কৃত্রিম বুদ্ধিমত্তা (এআই) সমৃদ্ধ হয়। বিভিন্ন এআই অ্যালগরিদমগুলি অনেকগুলি বৈজ্ঞানিক ক্ষেত্রে ব্যবহৃত হয়, উদাহরণস্বরূপ, প্রোটিনের কাঠামোর পূর্বাভাস দেওয়ার জন্য, নির্দিষ্ট বৈশিষ্ট্যযুক্ত উপকরণগুলির জন্য অনুসন্ধান এবং রোগ নির্ণয়ের বিষয়টি নিশ্চিত করার জন্য মেডিকেল ডেটা ব্যাখ্যা করে। লোকেরা পাঠ্য ইঙ্গিতগুলি থেকে চিত্র এবং ভিডিও তৈরি করতে, পাঠ্য লিখতে এবং ইন্টারনেটে অনুসন্ধান করার জন্য চ্যাটজিপিটি, ক্লড, নোটবুকলএম, ডাল-ই, জেমিনি এবং মিড জার্নির মতো সরঞ্জাম ব্যবহার করে।

প্রশ্নটি একই চেতনায় উত্থাপিত হয়: তারা কি প্রকৃতির মৌলিক বৈশিষ্ট্যগুলির অধ্যয়নের ক্ষেত্রে কার্যকর হতে পারে, বা বিজ্ঞানী -ম্যান এবং কৃত্রিম ব্যক্তিদের মধ্যে প্রথম সংযোগ স্থাপন করা উচিত এমন একটি ব্যবধান রয়েছে?

অবশ্যই, এক ধরণের ফাঁক আছে। বৈজ্ঞানিক গবেষণায় এআইয়ের বর্তমান অ্যাপ্লিকেশনগুলির অনেকগুলি প্রায়শই এআই মডেলগুলিকে একটি ব্ল্যাক বক্স হিসাবে ব্যবহার করে: যখন মডেলগুলি কিছু ডেটা শিখেন এবং তারা একটি উপায় তৈরি করে, তবে ইনপুট এবং উপসংহারের মধ্যে সম্পর্ক অস্পষ্ট।

এটি একটি অগ্রহণযোগ্য বৈজ্ঞানিক সম্প্রদায় হিসাবে বিবেচিত হয়। উদাহরণস্বরূপ, গত বছর ডিপমাইন্ড তার আলফাফোল্ড মডেলের পরীক্ষিত সংস্করণ প্রকাশের জন্য লাইফ সায়েন্সেস সম্প্রদায়ের চাপের মুখোমুখি হয়েছিল, যা প্রোটিন কাঠামোর পূর্বাভাস দেয়।

ব্ল্যাক বক্সের প্রকৃতি শারীরিক বিজ্ঞানের ক্ষেত্রে একই ধরণের উদ্বেগের প্রতিনিধিত্ব করে, যেখানে সিদ্ধান্তের দিকে পরিচালিত পদক্ষেপগুলি সিদ্ধান্তের মতোই গুরুত্বপূর্ণ। এবং তবুও এটি বিজ্ঞানীদের প্রচেষ্টা থেকে বিরত রাখেনি। প্রকৃতপক্ষে, তারা প্রথম দিকে শুরু হয়েছিল: 1980 এর দশকের মাঝামাঝি থেকে তারা জটিল সিস্টেমগুলির অধ্যয়নের জন্য কৃত্রিম বুদ্ধিমত্তার ভিত্তিতে সরঞ্জামগুলি তীব্র করেছিল। 1990 সালে, উচ্চ শক্তি সহ পদার্থবিজ্ঞান ভাঁজটিতে যোগ দেয়।

অ্যাস্ট্রো এবং উচ্চ-শক্তি পদার্থবিজ্ঞান

জ্যোতির্বিজ্ঞান এবং জ্যোতির্বিজ্ঞানে বিজ্ঞানীরা স্বর্গীয় বস্তুর কাঠামো এবং গতিশীলতা অধ্যয়ন করেন। বিগ ডেটা অ্যানালিটিক্স এবং চিত্রের উন্নতি এই ক্ষেত্রের গবেষকদের জন্য দুটি প্রধান কাজ। কৃত্রিম বুদ্ধিমত্তার উপর ভিত্তি করে অ্যালগরিদমগুলি প্রথমটির সাথে সহায়তা করে, নিদর্শন, অসঙ্গতি এবং সম্পর্কের সন্ধান করে।

