ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজি (এমআইটি), ব্রিটিশ কলাম্বিয়া বিশ্ববিদ্যালয় (ইউবিসি) এবং অন্যান্য প্রতিষ্ঠানের গবেষকরা একটি কৃত্রিম বুদ্ধিমত্তা ব্যবস্থা তৈরি করেছেন যা ধসে পড়া বালি এবং প্রবাহিত তরল থেকে বিকৃত বস্তু এবং প্রোটিন কাঠামো পরিবর্তন করার মতো উপাদানগুলির গতিবিধি এবং আচরণকে অনুকরণ করতে পারে।
WorldParticle নামে পরিচিত, সিস্টেমটি বিভিন্ন উপাদানকে ক্ষুদ্র কণার সংগ্রহ হিসাবে উপস্থাপন করতে এবং সময়ের সাথে সাথে কীভাবে তারা চলে তা ভবিষ্যদ্বাণী করতে একটি গভীর-শিক্ষার স্থাপত্য ব্যবহার করে। গবেষকরা রিপোর্ট করেছেন যে এটি প্রচলিত সাংখ্যিক সিমুলেশনে ব্যবহৃত সময়ের চেয়ে 100 গুণ বড় সময় ধাপ ব্যবহার করে প্রোটিন কাঠামোর পরিবর্তনের মডেল করেছে।
গবেষণাটি MIT এর কম্পিউটার সায়েন্স অ্যান্ড আর্টিফিশিয়াল ইন্টেলিজেন্স ল্যাবরেটরি (CSAIL) দ্বারা 9 নভেম্বর ঘোষণা করা হয়েছে। দলটি কম্পিউটার গ্রাফিক্স এবং ইন্টারেক্টিভ কৌশলগুলির উপর ACM SIGGRAPH এশিয়া সম্মেলনে তার ফলাফল উপস্থাপন করার পরিকল্পনা করেছে।
প্রকল্পটি প্রচলিত বৈজ্ঞানিক সিমুলেশনের একটি সীমাবদ্ধতাকে সম্বোধন করে, যেখানে গবেষকদের প্রায়ই বিভিন্ন শারীরিক প্রক্রিয়া অধ্যয়নের জন্য পৃথক গণনামূলক সরঞ্জামের প্রয়োজন হয়। প্রবাহিত জল, বিকৃত পদার্থ, দানাদার পদার্থ যেমন বালি এবং আণবিক কাঠামোর মডেলিং করার জন্য সাধারণত প্রতিটি সিস্টেমকে নিয়ন্ত্রণকারী সমীকরণগুলির চারপাশে নির্মিত বিশেষ সংখ্যাসূচক সমাধানের প্রয়োজন হয়।
WorldParticle এই বিভিন্ন প্রক্রিয়ার মডেল করার জন্য একটি সাধারণ আর্কিটেকচার ব্যবহার করে। এটি একটি বস্তুকে হাজার বা লক্ষ লক্ষ ক্ষুদ্র ত্রিমাত্রিক বিন্দুতে বিভক্ত করে, যা কণা নামে পরিচিত, এবং তাদের অবস্থান, বেগ এবং ভৌত বৈশিষ্ট্য ট্র্যাক করে। একটি নিউরাল নেটওয়ার্ক তারপর ভবিষ্যদ্বাণী করে যে কিভাবে এই কণাগুলো সিমুলেশনের পরবর্তী পর্যায়ে চলে যাবে।
পিটার ইচেন চেন, একজন প্রাক্তন এমআইটি পোস্টডক্টরাল গবেষক এবং এখন ইউবিসির একজন সহকারী অধ্যাপক, সিস্টেমের আর্কিটেকচারকে ChatGPT-এর সাথে তুলনা করেছেন।
"এটি ChatGPT-এর অনুরূপ স্থাপত্য। কিন্তু পাঠ্যের একটি অংশ লিখতে এক সময়ে একটি শব্দের ভবিষ্যদ্বাণী করার পরিবর্তে, আমরা ভবিষ্যদ্বাণী করছি যে এই কণাগুলি কীভাবে এক সময়ে এক ধাপ এগিয়ে যাবে," চেন বলেন।
কিভাবে সিস্টেম কাজ করে?
