উপাদান আবিষ্কারে AI
AI ভবিষ্যদ্বাণী করে যে কোন নতুন উপকরণগুলি বিদ্যমান, স্থিতিশীল এবং দরকারী বৈশিষ্ট্য থাকতে পারে, সম্ভাব্য যৌগের কাছাকাছি-অসীম স্থানের মাধ্যমে অনুসন্ধানকে নাটকীয়ভাবে সঙ্কুচিত করে।
ওভারভিউ
এটি ব্যাটারি, সৌর কোষ, সুপারকন্ডাক্টর এবং অনুঘটকের জন্য গুরুত্বপূর্ণ যেখানে সঠিক উপাদান খুঁজে পেতে কয়েক দশক সময় লাগতে পারে।
গভীর ডুব
ঐতিহ্যগতভাবে, একটি নতুন উপাদান আবিষ্কারের অর্থ ধীর ট্রায়াল-এন্ড-এরর সংশ্লেষণ বা ব্যয়বহুল কোয়ান্টাম-যান্ত্রিক সিমুলেশন। এআই উভয় প্রান্তকে ত্বরান্বিত করে। গ্রাফ নিউরাল নেটওয়ার্কগুলি একটি স্ফটিককে পরমাণু (নোড) এবং বন্ড (প্রান্ত) হিসাবে উপস্থাপন করে এবং ঘনত্ব কার্যকরী তত্ত্বের ঘন্টার পরিবর্তে মিলিসেকেন্ডে গঠন শক্তি, ব্যান্ড গ্যাপ বা পরিবাহিতা এর মতো বৈশিষ্ট্যগুলি ভবিষ্যদ্বাণী করতে শেখে। জেনারেটিভ মডেলগুলি সম্পূর্ণরূপে নতুন প্রার্থী কাঠামোর প্রস্তাব করে এবং AI লক্ষ লক্ষ স্ক্রিন করে একটি ল্যাবে তৈরি করা মূল্যবান কিছুকে চিহ্নিত করতে। 2023 সালে DeepMind-এর GNoME কয়েক হাজার ভবিষ্যদ্বাণীকৃত স্থিতিশীল স্ফটিক রিপোর্ট করেছে, এবং Microsoft-এর ম্যাটারজেন কাঙ্ক্ষিত বৈশিষ্ট্যের উপর শর্তযুক্ত তৈরির কাঠামো প্রদর্শন করেছে। ক্রমবর্ধমানভাবে এই মডেলগুলি স্ব-ড্রাইভিং ল্যাবগুলিকে খাওয়ায়, যেখানে রোবটগুলি স্বয়ংক্রিয়ভাবে শীর্ষ প্রার্থীদের সংশ্লেষণ করে এবং পরীক্ষা করে৷
প্রযুক্তিগত অন্তর্দৃষ্টি
গ্রাফ নেটওয়ার্কের মতো ক্রিস্টাল-সম্পত্তি মডেলগুলি পদার্থবিজ্ঞানের প্রতিসাম্যকে সম্মান করে: তারা পরমাণুকে অনুবাদ, ঘূর্ণন বা রিলেবেল করার ক্ষেত্রে অপরিবর্তনীয়, যা ভবিষ্যদ্বাণীগুলিকে শারীরিকভাবে সামঞ্জস্যপূর্ণ এবং ডেটা-দক্ষ করে তোলে। একটি সাধারণ পাইপলাইন লক্ষ লক্ষ প্রার্থীদের র্যাঙ্ক করার জন্য একটি দ্রুত নিউরাল সারোগেট ব্যবহার করে, তারপরে ঘনত্ব কার্যকরী তত্ত্বের সাথে সর্বোত্তমটি যাচাই করে এবং অবশেষে মুষ্টিমেয় সংশ্লেষিত করে। এই ফানেল একটি জটিল অনুসন্ধানকে একটি ট্র্যাক্টেবল শর্টলিস্টে পরিণত করে এবং শেষ পর্যন্ত কঠোর পদার্থবিদ্যা পরীক্ষা করে।
কৌশলগত প্রভাব
পছন্দগুলি তৈরি করুন
অ্যাপ্লিকেশন-স্তরের নকশা নির্ধারণ করে যে AI বাস্তব ফলাফলগুলিকে উন্নত করে কিনা।
টিম এবং ওয়ার্কফ্লো
ভাল ওয়ার্কফ্লো ইন্টিগ্রেশন ব্যবহারকারীদের বিশ্বাস করতে পারে এমন উত্পাদনশীলতা লাভ তৈরি করে।
ঝুঁকি এবং নিরাপত্তা
সুপরিসর ব্যবহারের ক্ষেত্রে পরিবর্তনের ক্লান্তি এবং বাস্তবায়নের ঝুঁকি হ্রাস করে।
উপাদান আবিষ্কারে AI এর ভবিষ্যত
সীমানা লুপ বন্ধ করে দিচ্ছে: উৎপাদিত নকশা প্রস্তাবিত লক্ষ্যবস্তু, AI সংশ্লেষণ রুটের পরিকল্পনা করছে, এবং স্বায়ত্তশাসিত রোবোটিক ল্যাব তৈরি ও পরিমাপ করে ফলাফলগুলি মডেলগুলিতে ফিরে আসছে৷ শুধু থার্মোডাইনামিক স্থিতিশীলতা নয়, সংশ্লেষণযোগ্যতার আরও ভাল পরিচালনার আশা করুন, এছাড়াও মেশিন-শিক্ষিত আন্তঃপরমাণু সম্ভাবনার বৃদ্ধির প্রত্যাশা করুন যা প্রায়-কোয়ান্টাম নির্ভুলতায় আণবিক সিমুলেশন চালায় কিন্তু অনেক বেশি গতিতে, দীর্ঘ এবং বড় পরীক্ষাগুলি আনলক করে।
