এমআইটি গবেষকরা ছয়টি শারীরিক ঘটনা অনুকরণ করার জন্য ওয়ার্ল্ডপার্টিকেল এআই মডেল তৈরি করেছেন; এটি কীভাবে বৈজ্ঞানিক আবিষ্কারকে রূপান্তর করতে পারে (ছবি: এমআইটি নিউজ)
গবেষকরা একটি কৃত্রিম বুদ্ধিমত্তা (AI) মডেল তৈরি করেছেন যা স্লাইডিং বালি এবং বিকৃত বস্তু থেকে প্রোটিন কাঠামো পরিবর্তন করা পর্যন্ত বিভিন্ন উপকরণের আচরণ অনুকরণ করতে পারে। WorldParticle বলা হয়, সিস্টেমটি উপাদানগুলিকে ক্ষুদ্র কণা হিসাবে উপস্থাপন করে এবং ভবিষ্যদ্বাণী করে যে তারা কীভাবে নড়াচড়া করে, এক ধাপে, একটি একক AI স্থাপত্য ব্যবহার করে। মডেলটি ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজি (এমআইটি), ইউনিভার্সিটি অফ ব্রিটিশ কলাম্বিয়া (ইউবিসি) এবং অন্যান্য বেশ কয়েকটি প্রতিষ্ঠানের গবেষকরা তৈরি করেছেন। এটি প্রতিটি উপাদানের জন্য আলাদাভাবে প্রোগ্রাম করা সমীকরণের উপর নির্ভর না করে শারীরিক সিস্টেমের অন্তর্নিহিত গতিবিদ্যা শিখে। গবেষণা, যা এশিয়াতে কম্পিউটার গ্রাফিক্স এবং ইন্টারঅ্যাকটিভ টেকনিকের ACM SIGGRAPH সম্মেলন এবং প্রদর্শনীতে উপস্থাপন করা হবে, এমআইটি নিউজ দ্বারা রিপোর্ট করা হয়েছে।
কিভাবে WorldParticle বিভিন্ন উপকরণ অনুকরণ করে?
WorldParticle একটি বস্তুকে হাজার হাজার বা লক্ষ লক্ষ ক্ষুদ্র, ত্রিমাত্রিক কণাতে বিভক্ত করে। এটি তাদের অবস্থান, বেগ এবং শারীরিক বৈশিষ্ট্যগুলিকে ট্র্যাক করে যাতে সময়ের সাথে উপাদানগুলি কীভাবে পরিবর্তিত হয়। সাধারণত, বিজ্ঞানীরা একটি নির্দিষ্ট উপাদান কীভাবে আচরণ করে তা বর্ণনা করতে নিয়ন্ত্রক সমীকরণ ব্যবহার করেন। তারপরে তারা এই সমীকরণগুলিকে সূত্রে রূপান্তর করে যা সংখ্যাসূচক সমাধানকারীরা প্রক্রিয়া করতে পারে। এই প্রক্রিয়াটি বিভিন্ন উপকরণ এবং শারীরিক ঘটনার জন্য পুনরাবৃত্তি করতে হবে। পরিবর্তে, গবেষকরা একটি নিউরাল নেটওয়ার্ক ডিজাইন করেছেন যা সাধারণভাবে পরিচালনার সমীকরণগুলি সমাধান করতে শেখে, প্রতিটি সিস্টেমের জন্য একটি পৃথক মডেল এবং সমাধানকারী বিকাশের প্রয়োজনীয়তা দূর করে। নেটওয়ার্ক ইনপুট হিসাবে কণার ত্রি-মাত্রিক অবস্থান এবং ভৌত বৈশিষ্ট্য গ্রহণ করে এবং পরবর্তী সিমুলেশন ধাপে তাদের অবস্থান এবং বৈশিষ্ট্যগুলির পূর্বাভাস দেয়। এটি ভবিষ্যদ্বাণী সংশোধন করার আগে শারীরিক সিস্টেমকে প্রভাবিত করে এমন বাহ্যিক শক্তিগুলির জন্যও দায়ী। পিটার ইচেন চেন, একজন প্রাক্তন এমআইটি পোস্টডক্টরাল গবেষক যিনি এখন ইউবিসি-তে একজন সহকারী অধ্যাপক এবং গবেষণার একজন সহ-সংশ্লিষ্ট লেখক, আর্কিটেকচারটিকে ChatGPT-এর সাথে তুলনা করেছেন। যখন ChatGPT একবারে একটি শব্দের ভবিষ্যদ্বাণী করে, WorldParticle ভবিষ্যদ্বাণী করে যে কণাগুলি কীভাবে চলে, এক সময়ে এক ধাপ।
ধসে পড়া বালি থেকে প্রোটিন পরিবর্তন: গবেষকরা কী খুঁজে পেয়েছেন?
