भूसे के ढेर में सुई ढूँढना अत्यंत असंभव कार्य है।लेकिन क्या होगा यदि नए उपकरण इसे सीधे तौर पर प्राप्त करने योग्य बना सकें?कल्पना कीजिए, यदि आप हर चीज़ को हाथ से खोजने के बजाय, घास के छोटे-छोटे ढेरों को अलग कर सकें और चुम्बकों का उपयोग कर सकें।

कृत्रिम बुद्धिमत्ता (एआई) वैज्ञानिक समाधानों के लिए एक चुंबक के रूप में कार्य कर सकती है, जो संभावनाओं के पहाड़ से महत्वपूर्ण जानकारी खींच सकती है।

लेकिन AI केवल इतना ही कर सकता है।यदि लौकिक भूसे का ढेर बहुत बड़ा है, तो सबसे शक्तिशाली प्रणाली भी बाधित हो सकती है।एआई को प्रभावी ढंग से उपयोग करने के लिए प्रक्रिया में डोमेन विज्ञान विशेषज्ञता को समझदारी से शामिल करना आवश्यक है।वैज्ञानिकों की एक टीम ने खोज प्रक्रिया को तेज करने के लिए एआई, उच्च-थ्रूपुट प्रयोग और सामग्री विज्ञान ज्ञान को एक साथ लाया।

संयोजन काम कर गया.पैसिफिक नॉर्थवेस्ट नेशनल लेबोरेटरी (पीएनएनएल) और आर्गोन नेशनल लेबोरेटरी के शोधकर्ताओं के नेतृत्व में टीम ने सॉल्वैंट्स के संयोजन की पहचान की जो ऊर्जा-कुशल रेडॉक्स फ्लो बैटरी के हिस्से के रूप में प्रस्तावित यौगिक के तीन गुना अधिक को भंग कर सकते हैं।

वे अपनी खोज को शीघ्रता से संभावित संयोजनों के 10% से भी कम तक सीमित करके सफल हुए।निष्कर्ष हैंप्रकाशितमेंप्रकृति संचार.

टीम में पूरक पृष्ठभूमि के विशेषज्ञ शामिल थे, सभी ने एक ऐसा मंच बनाने पर ध्यान केंद्रित किया जो बुद्धिमानी से उच्च-थ्रूपुट प्रयोगों को निष्पादित कर सके।उन्होंने रेडॉक्समर-आधारित प्रवाह बैटरियों के लिए एक इष्टतम इलेक्ट्रोलाइट प्रणाली डिजाइन करने के लिए कार्बनिक विलायक मिश्रण की एक श्रृंखला की खोज की।

पीएनएनएल सामग्री वैज्ञानिक और पेपर के सह-संबंधित लेखक विजय मुरुगेसन ने कहा, "अक्सर, लोग स्वचालित प्रणाली को किए जाने वाले प्रयोगों की संख्या में नाटकीय रूप से वृद्धि करके खोज को तेज करने के तरीके के रूप में देखते हैं।""हम विज्ञान के लिए एआई का उपयोग करके बढ़ी हुई दक्षता के साथ खोज को गति देना चाहते थे।"

जबकि प्लेटफ़ॉर्म विशेष रूप से ऊर्जा भंडारण के लिए इलेक्ट्रोलाइट मिश्रण को लक्षित करता है, सामान्य प्रक्रिया को अन्य प्रणालियों पर लागू किया जा सकता है।शोधकर्ताओं ने कहा कि यह एक सीमित प्रणाली के भीतर संभावित समाधानों की एक विस्तृत श्रृंखला वाली समस्याओं के लिए सबसे उपयोगी हो सकता है।

कृत्रिम बुद्धिमत्ता के लिए उच्च-थ्रूपुट डेटा

प्रयोगों को स्वतंत्र रूप से चलाने के बजाय, उच्च-थ्रूपुट प्रयोग टीम ने एआई टीम के एल्गोरिदम के अंतराल को भरने के लिए डेटा एकत्र किया।अक्सर, एआई मॉडल को जिस प्रकार के डेटा की आवश्यकता होती है वह प्रयोगशाला प्रणालियों के लिए उपलब्ध नहीं होता है।फिर एल्गोरिदम को कम्प्यूटेशनल परिणामों पर प्रशिक्षित करना पड़ता है, जिससे अतिरिक्त पूर्वाग्रह पैदा हो सकते हैं।

प्रायोगिक पक्ष पर, अनुकूलित विलायक मिश्रण का निर्धारण एक बड़ी समस्या है।पीएनएनएल में सह-संबंधित लेखक और उच्च-थ्रूपुट प्रयोग के विशेषज्ञ यांगंग लियांग ने कहा, "हमने 2,000 संभावित संयोजनों की पहचान की है।"

"यह हमारे रोबोटिक सिस्टम के साथ भी परीक्षण करने के लिए संयोजनों की एक अव्यवहारिक संख्या है। जबकि रोबोट तेजी से प्रयोग कर सकता है, फिर भी उसे रसायनों और ऊर्जा की आवश्यकता होती है।"

