साइंस टेक पल्स
आर्टिफिशियल इंटेलिजेंस

AI ने 448 शोधपत्रों से खोजी नई ऊष्मा-स्थिर, सीसा-रहित सामग्री

सियोल नेशनल यूनिवर्सिटी की टीम ने सैकड़ों शोधपत्रों से निकाले डेटा को भौतिकी-आधारित मशीन लर्निंग से जोड़कर 150 मिलियन संभावित सामग्री संयोजनों को घटाकर 37 किया, फिर उनमें से दो बनाकर परखा।

चरण दर चरण

  1. 1

    448 शोधपत्रों से डेटा निकाला

  2. 2

    भौतिकी-आधारित AI मॉडल प्रशिक्षित किए

  3. 3

    150 मिलियन विकल्पों को 37 तक सीमित किया

  4. 4

    दो सामग्री बनाकर परखा

बिजली को सीधे बहने से रोकते हुए विद्युत आवेश जमा करने वाली इन्सुलेटिंग सामग्री, यानी सीसा-रहित डाइइलेक्ट्रिक (dielectric) पदार्थों को खोजने का एक नया तरीका सियोल नेशनल यूनिवर्सिटी के इंजीनियरिंग कॉलेज में प्रोफेसर हो वोन जांग के नेतृत्व वाली टीम ने विकसित किया है, जिसमें वैज्ञानिक शोधपत्रों से निकाले गए डेटा को भौतिकी-आधारित मशीन लर्निंग के साथ जोड़ा गया। स्मार्टफोन, इलेक्ट्रिक वाहनों जैसे इलेक्ट्रॉनिक उपकरणों में इस्तेमाल होने वाले मल्टीलेयर सिरेमिक कैपेसिटर (MLCCs) के लिए ये डाइइलेक्ट्रिक पदार्थ ज़रूरी हैं; किसी पदार्थ का डाइइलेक्ट्रिक कॉन्स्टेंट (dielectric constant) जितना ज़्यादा होगा, वह उतनी ही ज़्यादा विद्युत ऊर्जा उसी आकार में जमा कर सकता है, लेकिन यह क्षमता ऊंचे तापमान पर भी स्थिर बनी रहनी चाहिए। यह शोध जर्नल नेचर कम्युनिकेशंस में प्रकाशित हुआ है।

प्रमुख लेखक क्वानवू सोंग के नेतृत्व में यंगमिन किम और पोस्टडॉक्टरल शोधकर्ता जेह्युन किम के साथ इस टीम ने 448 शोधपत्रों के टेक्स्ट, तालिकाओं और ग्राफ से संयोजन, प्रसंस्करण स्थितियों और प्रदर्शन डेटा को अपने आप निकालने के लिए बड़े भाषा मॉडल (large language models) का इस्तेमाल किया, और इस तरह 1,202 रिकॉर्ड का डेटासेट बनाया। हर अध्ययन में मापने की स्थितियां अलग-अलग होने के कारण, बिखरे डेटा को प्रशिक्षण के लायक बनाने के लिए शोधकर्ताओं ने 22 भौतिक विवरणक (descriptors) जोड़े और अलग-अलग प्रशिक्षित 30 मशीन-लर्निंग मॉडलों को मिलाया।

इस तरीके को करीब 150 मिलियन संभावित सीसा-रहित संयोजनों वाले एक काल्पनिक स्पेस पर लागू करके, टीम ने खोज को 37 आशाजनक उम्मीदवारों तक सीमित कर दिया। इसके बाद उन्होंने थोड़ी मात्रा में टिन मिलाकर दो संयोजन तैयार किए और प्रयोग से पुष्टि की कि दोनों में उच्च डाइइलेक्ट्रिक कॉन्स्टेंट था और वे व्यापक तापमान दायरे में स्थिर रहे — जबकि व्यापक रूप से इस्तेमाल होने वाले डाइइलेक्ट्रिक पदार्थ बेरियम टाइटेनेट का प्रदर्शन 125°C के आसपास अचानक बदल जाता है।

इलेक्ट्रिक वाहनों, पावर सिस्टम और एयरोस्पेस उपकरणों समेत ज़्यादा से ज़्यादा इलेक्ट्रॉनिक उपकरण ऊंचे तापमान पर काम करने लगे हैं, इसलिए संभावित सीसा-रहित तत्व संयोजनों की संख्या बहुत बड़ी है, जिससे आज़माइश-आधारित खोज महंगी और धीमी हो जाती है। शोधकर्ताओं ने कहा कि पदार्थों को एक-एक करके परखने के बजाय, बनाने से पहले ही आशाजनक संयोजनों का अनुमान लगाने वाला उनका यह इनवर्स-डिज़ाइन तरीका, हाइड्रोजन ऊर्जा, कार्बन कैप्चर और शुद्ध अमोनिया प्रणालियों के लिए सामग्री डिज़ाइन करने में भी काम आ सकता है।

शब्दों की व्याख्या

अब तक की कहानी

  1. Seoul Researchers Design Programmable Photonic Chip That Controls When Light Arrives
  2. Lead-Free Perovskite Sensor Detects Ammonia Leaks at Just 1 ppm
  3. Saarland Team to Levitate Molten Metal Alloys on the ISS to Refine 'Metallic Glass'
  4. NEC ने पानी के भीतर की ध्वनियों के लिए AI फाउंडेशन मॉडल बनाना शुरू किया
  5. मिट्टी के रोगाणु सोच से कहीं ज़्यादा मीथेन सोख सकते हैं: तीन-मॉडल अध्ययन
  6. AI के प्रति-तर्क के बाद 30% से अधिक लोगों ने नैतिक दुविधा पर रुख बदला: कोबे अध्ययन
  7. AI ने 448 शोधपत्रों से खोजी नई ऊष्मा-स्थिर, सीसा-रहित सामग्री
#artificial intelligence#materials science#machine learning#electronics#Seoul National University
इस खबर को रेटिंग दें

संबंधित खबरें