গবেষকরা বিকৃত বস্তু, দানাদার পদার্থ এবং প্রোটিন সহ ছয়টি ভিন্ন শারীরিক ঘটনা জুড়ে ওয়ার্ল্ড পার্টিকেল প্রদর্শন করেছেন। এমআইটি নিউজের মতে, এই প্রদর্শনীতে সংখ্যাসূচক সিমুলেশন পদ্ধতির চেয়ে মডেলটি উচ্চতর নির্ভুলতা অর্জন করেছে। একটি উদাহরণে, ওয়ার্ল্ড পার্টিকেল ক্যাপচার করেছে কিভাবে একটি দানাদার বস্তু একটি স্তূপে ভেঙে পড়ে। কিছু বেসলাইন পদ্ধতি, তুলনা করে, বাম বালি কণা বাতাসে ভাসমান। এমআইটি পোস্টডক্টরাল গবেষক এবং সহ-সংশ্লিষ্ট লেখক মিংহাও গুওর মতে, সিস্টেমটি কীভাবে সময়ের সাথে সাথে প্রোটিন কাঠামোগুলি সংখ্যাসূচক সিমুলেটরগুলির তুলনায় প্রায় 100 গুণ দ্রুত পরিবর্তিত হয় তা মডেল করেছে।
কিভাবে AI মডেল ব্যবহার করা যেতে পারে?
গবেষকরা বিশ্বাস করেন যে ওয়ার্ল্ড পার্টিকেল নরম রোবট ম্যানিপুলেশন, আরএনএ বিবর্তন এবং গ্যালাক্সিগুলির একত্রিতকরণের মতো জ্যোতির্দৈবিক ঘটনা সহ বিভিন্ন ক্ষেত্রে প্রয়োগ করা যেতে পারে। সিস্টেমটি উপকরণ, শক্তি এবং পরিবেশগত অবস্থার সাথে খাপ খাইয়ে নিতে পারে যা এটি প্রশিক্ষণের সময় সম্মুখীন হয়নি। এটি বিজ্ঞানীদের প্রতিটি উপাদান বা ঘটনার জন্য একটি পৃথক সিমুলেটর বিকাশ না করে শারীরিক প্রক্রিয়াগুলি অধ্যয়ন করতে সহায়তা করতে পারে।
গবেষকদের লক্ষ্য একটি সাধারণ-উদ্দেশ্য সিমুলেশন সিস্টেম বিকাশ করা
দলটি ওয়ার্ল্ডপার্টিকেলকে অতিরিক্ত ফিজিক্যাল সিস্টেমের অনুকরণ করতে এবং বৈজ্ঞানিক আবিষ্কারের জন্য একটি পূর্ণ, সাধারণ-উদ্দেশ্য সিমুলেশন পাইপলাইনের দিকে কাজটি তৈরি করার পরিকল্পনা করেছে। গবেষকরা আশা করেন যে পদ্ধতিটি বিজ্ঞানীদের নতুন উপকরণ আবিষ্কার করতে এবং শারীরিক প্রক্রিয়াগুলি তদন্ত করতে সহায়তা করবে যা বিদ্যমান সিমুলেশন পদ্ধতিগুলি কার্যকরভাবে অধ্যয়ন করতে পারে না।
প্রবন্ধের শেষ