एआई के बिना सबसे आशाजनक विकल्पों की पहचान करने के लिए अभी भी सैकड़ों प्रयोगों की आवश्यकता होगी।अपनी खोज को सीमित करने के लिए, टीम ने एआई मॉडल के प्रशिक्षण सेटों में ज्ञात अंतराल के आधार पर अपने प्रारंभिक डेटा संग्रह को लक्षित किया।

उच्च-निष्ठा को खिलानाप्रायोगिक डेटामॉडल में एक बेहतर प्रशिक्षित प्रणाली का निर्माण हुआ, जिसने बदले में प्रयोगों के अगले दौर के लिए बेहतर भविष्यवाणियां दीं।

मुरुगेसन ने कहा, "हमारा दृष्टिकोण अविश्वसनीय रूप से कुशल है।""हम एआई को बेहतर ढंग से प्रशिक्षित करने के लिए उच्च-थ्रूपुट और मानव अंतर्ज्ञान की गति का लाभ उठा रहे हैं।"

सहयोगात्मक डेटा की शक्ति

इस सहयोग का उत्पाद दोतरफा है: पहला विलायक मिश्रण की पहचान करना है, जो कार्य का वैज्ञानिक लक्ष्य है।दूसरा प्रयोगात्मक डेटा से एक उच्च-निष्ठा डेटासेट बनाना है।टीम को उम्मीद है कि अन्य लोग कार्बनिक रेडॉक्स प्रवाह बैटरी के लिए विलायक मिश्रण की खोज से परे भविष्य के काम के लिए डेटा का उपयोग करने में सक्षम होंगे।

मुरुगेसन ने कहा, "हम जानबूझकर उच्च-निष्ठा डेटा बनाने के अपने दृष्टिकोण में थे जो बेहतर पूर्वानुमानित मॉडल बनाने में मदद कर सकता है।""हमारी प्रक्रिया को हमारी टीम की व्यापक विशेषज्ञता द्वारा सूचित किया गया था, जिसे केंद्र-स्तरीय कार्य में ऊर्जा विभाग के निवेश द्वारा संभव बनाया गया था। केंद्र इस प्रकार के महत्वाकांक्षी विचारों में विशेषज्ञ हैं जिनके लिए कई विषयों को एक साथ लाने की आवश्यकता होती है।"

इस परियोजना को ऊर्जा भंडारण अनुसंधान प्रयास के माध्यम से समर्थित किया गया था जिसमें 2018 से 2023 तक छह राष्ट्रीय प्रयोगशालाओं और 10 विश्वविद्यालयों को एक साथ लाया गया था।

मुरुगेसन ने कहा, "यह काम वास्तव में जेसीईएसआर के संस्थापक निदेशक स्वर्गीय जॉर्ज क्रैबट्री से प्रेरित था।""हम इलेक्ट्रोलाइट खोज के लिए पीएनएनएल की उच्च-थ्रूपुट क्षमता का उपयोग करने के विचार के साथ उनके पास गए, लेकिन उन्होंने हमें बड़ा सोचने और एआई टीम के साथ सहयोग करने के लिए चुनौती दी।

"उनकी प्रेरणा से, हमने सीखा कि हम साथ मिलकर एआई मॉडल और रोबोटिक प्लेटफॉर्म को एकीकृत करके तेजी से प्रभावशाली परिणाम दे सकते हैं।"

सेल्फ-ड्राइविंग लैब की ओर कदम बढ़ा रहे हैं

टीम द्वारा उत्पादित सामग्री-सूचित डेटा प्रभावी एआई सिस्टम बनाने के लिए आवश्यक प्रकार है जो स्वायत्त प्रयोगशाला स्थानों में प्रयोगात्मक लूप चलाएगा।एआई कार्य का नेतृत्व करने वाले सह-संबंधित लेखक हियू डोन ने कहा, "मैं इस प्रकार के वर्कफ़्लो को सामग्री खोज में एक नए प्रतिमान के केंद्र के रूप में देखता हूं।"

पेपर के सह-लेखक और भौतिक और कम्प्यूटेशनल विज्ञान निदेशालय के कार्यक्रम विकास कार्यालय के निदेशक कार्ल मुलर ने कहा, "मैं एआई शोधकर्ताओं और सामग्री वैज्ञानिकों के बीच सहयोग के भविष्य को देखने के लिए उत्साहित हूं।""ऊर्जा भंडारण समस्याओं को हल करने के लिए सामग्री की खोज में तेजी लाना महत्वपूर्ण है।"

लिआंग, मुरुगेसन और म्यूएलर के अलावा, जुरान नोह और हीथर जॉब ने पीएनएनएल की ओर से परियोजना में योगदान दिया।आर्गोन टीम में डोन, लिली रॉबर्टसन, लू झांग और राजीव असारी शामिल थे।इस कार्य में कई सहयोगी नए लॉन्च किए गए एनर्जी स्टोरेज रिसर्च अलायंस एनर्जी इनोवेशन हब का हिस्सा हैं।