AI உடன் நானோ அளவிலான பொருளை உருவகப்படுத்துதல் எவ்வாறு?

அறிவியல் இதழான சயின்ஸில் இன்று வெளியிடப்பட்ட ஒரு ஆய்வறிக்கையில், DeepMind நரம்பியல் நெட்வொர்க்குகள் எவ்வாறு வேதியியல் அமைப்புகளில் எலக்ட்ரான் தொடர்புகளை ஏற்கனவே இருக்கும் முறைகளை விட துல்லியமாக விவரிக்க பயன்படுத்தப்படலாம் என்பதை நிரூபிக்கிறது.

1960 களில் நிறுவப்பட்ட அடர்த்தி செயல்பாட்டுக் கோட்பாடு, எலக்ட்ரான் அடர்த்தி மற்றும் தொடர்பு ஆற்றலுக்கு(Interaction energy) இடையிலான வரைபடத்தை விவரிக்கிறது. 50 ஆண்டுகளுக்கும் மேலாக, எலக்ட்ரான் அடர்த்தி மற்றும் தொடர்பு ஆற்றலுக்கு இடையேயான மேப்பிங்கின் சரியான தன்மை-அடர்த்தி செயல்பாடு என அழைக்கப்படுவது-தெரியாமல் உள்ளது. புலத்திற்கான குறிப்பிடத்தக்க முன்னேற்றத்தில், DeepMind முன்பு எட்டப்பட்டதை விட எலக்ட்ரான்களுக்கு இடையேயான அடர்த்தி மற்றும் தொடர்புகளின் துல்லியமான வரைபடத்தை உருவாக்க நரம்பியல் நெட்வொர்க்குகள் பயன்படுத்தப்படலாம் என்பதைக் காட்டுகிறது.

ஒரு நரம்பியல் வலையமைப்பாக செயல்படுவதை வெளிப்படுத்துவதன் மூலமும், பயிற்சித் தரவில் சரியான பண்புகளை இணைப்பதன் மூலமும், DeepMind ஆனது இரண்டு முக்கியமான முறையான பிழைகளில் இருந்து விடுபட்ட செயல்பாடுகளைக் கற்றுக் கொள்ள மாதிரியைப் பயிற்றுவிக்க முடிந்தது.

குறுகிய காலத்தில், குறியீட்டின் மூலம் உடனடி பயன்பாட்டிற்காக துல்லியமான அடர்த்தி செயல்பாட்டின் மேம்படுத்தப்பட்ட தோராயத்துடன் ஆராய்ச்சியாளர்களை மேம்படுத்தும். நீண்ட காலத்திற்கு, இது குவாண்டம் மெக்கானிக்கல் மட்டத்தில் பொருளை துல்லியமாக உருவகப்படுத்துவதில் ஆழ்ந்த கற்றலின் உறுதிமொழியைக் காட்டும் மற்றொரு படியாகும். இது நானோ அளவிலான பொருட்கள், மருந்துகள் மற்றும் வினையூக்கிகள் பற்றிய கேள்விகளை ஆராய ஆராய்ச்சியாளர்களை அனுமதிப்பதன் மூலம் ஒரு கணினியில் பொருள் வடிவமைப்பை செயல்படுத்தலாம்.

“சுத்தமான மின்சாரம் முதல் பிளாஸ்டிக் மாசுபாடு வரை 21-ஆம் நூற்றாண்டின் சில முக்கிய சவால்களைச் சமாளிக்க உதவும் வகையில் நானோ அளவிலான தொழில்நுட்பத்தைப் புரிந்துகொள்வது மிகவும் முக்கியமானது” என்கிறார் DeepMind இன் ஆராய்ச்சி விஞ்ஞானி ஜேம்ஸ் கிர்க்பாட்ரிக். “எலக்ட்ரான்களுக்கு இடையிலான தொடர்புகளை, மூலக்கூறுகளை ஒன்றாக வைத்திருக்கும் பசையை நன்கு புரிந்துகொள்ள இந்த ஆராய்ச்சி சரியான திசையின் ஒரு படியாகும்.”

References:

• Singla, V. K., Aggarwal, V., & Gupta, S. Artificial Intelligence and Nanotechnology: A Super Convergence. In Artificial Intelligence(pp. 1-8). CRC Press.
• Zhang, P., Guo, Z., Ullah, S., Melagraki, G., Afantitis, A., & Lynch, I. (2021). Nanotechnology and artificial intelligence to enable sustainable and precision agriculture. Nature Plants, 7(7), 864-876.
• Vijayaraghavan, V., Garg, A., Wong, C. H., Tai, K., Singru, P. M., Gao, L., & Sangwan, K. S. (2014). A molecular dynamics based artificial intelligence approach for characterizing thermal transport in nanoscale material. Thermochimica Acta, 594, 39-49.
• Yao, K., Unni, R., & Zheng, Y. (2019). Intelligent nanophotonics: merging photonics and artificial intelligence at the nanoscale. Nanophotonics, 8(3), 339-366.
• Garg, A., Vijayaraghavan, V., Wong, C. H., Tai, K., Sumithra, K., Mahapatra, S. S., & Yao, L. (2015). Application of artificial intelligence technique for modelling elastic properties of 2D nanoscale material. Molecular Simulation, 41(14), 1143-1152.