প্রচলিত সাংখ্যিক সিমুলেশনগুলি নিয়ন্ত্রণকারী সমীকরণের উপর নির্ভর করে যা বর্ণনা করে যে কীভাবে একটি নির্দিষ্ট উপাদান বিভিন্ন পরিস্থিতিতে আচরণ করে। গবেষকরা এই সমীকরণগুলিকে গাণিতিক ফর্মগুলিতে অনুবাদ করেন যা কম্পিউটারগুলি প্রক্রিয়া করতে পারে, প্রায়শই প্রতিটি শারীরিক সিস্টেমের জন্য একটি পৃথক সমাধানকারী বিকাশ করে।
WorldParticle কণা আন্দোলন এবং মিথস্ক্রিয়া ভবিষ্যদ্বাণী করতে প্রশিক্ষিত একটি নিউরাল নেটওয়ার্ক ব্যবহার করে। এটি ইনপুট হিসাবে কণার ত্রিমাত্রিক অবস্থান এবং ভৌত বৈশিষ্ট্য গ্রহণ করে এবং তাদের পরবর্তী অবস্থান এবং অবস্থা অনুমান করে। সিস্টেমটি বাহ্যিক শক্তিগুলির জন্যও দায়ী, যেমন একটি বস্তুর উপর ধাক্কা লেগেছে বা একটি তরঙ্গ একটি বাধাকে আঘাত করছে, তার পূর্বাভাস সংশোধন করার আগে।
গবেষকরা বিশ্ব মডেল থেকে অনুপ্রেরণা নিয়েছিলেন, এআই সিস্টেমের একটি বিভাগ যা ক্রিয়া এবং অবস্থার প্রতিক্রিয়ায় কীভাবে শারীরিক পরিবেশ পরিবর্তিত হয় তা শেখার জন্য ডিজাইন করা হয়েছে।
মিনহাও গুও, একজন এমআইটি পোস্টডক্টরাল গবেষক এবং সহ-সংশ্লিষ্ট লেখক বলেছেন, একটি সাধারণ কাঠামোর মধ্যে বিভিন্ন শারীরিক প্রক্রিয়াগুলিকে একত্রিত করা গবেষকদের মিথস্ক্রিয়াগুলি অধ্যয়ন করার অনুমতি দিতে পারে যা আগে পৃথক সিমুলেশন সরঞ্জামগুলির প্রয়োজন ছিল।
"আপনি যদি বিকৃত বস্তু এবং তরল অধ্যয়ন করেন, তাহলে আপনার দুটি সিমুলেটর প্রয়োজন হবে, প্রতিটি শারীরিক শাসনের জন্য একটি। কিন্তু আপনি যদি তাদের একটি মডেলে একীভূত করেন, তাহলে হয়ত আপনি এই দুটি প্রক্রিয়ার পদার্থবিদ্যাকে জোড়া দিতে পারেন এবং নতুন সমস্যাগুলির অন্তর্দৃষ্টি পেতে পারেন?" গুও বলল।
ধসে পড়া বালি থেকে প্রোটিন কাঠামো পর্যন্ত
গবেষকরা দানাদার পদার্থ, বিকৃত বস্তু, তরল এবং প্রোটিন গতিবিদ্যা সহ ছয়টি শারীরিক ঘটনা জুড়ে ওয়ার্ল্ড পার্টিকেল পরীক্ষা করেছেন। একটি প্রদর্শনীতে, সিস্টেমটি একটি দানাদার বস্তুকে একটি স্তূপে ভেঙে পড়ার অনুকরণ করেছে। কিছু তুলনা পদ্ধতি অবাস্তব ফলাফল উত্পন্ন করে, যার ফলে স্বতন্ত্র বালির কণা বাতাসে ঝুলে পড়ে।
দলটি প্রোটিন কাঠামোর পরিবর্তনগুলি মডেল করার জন্য সিস্টেমটি ব্যবহার করেছিল। গুওর মতে, ওয়ার্ল্ড পার্টিকেল এই সিমুলেশনগুলিকে সাংখ্যিক সিমুলেটরগুলির তুলনায় প্রায় 100 গুণ দ্রুত পরিচালনা করেছে।
কাগজটি সিমুলেশন সময় পদক্ষেপের পরিপ্রেক্ষিতে এই উন্নতিকে বর্ণনা করে। ওয়ার্ল্ডপার্টিকল প্রোটিন সিমুলেশনের জন্য একটি 50-ফেমটোসেকেন্ড ধাপ ব্যবহার করেছে, ঐতিহ্যগত সিমুলেশনে ব্যবহৃত 0.5-ফেমটোসেকেন্ড ধাপের তুলনায়। একটি ফেমটোসেকেন্ড হল এক সেকেন্ডের এক চতুর্শমাংশ।
পার্থক্যটি গুরুত্বপূর্ণ কারণ একটি বৃহত্তর সময় পদক্ষেপ একটি সিমুলেশনকে কম গণনামূলক পদক্ষেপের সাথে একটি দীর্ঘ ব্যবধান কভার করতে দেয়। রিপোর্ট করা 100-গুণ চিত্রটি মোট কম্পিউটিং সময়ের একটি স্বাধীনভাবে প্রতিষ্ঠিত 100-গুণ হ্রাসের পরিবর্তে সময়-পদক্ষেপের আকারের এই পার্থক্যকে বোঝায়।
লক্ষ লক্ষ কণা হিসাবে জটিল বস্তুর প্রতিনিধিত্ব করার গণনাগত চাহিদাগুলি পরিচালনা করার জন্য, গবেষকরা তাদের গতিবিধি ভবিষ্যদ্বাণী করার জন্য প্রয়োজনীয় বিবরণ বজায় রেখে কণার তথ্য একত্রিত এবং সংকুচিত করার একটি কৌশল তৈরি করেছেন।
এটা কোথায় ব্যবহার করা যেতে পারে?
