकर्ताओं को विशिष्ट गुणों वाली सामग्रियों को संश्लेषित करने पर ध्यान केंद्रित करने में सक्षम बनाता है।