MIT کا ماڈل سہ جہتی کرسٹل ساختوں کو متن سے جوڑتا ہے تاکہ AI مواد کے بارے میں استدلال کر سکے

MIT کے محققین نے معاونین کے ساتھ مل کر ایک کثیر وضعی AI ماڈل بنایا ہے جو سہ جہتی کرسٹل ساختوں کو فطری زبان کی وضاحتوں سے جوڑتا ہے تاکہ AI نظام قلمی مواد اور ان کی خصوصیات کے بارے میں استدلال کر سکیں۔ یہ مطالعہ، جو MIT کے شعبہ مواد سائنس و انجینئرنگ میں جو لی کے گروپ سے ہے، ہم مرتبہ جائزہ شدہ جریدے Nature Communications میں شائع ہوا ہے۔ مقالہ اس نظام کو CLaC کا نام دیتا ہے، یعنی تقابلی زبان-کرسٹل ماڈل (Contrastive Language-Crystal model)۔

MIT News کے مطابق، موجودہ بڑے لسانی ماڈل مواد کے معاملے میں مشکل کا شکار ہوتے ہیں کیونکہ کرسٹل ساختیں اس متن کے بجائے خصوصی فارمیٹس میں رکھی جاتی ہیں جس سے یہ ماڈل سیکھتے ہیں، اور کیونکہ تجرباتی لٹریچر چند مقبول کرسٹل اقسام پر مرکوز ہے۔ مقالہ نوٹ کرتا ہے کہ کرسٹل ڈیٹابیسز میں صرف چند ملین اندراجات ہیں، جو بصری-لسانی ماڈلز کے پیچھے موجود ڈیٹا سے کہیں کم ہیں۔ اس کی تلافی کے لیے ٹیم نے Materials Project کی ساختوں کو GPT سے ترکیب کردہ ایسے بیانیوں سے جوڑا جو حساب شدہ خصوصیات پر مبنی تھے، ساتھ ہی مقالوں سے نکالے گئے پیراگراف بھی شامل کیے۔ مصنفین رپورٹ کرتے ہیں کہ مصنوعی بیانیے انسانی تحریر کردہ لٹریچر کے مقابلے میں 300 گنا زیادہ متنوع کرسٹلوں کے مجموعے کا احاطہ کرتے ہیں۔ ایک گراف نیورل نیٹ ورک ساختوں کو انکوڈ کرتا ہے، ایک ٹیکسٹ انکوڈر زبان کو سنبھالتا ہے، اور تقابلی سیکھنے کا عمل دونوں کو ایک مشترکہ نمائندگی کے خلا میں رکھتا ہے۔

مقالے کے مطابق، زیرو شاٹ ٹیسٹوں میں مصنوعی بیانیوں پر تربیت یافتہ ورژن نے ساختوں کو درست ترکیب کی وضاحت سے 95.4 ± 0.2% درستگی کے ساتھ ملایا، جبکہ غیر تربیت یافتہ ماڈل کے لیے یہ 13.5 ± 0.3% اور Gemma-3-1b-it پر بنے بیس لائن کے لیے 17.8 ± 0.3% تھی۔ صرف مقالوں سے نکالے گئے متن پر تربیت یافتہ ورژن نے، جب ہدف خصوصیت سے مطابقت رکھنے والے مواد بازیافت کرنے کو کہا گیا، بڑی حد تک بے ترتیب انتخاب جیسی کارکردگی دکھائی۔ بیٹری کی ایک مثال میں محققین نے صرف اعلیٰ بینڈ گیپ کے معیار سے لیتھیم آئن ٹھوس حالت الیکٹرولائٹ کے امیدواروں کی تلاش کی؛ اعلیٰ درجہ بندی والے تمام 30 مواد میں لیتھیم موجود تھا، جن کا اوسط بینڈ گیپ 3.23 eV تھا۔ چوتھے درجے پر Li6PClO5 کو آزاد تحقیق میں امید افزا قرار دیا جا چکا تھا، اور نویں درجے پر Li4SiO4 کو پہلے ہی باریک فلم ٹھوس الیکٹرولائٹ کے طور پر بنایا جا چکا تھا۔

مصنفین واضح حدود بھی بیان کرتے ہیں۔ کرسٹل نظاموں کی درجہ بندی میں درستگی صرف 34.0 ± 0.4% تھی، جو تقریباً Gemma بیس لائن کے برابر ہے، اور وہ اسے 16 کے چھوٹے تربیتی بیچ سائز اور کرسٹل نظاموں کی شدید غیر متوازن تقسیم سے جوڑتے ہیں۔ آئنی ایصالیت، جو الیکٹرولائٹس کے لیے ایک کلیدی خصوصیت ہے، مصنوعی ڈیٹاسیٹ میں موجود نہیں، اس لیے اسے بیٹری کی تلاش میں استعمال نہیں کیا جا سکا۔ مقالہ مزید کہتا ہے کہ اس شعبے میں معیاری کثیر وضعی بینچ مارکس کی کمی ہے، جس سے ماڈلز کے درمیان براہ راست موازنہ مشکل ہو جاتا ہے، کہ اس ماڈل کے ذریعے ہدایات پر مبنی مواد کی دریافت ابھی مستقبل کا کام ہے، اور کہ اس بارے میں مزید تحقیق درکار ہے کہ ڈیٹاسیٹ کی ترکیب اور متن کی تیاری بازیافت کے رویے اور ممکنہ تعصبات کو کیسے شکل دیتی ہیں۔

“ساخت واقعی مواد سائنس کے شعبے کے مرکز میں ہے”، لی نے MIT News کی ریلیز میں کہا، اور مزید کہا کہ ساخت کو سمجھنے سے محققین کسی مواد کی خصوصیات کے بارے میں بہت کچھ اخذ کر سکتے ہیں۔ انہوں نے اس ماڈل کا موازنہ AlphaFold سے کیا، جو پروٹین کی ساختوں کو ان کے فعل سے جوڑتا ہے۔ شریک مصنفہ ایلسا اولیویٹی نے کہا کہ یہ طریقہ ساخت کو خصوصیت اور پروسیسنگ سے جوڑتا ہے، اور مزید کہا: “مجھے امید ہے کہ یہ ان بڑی تبدیلیوں میں سے ایک ہو سکتی ہے”۔ دیگر مصنفین میں پہلے مصنف یانگ جیونگ پارک، جو MIT کے سابق پوسٹ ڈاک ہیں، مایانک کمارن اور چیا-وی سو شامل ہیں۔ MIT News کے مطابق، اس کام کی جزوی مالی معاونت کوریا کی قومی تحقیقی فاؤنڈیشن اور دو امریکی دفاعی اداروں، ڈیفنس تھریٹ ریڈکشن ایجنسی اور ڈیفنس ایڈوانسڈ ریسرچ پروجیکٹس ایجنسی نے کی۔