एआई मॉडल और प्लेटफ़ॉर्म
नए अध्ययन से एआई शोधकर्ता ने श्रोडिंगर समीकरण का समाधान किया
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
हाल ही में नेचर केमिस्ट्री पत्रिका में प्रकाशित एक अध्ययन में क्वांटम केमिस्ट्री में श्रोडिंगर समीकरण के ग्राउंड स्टेट की गणना के परिणामों का विवरण दिया गया है। इस समस्या का समाधान कृत्रिम बुद्धिमत्ता तकनीकों के अनुप्रयोग के साथ किया गया था, और अध्ययन की सफलता क्वांटम केमिस्ट्री के लिए महत्वपूर्ण परिणाम रखती है।
श्रोडिंगर समीकरण
वर्तमान में एक अणु के रासायनिक गुणों का निर्धारण करने के लिए धीमी, संसाधन-गहन, श्रमसाध्य प्रयोगशाला प्रयोगों पर निर्भर रहना पड़ता है। इसके विपरीत, क्वांटम केमिस्ट्री का प्रयास 3डी स्पेस में परमाणुओं की व्यवस्था पर निर्भर करते हुए अणुओं के भौतिक और रासायनिक गुणों की भविष्यवाणी करने का है। क्वांटम केमिस्ट्री के लिए अणु के गुणों का यथार्थवादी ढंग से निर्धारण करने के लिए, श्रोडिंगर के समीकरण का समाधान करना आवश्यक है। श्रोडिंगर का समीकरण क्लासिकल मैकेनिक्स में ऊर्जा संरक्षण और न्यूटन के नियमों की भूमिका को निभाता है, यह भविष्यवाणी करता है कि एक प्रणाली भविष्य में कैसे व्यवहार करेगी। श्रोडिंगर का समीकरण एक तरंग फलन के रूप में व्यक्त किया जाता है जो एक परिणाम या घटना की संभावना की सटीक भविष्यवाणी करता है। अब तक, श्रोडिंगर समीकरण का समाधान करना अत्यधिक कठिन साबित हुआ है।
श्रोडिंगर समीकरण का समाधान करने के लिए, शोधकर्ताओं को एक तरंग फलन को सही ढंग से मॉडल करने की आवश्यकता थी, जो एक गणितीय वस्तु है जो अणु में इलेक्ट्रॉनों के व्यवहार को निर्दिष्ट करने में सक्षम है। तरंग फलन उच्च-आयामी इकाइयाँ हैं, और परिणामस्वरूप, इलेक्ट्रॉनों के बीच संबंधों को एन्कोड करना अत्यधिक कठिन है। कुछ क्वांटम केमिस्ट्री तकनीकें तरंग फलन को एन्कोड करने की परवाह नहीं करती हैं, बल्कि लक्ष्य अणु की ऊर्जा का निर्धारण करने पर ध्यान केंद्रित करती हैं। हालांकि, जब केवल अणु की ऊर्जा पर ध्यान केंद्रित किया जाता है, तो एक अनुमान की आवश्यकता होती है, और यह अनुमान सीमित करता है कि कितनी उपयोगी भविष्यवाणियाँ की जा सकती हैं।
क्वांटम रसायनज्ञ तरंग फलन को प्रस्तुत करने के लिए अन्य तकनीकों का उपयोग कर सकते हैं, लेकिन वे व्यावहारिक रूप से कुछ परमाणुओं के लिए तरंग फलन की गणना करने के लिए उपयोगी नहीं हैं।
“क्वांटम मोंटे कार्लो” दृष्टिकोण गहरे तंत्रिका नेटवर्क के साथ
फिज़.ऑर्ग के अनुसार, फ्री यूनिवर्सिटैट बर्लिन के शोधकर्ताओं ने गहरे शिक्षण तकनीकों की सहायता से श्रोडिंगर के समीकरण का समाधान करने में सफलता प्राप्त की। शोध दल ने एक “क्वांटम मोंटे कार्लो” दृष्टिकोण का उपयोग किया, जो उच्च सटीकता के साथ मामूली गणनात्मक लागत प्रदान करता है। शोधकर्ताओं ने इलेक्ट्रॉनों के लिए तरंग फलन को प्रस्तुत करने के लिए गहरे तंत्रिका नेटवर्क का उपयोग किया। प्रोफेसर फ्रैंक नोए इस अध्ययन के प्रमुख शोधकर्ता थे, और नोए ने समझाया कि तंत्रिका नेटवर्क को इलेक्ट्रॉनों के वितरण के जटिल पैटर्न सीखने के लिए डिज़ाइन किया गया था।
शोधकर्ताओं को प्रभावी ढंग से इलेक्ट्रॉनों के पैटर्न सीखने के लिए गहरे तंत्रिका नेटवर्क का उपयोग करने के लिए, उन्हें सही नेटवर्क आर्किटेक्चर बनाने की आवश्यकता थी। इलेक्ट्रॉनिक तरंग फलन में एक संपत्ति होती है जिसे एंटीसिमेट्री कहा जाता है। जब दो इलेक्ट्रॉनों का आदान-प्रदान किया जाता है, तो तरंग फलन का चिह्न बदलना चाहिए। इस विशेष विशेषता को नेटवर्क आर्किटेक्चर में शामिल किया जाना था। नेटवर्क को “पॉलिनेट” नाम दिया गया था, जो “पॉली बहिष्करण सिद्धांत” से लिया गया था। यह सिद्धांत कहता है कि दो या दो से अधिक समान कण एक ही क्वांटम अवस्था में एक ही समय में एक क्वांटम प्रणाली में अस्तित्व नहीं रख सकते हैं।
पॉलिनेट को इलेक्ट्रॉनिक तरंग फलन के अन्य भौतिक गुणों को नेटवर्क में एकीकृत करने की आवश्यकता थी। नोए के अनुसार, नेटवर्क को डेटा के अवलोकन से निर्णय लेने की अनुमति देने के बजाय, नेटवर्क को तरंग फलन के गुणों को ध्यान में रखना था।
“मूलभूत भौतिकी को एआई में निर्मित करना इसकी अर्थपूर्ण भविष्यवाणियों की क्षमता के लिए आवश्यक है,” नोए ने फिज़.ऑर्ग के माध्यम से कहा। “यह वास्तव में वह जगह है जहां वैज्ञानिक एआई में एक महत्वपूर्ण योगदान दे सकते हैं, और यही मेरे समूह पर केंद्रित है।
शोध दल को अभी भी अधिक प्रयोग करने की आवश्यकता है, अपने दृष्टिकोण को परिष्कृत करने से पहले मॉडल को प्रयोगशाला के बाहर लागू करने के लिए तैयार किया जाना चाहिए। हालांकि, एक बार यह विधि औद्योगिक अनुप्रयोगों के लिए तैयार हो जाने के बाद, इसका उपयोग विभिन्न क्षेत्रों में किया जा सकता है। सामग्री वैज्ञानिक इस अल्गोरिथ्म का उपयोग नए मेटामेटेरियल बनाने में मदद के लिए कर सकते हैं, और फार्मास्यूटिकल उद्योग इसका उपयोग नए प्रकार की दवाओं के संश्लेषण के लिए कर सकता है।
