रोबोटिक्स और भौतिक एआई
एआई के माध्यम से विकसित सुपर-कंप्रेशिबल सामग्री
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
टीयू डेल्फ्ट के शोधकर्ताओं द्वारा एआई के माध्यम से विकसित एक नई सुपर-कंप्रेशिबल सामग्री हमारे कई दैनिक वस्तुओं को बदल सकती है और फिर भी मजबूत रहती है। शोधकर्ताओं ने कोई प्रयोगात्मक परीक्षण नहीं किया, और उन्होंने केवल कृत्रिम बुद्धिमत्ता और मशीन लर्निंग का उपयोग करके सामग्री बनाई।
मिगुएल बेसा प्रकाशन के पहले लेखक हैं जो एडवांस्ड मैटेरियल्स में 14 अक्टूबर को प्रकाशित हुए थे।
“एआई आपको एक खजाने का नक्शा देता है, और वैज्ञानिक को खजाना ढूंढना होता है,” उन्होंने कहा।
दैनिक वस्तुओं को बदलना
मिगुएल बेसा, टीयू डेल्फ्ट में सामग्री विज्ञान के सहायक प्रोफेसर, कैलिफोर्निया इंस्टीट्यूट ऑफ टेक्नोलॉजी में समय बिताने के बाद इस सामग्री को बनाने के लिए प्रेरित हुए। यह वहां था, स्पेस स्ट्रक्चर लैब में, जहां उन्होंने एक उपग्रह संरचना देखी जो एक छोटे पैकेज से लंबे सौर पाल को खोल सकती थी।
इसके बाद, बेसा यह जानना चाहते थे कि क्या एक सुपर-कंप्रेशिबल और मजबूत सामग्री को डिजाइन करना संभव है और इसे अपने आयतन के एक छोटे से हिस्से में संकुचित किया जा सकता है।
“यदि यह संभव है, तो दैनिक वस्तुओं जैसे कि साइकिल, डिनर टेबल और छतरी को आपके पॉकेट में मोड़ा जा सकता है,” उन्होंने कहा।
सामग्रियों की अगली पीढ़ी
बेसा का मानना है कि सामग्रियों की अगली पीढ़ी को अनुकूलनीय और बहुउद्देशीय होना चाहिए, जिसमें बदलने की क्षमता हो। इसे करने का तरीका संरचना-निर्धारित सामग्रियों के माध्यम से है, जो मेटामेटेरियल हैं जो नए ज्यामिति का फायदा उठा सकते हैं। यह सामग्रियों को ऐसे गुणों और कार्यों के साथ प्रदान करेगा जो पहले नहीं थे।
“हालांकि, मेटामेटेरियल डिजाइन में व्यापक प्रयोग और एक परीक्षण-त्रुटि दृष्टिकोण पर निर्भर रहा है,” बेसा कहते हैं। “हम मशीन लर्निंग का उपयोग करके नए डिजाइन संभावनाओं का अन्वेषण करने और प्रयोग को न्यूनतम करने की प्रक्रिया को उलटने के पक्ष में तर्क देते हैं।”
“हम एक नए मेटामेटेरियल अवधारणा का अन्वेषण करने और इसे विभिन्न लक्ष्य गुणों, आधार सामग्री, लंबाई स्केल और विनिर्माण प्रक्रियाओं के लिए अनुकूलित करने के लिए एक गणनात्मक डेटा-संचालित दृष्टिकोण का पालन करते हैं। “
नई संभावनाएं
मशीन लर्निंग का उपयोग करके, बेसा ने सुपर-कंप्रेशिबल सामग्री के लिए दो डिजाइन विकसित किए जो एआई के माध्यम से विकसित किए गए थे। उन्होंने भंगुर पॉलिमर को मेटामेटेरियल में बदल दिया जो बहुत हल्के और पुनर्प्राप्त करने योग्य थे। इन नए मेटामेटेरियल की सबसे महत्वपूर्ण और प्रभावशाली विशेषता यह है कि वे सुपर-कंप्रेशिबल हैं। मैक्रो-स्केल डिजाइन अधिकतम संकुचन पर केंद्रित है, जबकि माइक्रो-स्केल उच्च शक्ति और कठोरता के लिए सबसे अच्छा है।
बेसा का तर्क है कि काम का सबसे महत्वपूर्ण हिस्सा वास्तविक विकसित सामग्री नहीं है, बल्कि मशीन लर्निंग और कृत्रिम बुद्धिमत्ता के उपयोग के माध्यम से डिजाइन करने का नया तरीका है। यह पहले से अज्ञात संभावनाओं को खोल सकता है।
“महत्वपूर्ण बात यह है कि मशीन लर्निंग एक अवसर प्रदान करती है कि डिजाइन प्रक्रिया को उलटने के लिए, प्रयोगात्मक रूप से निर्देशित जांच से कम्प्यूटेशनल डेटा-संचालित लोगों में स्थानांतरित करने के लिए, यहां तक कि जब कंप्यूटर मॉडल कुछ जानकारी की कमी है। आवश्यक आवश्यकताएं यह हैं कि ‘पर्याप्त’ डेटा उपलब्ध है और डेटा पर्याप्त रूप से सटीक है।”
बेसा सामग्री विज्ञान में डेटा-संचालित अनुसंधान में विश्वास करते हैं और इसकी हमारे जीवन को क्रांतिकारी और परिवर्तित करने की क्षमता में।
“डेटा-संचालित विज्ञान नए खोजों के तरीके को क्रांतिकारी बना देगा, और मैं देखने के लिए उत्सुक हूं कि भविष्य हमें क्या लेकर आएगा।”
शुरू से अंत तक ले जाना
इन नए विकासों से पता चलता है कि ऐसे क्षेत्र हैं जिन्हें एआई और मशीन लर्निंग द्वारा परिवर्तित किया जा सकता है जो अच्छी तरह से ज्ञात नहीं हैं। जबकि यह सिद्ध हो चुका है कि कृत्रिम बुद्धिमत्ता मशीनों, प्रौद्योगिकियों और लगभग हर अन्य समाज के पहलू को क्रांतिकारी बना देगी, यह अक्सर स्वीकार नहीं किया जाता है कि यह पूरी तरह से स्वयं विकसित कर सकता है। एक बिंदु आएगा जहां मशीन लर्निंग और एआई डिजाइन और विकास प्रक्रिया को शुरू से अंत तक ले जाएगा। यह मानवों पर निर्भर करेगा कि वे इन प्रौद्योगिकियों में कुछ तंत्र स्थापित करें ताकि वे हमारे जीवन के तरीकों के साथ संगत हों।