বাস্তব-বিশ্ব বাস্তবায়ন
DeepMind-এর GNoME কয়েক হাজার নতুন স্থিতিশীল স্ফটিক কাঠামোর ভবিষ্যদ্বাণী করছে এবং পরিচিত উপকরণের ডাটাবেস প্রসারিত করছে
যন্ত্র-শিক্ষিত আন্তঃপরমাণু সম্ভাবনা দ্রুত চলমান, অ্যালয় এবং ইলেক্ট্রোলাইটের জন্য কাছাকাছি-ডিএফটি-নির্ভুলতা আণবিক গতিবিদ্যা
জেনারেটিভ মডেল যেমন ম্যাটারজেন একটি পছন্দসই ব্যান্ড গ্যাপ বা চৌম্বকীয় সম্পত্তিকে লক্ষ্য করে স্ফটিক প্রস্তাব করে
স্ব-ড্রাইভিং ল্যাব (যেমন, এ-ল্যাব) যেখানে AI প্রার্থীদের নির্বাচন করে এবং রোবটগুলি তাদের স্বায়ত্তশাসিতভাবে সংশ্লেষিত এবং বৈশিষ্ট্যযুক্ত করে
ঝুঁকি এবং প্রহরী
একটি ভাঙা প্রক্রিয়া স্বয়ংক্রিয়ভাবে বিদ্যমান সমস্যাগুলিকে প্রসারিত করতে পারে।
দলগুলি অতিরিক্ত-স্বয়ংক্রিয় হতে পারে এবং প্রয়োজনীয় মানবিক বিচার অপসারণ করতে পারে।
আউটপুট ক্রমাগত মূল্যায়ন না করা হলে গুণমান প্রবাহিত হতে পারে।
বাস্তবায়ন রোডম্যাপ
বর্তমান ওয়ার্কফ্লো ম্যাপ করুন এবং সর্বোচ্চ-ঘর্ষণ ধাপ সনাক্ত করুন।
সম্পূর্ণ অটোমেশনের আগে মানব চেকপয়েন্টগুলি সংজ্ঞায়িত করুন।
ব্যবহারকারীদের প্রম্পট, বৃদ্ধির পথ এবং মানের মান সম্পর্কে প্রশিক্ষণ দিন।
টেকসই মান নিশ্চিত করতে টাস্ক-লেভেল ফলাফল ট্র্যাক করুন।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Materials Discovery quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
আইসোমরফিক ল্যাবস ড্রাগ ডিসকভারি
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
ম্যাটেরিয়ালস ডিসকভারিতে এআই কি?
AI ভবিষ্যদ্বাণী করে যে কোন নতুন উপকরণগুলি বিদ্যমান, স্থিতিশীল এবং দরকারী বৈশিষ্ট্য থাকতে পারে, সম্ভাব্য যৌগের কাছাকাছি-অসীম স্থানের মাধ্যমে অনুসন্ধানকে নাটকীয়ভাবে সঙ্কুচিত করে। এটি ব্যাটারি, সৌর কোষ, সুপারকন্ডাক্টর এবং অনুঘটকের জন্য গুরুত্বপূর্ণ যেখানে সঠিক উপাদান খুঁজে পেতে কয়েক দশক সময় লাগতে পারে।
কিভাবে একটি গ্রাফ নিউরাল নেটওয়ার্ক সাধারণত একটি স্ফটিক প্রতিনিধিত্ব করে?
স্ফটিকগুলি স্বাভাবিকভাবেই গ্রাফ: পরমাণুগুলি নোড এবং আন্তঃপরমাণু বন্ধনগুলি প্রান্ত, যা GNN-কে গঠন-সম্পত্তি সম্পর্ক শিখতে দেয়।
এআই সারোগেটরা প্রায়শই দ্রুত স্ক্রীনিংয়ের জন্য কোন ধীর পদার্থবিজ্ঞানের গণনা প্রতিস্থাপন করে?
DFT সঠিক কিন্তু ব্যয়বহুল; নিউরাল সারোগেট অনেক প্রার্থীকে স্ক্রীন করার জন্য মিলিসেকেন্ডে তার সম্পত্তির পূর্বাভাস আনুমানিক করে।
2023 সালে DeepMind এর GNoME কি অবদান রেখেছে?
GNoME বিপুল সংখ্যক নতুন স্থিতিশীল স্ফটিকের ভবিষ্যদ্বাণী করেছে, প্রার্থীর উপকরণের ডেটাবেসগুলি উল্লেখযোগ্যভাবে প্রসারিত করছে।
কেন উপকরণ মডেলে ঘূর্ণন এবং অনুবাদমূলক পরিবর্তন গুরুত্বপূর্ণ?
আপনি যদি পরমাণু ঘোরান, সরান বা রিলেবল করেন তাহলে ভৌত বৈশিষ্ট্য পরিবর্তন করা উচিত নয়; এই প্রতিসাম্য তৈরি করা সঠিকতা এবং ডেটা দক্ষতা উন্নত করে।
উপকরণ আবিষ্কার একটি 'স্ব-ড্রাইভিং ল্যাব' কি?
স্বায়ত্তশাসিত ল্যাবগুলি লুপ বন্ধ করে: AI উপকরণগুলি প্রস্তাব করে এবং রোবোটিক সিস্টেমগুলি সেগুলি তৈরি করে এবং বৈশিষ্ট্যযুক্ত করে, ফলাফলগুলিকে মডেলগুলিতে ফিরিয়ে দেয়৷