एआई के माध्यम से सुपर-कंप्रेसिबल सामग्री विकसित की गई

टीयू डेल्फ़्ट के शोधकर्ताओं द्वारा एआई के माध्यम से विकसित एक नई सुपर-संपीड़ित सामग्री मजबूत रहते हुए हमारी रोजमर्रा की कई वस्तुओं को बदल सकती है। शोधकर्ताओं ने कोई प्रायोगिक परीक्षण नहीं किया, और उन्होंने केवल कृत्रिम बुद्धिमत्ता का उपयोग करके सामग्री बनाई यंत्र अधिगम.

मिगुएल बेसा इसके पहले लेखक हैं प्रकाशन जो सामने आया उन्नत सामग्री अक्टूबर 14 पर। 

उन्होंने कहा, "एआई आपको खजाने का नक्शा देता है और वैज्ञानिक को खजाना ढूंढना होता है।" 

रोजमर्रा की वस्तुओं को बदलना

टीयू डेल्फ़्ट में सामग्री विज्ञान के सहायक प्रोफेसर मिगुएल बेसा को कैलिफोर्निया इंस्टीट्यूट ऑफ टेक्नोलॉजी में समय बिताने के बाद इस सामग्री को बनाने की प्रेरणा मिली। यहीं पर, स्पेस स्ट्रक्चर्स लैब में, उन्होंने एक उपग्रह संरचना देखी जो एक छोटे पैकेज से लंबे सौर पाल खोलने में सक्षम थी। 

इसे देखने के बाद, बेसा ने जानना चाहा कि क्या एक सुपर-संपीड़ित लेकिन मजबूत सामग्री को डिजाइन करना और इसे इसकी मात्रा के एक छोटे से हिस्से में संपीड़ित करना संभव है। 

"अगर यह संभव होता, तो साइकिल, डिनर टेबल और छतरियां जैसी रोजमर्रा की वस्तुएं आपकी जेब में रखी जा सकती थीं," उन्होंने कहा। 

सामग्री की अगली पीढ़ी 

बेसा का मानना ​​है कि यह महत्वपूर्ण है कि अगली पीढ़ी की सामग्रियाँ परिवर्तनशील होने की क्षमता के साथ अनुकूली और बहुउद्देश्यीय हों। ऐसा करने का तरीका संरचना-प्रधान सामग्रियों के माध्यम से है, जो मेटामटेरियल हैं जो नई ज्यामिति का फायदा उठाने में सक्षम हैं। इससे सामग्रियों में कुछ ऐसे गुण और कार्यशीलताएं आ सकेंगी जो पहले मौजूद नहीं थीं। 

"हालांकि, मेटामटेरियल डिज़ाइन व्यापक प्रयोग और परीक्षण-और-त्रुटि दृष्टिकोण पर निर्भर है," बेसा कहते हैं। "हम नई डिजाइन संभावनाओं की खोज के लिए मशीन लर्निंग का उपयोग करके प्रक्रिया को उलटने के पक्ष में तर्क देते हैं, जबकि प्रयोग को न्यूनतम तक कम करते हैं।"

“हम एक नई मेटामटेरियल अवधारणा की खोज करने और इसे विभिन्न लक्ष्य गुणों, आधार सामग्री की पसंद, लंबाई के पैमाने और विनिर्माण प्रक्रियाओं के लिए अनुकूलित करने के लिए एक कम्प्यूटेशनल डेटा-संचालित दृष्टिकोण का पालन करते हैं।"

नई संभावनाएँ

मशीन लर्निंग का उपयोग करते हुए, बेसा ने दो डिज़ाइन विकसित किए जो एआई के माध्यम से विकसित सुपर-संपीड़ित सामग्री के लिए अलग-अलग लंबाई के पैमाने थे। उन्होंने भंगुर पॉलिमर को मेटामटेरियल्स में बदल दिया जो बहुत अधिक हल्के और पुनर्प्राप्ति योग्य थे। इन नए मेटामटेरियल्स का सबसे महत्वपूर्ण और प्रभावशाली पहलू यह है कि वे सुपर-संपीड़ित हैं। मैक्रो-स्केल डिज़ाइन अधिकतम संपीड़न क्षमता पर केंद्रित है, जबकि माइक्रो-स्केल उच्च शक्ति और कठोरता के लिए सर्वोत्तम है। 

बेसा का तर्क है कि काम का सबसे महत्वपूर्ण हिस्सा वास्तविक विकसित सामग्री नहीं है, बल्कि यह मशीन लर्निंग और कृत्रिम बुद्धिमत्ता के उपयोग के माध्यम से डिजाइन करने का नया तरीका है। इससे ऐसी संभावनाएँ खुल सकती हैं जो पहले अज्ञात थीं। 

“महत्वपूर्ण बात यह है कि मशीन लर्निंग प्रयोगात्मक रूप से निर्देशित जांच से कम्प्यूटेशनल रूप से डेटा-संचालित जांच में स्थानांतरित होकर डिजाइन प्रक्रिया को उलटने का अवसर पैदा करती है, भले ही कंप्यूटर मॉडल में कुछ जानकारी गायब हो। आवश्यक शर्तें यह हैं कि रुचि की समस्या के बारे में 'पर्याप्त' डेटा उपलब्ध है, और डेटा पर्याप्त रूप से सटीक है।

बेसा सामग्री विज्ञान में डेटा-संचालित अनुसंधान और हमारे जीवन के तरीके में क्रांति लाने और बदलने की क्षमता में विश्वास करता है। 

"डेटा-संचालित विज्ञान नई खोजों तक पहुंचने के हमारे तरीके में क्रांतिकारी बदलाव लाएगा, और मैं यह देखने के लिए इंतजार नहीं कर सकता कि भविष्य हमारे लिए क्या लेकर आएगा।"

प्रारंभ से अंत तक कार्यभार संभालना

इन नए विकासों से पता चलता है कि ऐसे क्षेत्र हैं जिन्हें एआई और मशीन लर्निंग द्वारा रूपांतरित किया जा सकता है जो अच्छी तरह से ज्ञात नहीं हैं। हालांकि यह साबित हो चुका है कि कृत्रिम बुद्धिमत्ता मशीनों, प्रौद्योगिकियों और समाज के लगभग हर पहलू में क्रांति ला देगी, लेकिन यह अक्सर स्वीकार नहीं किया जाता है कि यह इन्हें पूरी तरह से अपने आप विकसित भी कर सकती है। एक बिंदु आएगा जब मशीन लर्निंग और एआई शुरू से अंत तक डिजाइन और विकास प्रक्रिया को संभाल लेंगे। यह मनुष्यों पर निर्भर करेगा कि वे इन प्रौद्योगिकियों में कुछ तंत्र स्थापित करें ताकि वे हमारे जीवन के तरीकों के अनुकूल हों।