প্রকৃতপক্ষে, এআই জ্যোতির্বিজ্ঞানের পর্যবেক্ষণগুলিতে বিপ্লব ঘটায়, চিত্রগুলি ক্যাপচার করা এবং দূরবর্তী তারা এবং গ্যালাক্সিগুলি ট্র্যাক করার মতো কাজগুলি স্বয়ংক্রিয় করে তোলে। এআই অ্যালগরিদমগুলি পৃথিবী এবং বায়ুমণ্ডলীয় ব্যাধিগুলির ঘূর্ণনটির জন্য ক্ষতিপূরণ দিতে সক্ষম হয়, একটি সংক্ষিপ্ত ব্যবধানের সর্বোত্তম পর্যবেক্ষণ তৈরি করে। তারা “স্বয়ংক্রিয়” টেলিস্কোপগুলিও “স্বয়ংক্রিয়” করতে পারে যারা আকাশে খুব স্বল্প -চালিত ইভেন্টগুলি খুঁজছেন এবং রিয়েল টাইমে গুরুত্বপূর্ণ তথ্য রেকর্ড করতে পারেন।

পরীক্ষামূলক হাই -এনার্জি পদার্থবিদরা প্রায়শই বড় ডেটা সেটগুলি নিয়ে কাজ করেন। উদাহরণস্বরূপ, ইউরোপে একটি বৃহত অ্যাড্রোন নিয়ে একটি পরীক্ষা প্রতি বছর 30 টিরও বেশি পেটাবাইট তৈরি করে। কমপ্যাক্ট সোলেনয়েড মুওন নামে পরিচিত কলাইডার ডিটেক্টর প্রতি সেকেন্ডে কণার কণার 40 মিলিয়ন তিনটি মাত্রিক চিত্র প্রতিফলিত করে। সুদের আগ্রহের ইভেন্টগুলি ট্র্যাক করার জন্য পদার্থবিদদের পক্ষে এই জাতীয় ডেটা ভলিউমগুলি দ্রুত বিশ্লেষণ করা খুব কঠিন।

সুতরাং, একটি ক্ষেত্রে, কোলাইডারের গবেষকরা এআই মডেলটি ব্যবহার করতে শুরু করেছিলেন যা খুব কোলাহলপূর্ণ ডেটাতে আগ্রহের একটি কণা সঠিকভাবে সনাক্ত করতে পারে। এই জাতীয় মডেল দশ বছরেরও বেশি আগে হিগস বোসন কণা আবিষ্কার করতে সহায়তা করেছিল।

পরিসংখ্যান পদার্থবিজ্ঞানে এআই

পরিসংখ্যানগত মেকানিক্স হ’ল একদল কণা কীভাবে একসাথে আচরণ করে এবং স্বতন্ত্রভাবে নয়। এটি ম্যাক্রোস্কোপিক বৈশিষ্ট্যগুলি যেমন তাপমাত্রা এবং চাপ বোঝার জন্য ব্যবহৃত হয়।

উদাহরণস্বরূপ, আর্নস্ট ইসিং 1920 এর দশকে চৌম্বকীয়তার জন্য একটি পরিসংখ্যানের মডেল তৈরি করেছিলেন, তাদের প্রতিবেশীদের সাথে আলাপচারিত পারমাণবিক স্পিনগুলির সম্মিলিত আচরণের উপর দৃষ্টি নিবদ্ধ করে। এই মডেলটিতে, সিস্টেমের জন্য উচ্চতর এবং নিম্ন শক্তি রাজ্য রয়েছে এবং সর্বনিম্ন শক্তি অবস্থায় উপাদানগুলির উপস্থিতির সম্ভাবনা বেশি থাকে।