গবেষকরা ইঞ্জিনিয়ারিং, পদার্থ বিজ্ঞান, জীববিজ্ঞান এবং রোবোটিক্সে সম্ভাব্য অ্যাপ্লিকেশনগুলি দেখেন। একটি সম্ভাব্য ব্যবহারের মধ্যে অধ্যয়ন করা হয় যে কীভাবে তরলগুলি বিকৃত কাঠামোর সাথে যোগাযোগ করে, যেমন তেল একটি স্টোরেজ ট্যাঙ্কের ভিতরে একটি ইলাস্টিক ভালভের বিরুদ্ধে চলে। অন্যটি একটি নরম রোবট দ্বারা চালিত হলে কীভাবে বালি বা মাটি স্থানান্তরিত হয় তা অনুমান করা জড়িত।
দলটি আরএনএ বিবর্তন এবং গ্যালাক্সির একত্রীকরণের মতো অ্যাস্ট্রোফিজিকাল প্রক্রিয়ার সাথে জড়িত অ্যাপ্লিকেশনগুলি তদন্ত করার পরিকল্পনা করেছে।
যাইহোক, এগুলি আবেদনের প্রস্তাবিত ক্ষেত্রগুলি থেকে যায়। বর্তমান গবেষণাটি ছয়টি শারীরিক ঘটনা জুড়ে সিস্টেমটি প্রদর্শন করে, যখন এটিকে অতিরিক্ত সিস্টেমে প্রসারিত করতে এবং একটি সম্পূর্ণ সাধারণ-উদ্দেশ্য সিমুলেশন প্ল্যাটফর্ম তৈরি করতে আরও কাজ প্রয়োজন।
কাগজটি একটি শেয়ার্ড আর্কিটেকচার এবং সমস্ত উপকরণ জুড়ে প্রশিক্ষিত একটি একক মডেলের মধ্যে একটি গুরুত্বপূর্ণ পার্থক্য তৈরি করে। গবেষকরা বর্তমানে শারীরিক আচরণের বিভিন্ন বিভাগের জন্য মডেল প্যারামিটারের পৃথক সেট প্রশিক্ষণ দিচ্ছেন। প্রতিটি বিভাগ পরিচালনা করতে পারে এমন প্যারামিটারগুলির একটি সেট তৈরি করা ভবিষ্যতের লক্ষ্য হিসাবে রয়ে গেছে।
"আমরা সিমুলেশনের জন্য একটি GPT মুহূর্ত থাকতে চাই," চেন বলেছেন, একটি ভিত্তি মডেল তৈরি করার জন্য দলের উচ্চাকাঙ্ক্ষার বর্ণনা দিয়ে যা গবেষকদের প্রতিবার স্ক্র্যাচ থেকে একটি নতুন সিস্টেম তৈরি করার প্রয়োজন ছাড়াই বিভিন্ন শারীরিক প্রক্রিয়া অনুকরণ করতে পারে।
গবেষণা দলে এমআইটি, ইউবিসি, জর্জিয়া টেক, ইনরিয়া, মেটা, পেনসিলভানিয়া বিশ্ববিদ্যালয়, ইউটাহ বিশ্ববিদ্যালয়, ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, লস অ্যাঞ্জেলেস এবং হংকং বিশ্ববিদ্যালয়ের বিজ্ঞানীরা অন্তর্ভুক্ত রয়েছে।