বলজম্যানের বিতরণ হ’ল পরিসংখ্যানগত যান্ত্রিকগুলিতে একটি গুরুত্বপূর্ণ ধারণা যা পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয়, বলুন, যে সঠিক পরিস্থিতিতে বরফটি পানিতে পরিণত হবে। এই বিতরণটি ব্যবহার করে, 1920 এর দশকে, আর্নস্ট আইসিং এবং উইলহেলম লেনজ তাপমাত্রার পূর্বাভাস দিয়েছেন যেখানে উপাদানটি চৌম্বকীয় পরিবর্তিত হয়েছিল।

গত বছরের পদার্থবিদ নোবেল বিজয়ী জন হপফিল্ড এবং জেফ্রি হিন্টন পরিসংখ্যানগত যান্ত্রিকগুলির ধারণার ভিত্তিতে নিউরাল নেটওয়ার্কগুলির তত্ত্বটি বিকাশ করেছিলেন। এনএন হ’ল এক ধরণের মডেল যেখানে নোডগুলি যা তাদের উপর গণনা সম্পাদনের জন্য ডেটা গ্রহণ করতে পারে সেগুলি একে অপরের সাথে একইভাবে সংযুক্ত থাকে। সাধারণভাবে, এনএনএস কীভাবে প্রাণীদের মস্তিষ্ক এটি করে সে সম্পর্কে তথ্য প্রক্রিয়া করে।

উদাহরণস্বরূপ, পিক্সেলগুলির সমন্বয়ে এমন একটি চিত্র কল্পনা করুন যেখানে কিছু দৃশ্যমান রয়েছে এবং বাকীগুলি লুকানো রয়েছে। চিত্রটি কী তা নির্ধারণ করার জন্য, পদার্থবিদদের অবশ্যই সমস্ত সম্ভাব্য পদ্ধতিগুলি বিবেচনা করতে হবে যেখানে লুকানো পিক্সেলগুলি দৃশ্যমান অংশগুলির সাথে একত্রিত করা যেতে পারে। ধারণাটি, সম্ভবত, পরিসংখ্যানের মেকানিক্সের অবস্থা তাদের এই দৃশ্যে সহায়তা করতে পারে।

হপফিল্ড এবং হিন্টন এনএনএসের জন্য একটি তত্ত্ব তৈরি করেছিলেন, যা পিক্সেলের সম্মিলিত মিথস্ক্রিয়াকে নিউরন হিসাবে বিবেচনা করেছিল, ঠিক যেমন লেনজ এবং তাদের সামনে তাদের মধ্যে একটি আউট। হপফিল্ড নেটওয়ার্ক চিত্রের চিত্রটি গণনা করে, লুকানো পিক্সেলের ক্ষুদ্রতম পরিমাণ শক্তি নির্ধারণ করে, পরিসংখ্যানগত পদার্থবিজ্ঞানের মতো।

এআই সরঞ্জামগুলি, স্পষ্টতই, পরিষেবাটি ফিরিয়ে দিয়েছিল, বোস আইনস্টাইন (বিইসি) এর কনডেনসেটগুলি অধ্যয়ন করতে সফল হতে সহায়তা করে। বিইসি হ’ল একটি পদার্থের একটি অদ্ভুত অবস্থা, যা আপনি জানেন, খুব কম তাপমাত্রায় নির্দিষ্ট সাবটমিক বা পারমাণবিক কণার সংকলনে প্রবেশ করে। বিজ্ঞানীরা 1990 এর দশকের শুরু থেকেই এটি পরীক্ষাগারে তৈরি করছেন।

২০১ 2016 সালে, অস্ট্রেলিয়ান জাতীয় বিশ্ববিদ্যালয়ের বিজ্ঞানীরা বিইসি গঠনের জন্য সঠিক শর্ত তৈরির ক্ষেত্রে এআইয়ের সহায়তা ব্যবহার করে এটি করার চেষ্টা করেছিলেন। তারা আবিষ্কার করেছে যে এটি উড়ন্ত ফুল দিয়ে এটি করেছে। সরঞ্জামটি এমনকি শর্তগুলি স্থিতিশীল বজায় রাখতে সহায়তা করতে সক্ষম হয়েছিল, যা বিইসি আরও দীর্ঘস্থায়ী হতে দেয়।

পল উইগলি তার বিবৃতিতে বলেছিলেন, “আমি আশা করি না যে গাড়িটি এক ঘন্টার মধ্যে স্ক্র্যাচ থেকে নিজেই পরীক্ষা পরিচালনা করতে শিখতে পারে।” “একটি সাধারণ কম্পিউটার প্রোগ্রামটি মহাবিশ্বের বয়সের চেয়ে সমস্ত সংমিশ্রণের মধ্য দিয়ে যেতে এবং এটি বিকাশ করতে বেশি সময় নিতে পারে।”

কোয়ান্টামে এআই আনছে

২০২২ অনুচ্ছেদে অস্ট্রেলিয়া, কানাডা এবং জার্মানি থেকে বিজ্ঞানীরা এআই ব্যবহার করে দুটি সাবটাম কণা বিভ্রান্ত করার জন্য একটি সহজ পদ্ধতির কথা জানিয়েছেন। কোয়ান্টাম গণনা এবং কোয়ান্টাম প্রযুক্তিগুলি আজ দুর্দান্ত গবেষণা এবং ব্যবহারিক স্বার্থের প্রতিনিধিত্ব করে এবং ভারতীয় সহ সরকারগুলি এই ভবিষ্যত প্রযুক্তির বিকাশে কয়েক মিলিয়ন ডলার বিনিয়োগ করে। তাদের বেশিরভাগ বিপ্লবী শক্তি কোয়ান্টাম বিভ্রান্তির অর্জন থেকে আসে।

উদাহরণস্বরূপ, কোয়ান্টাম কম্পিউটারগুলির একটি প্রক্রিয়া রয়েছে যা কনফিউজড নামে পরিচিত: যেখানে দুটি কণা যা কখনও ইন্টারঅ্যাক্ট করে তা মধ্যবর্তী বিভ্রান্তিকর কণাগুলি ব্যবহার করে বিভ্রান্ত হয়। 2022 অনুচ্ছেদে বিজ্ঞানীরা পাইথিউস নামে একটি সরঞ্জামের কথা জানিয়েছেন, “ওপেন সোর্স সহ ডিজিটাল আবিষ্কারের একটি অত্যন্ত কার্যকর কাঠামো … যাতে আপনি কোয়ান্টাম পরীক্ষায় বিভ্রান্তি আরও ভালভাবে অর্জন করতে আধুনিক কোয়ান্টাম ল্যাবরেটরিগুলি থেকে বিস্তৃত পরীক্ষামূলক ডিভাইস ব্যবহার করতে পারেন”।

অন্যান্য ফলাফলের মধ্যে, বিজ্ঞানীরা পিথিয়াসকে নিরাপদে বার্তা প্রেরণে ব্যবহৃত কোয়ান্টাম নেটওয়ার্কগুলির পরিণতিগুলি ভেঙে ফেলার জন্য ব্যবহার করেছিলেন, যা এই প্রযুক্তিগুলিকে আরও সম্ভাব্য করে তোলে। গবেষণা সহ আরও কাজ এখনও করা হয়নি, তবে পাইথিয়াসের মতো সরঞ্জামগুলি এর কার্যকারিতার সম্ভাবনা প্রদর্শন করেছে।

এই দৃষ্টিকোণ থেকে, দেখে মনে হয় যে পদার্থবিজ্ঞানের প্রতিটি ভূগর্ভস্থ শীঘ্রই এআই এবং এমএল তাদের সবচেয়ে কঠিন সমস্যাগুলি সমাধান করতে সহায়তা করবে। চূড়ান্ত লক্ষ্যটি হ’ল আরও উপযুক্ত প্রশ্ন নিয়ে আসা, দ্রুত অনুমানগুলি পরীক্ষা করা এবং আরও লাভজনকভাবে ফলাফলগুলি বোঝার সুবিধার্থে। পরবর্তী উদ্ভাবনী আবিষ্কারটি মানব সৃজনশীলতা এবং মেশিন ফোর্সের মধ্যে সহযোগিতা থেকে ভালভাবে এগিয়ে যেতে পারে।

শামিম হাক মন্ডাল – পদার্থবিজ্ঞান বিভাগের গবেষক, স্টেট ফরেনসিক ল্যাবরেটরি, কলকাতা।