स्टैनफोर्ड भौतिक विज्ञानी प्रकृति के कानूनों को बाधित करने के लिए एआई बनाते हैं

अभिनव कृत्रिम बुद्धि कार्यक्रम आवधिक तालिका को फिर से बनाता है।

istockphoto

स्रोत: istockphoto

कल्पना करें कि उपन्यास सामग्री का आविष्कार करने के लिए कृत्रिम बुद्धिमत्ता (एआई) की शक्ति को लागू करने में सक्षम है जो कि कई उद्योगों जैसे कि फार्मास्यूटिकल्स, बायोटेक, इलेक्ट्रॉनिक्स, प्लास्टिक, अर्धचालकों, कांच, ऊर्जा, नैनोटेक, धातु मिश्र धातु, मिश्रित सामग्री, चीनी मिट्टी की चीज़ें, ऑप्टिक्स में क्रांतिकारी बदलाव ला सकता है। , और बहुत सारे। 2018 में, कैलिफोर्निया के पालो अल्टो में स्टैनफोर्ड विश्वविद्यालय के अग्रणी चिकित्सकों ने PNAS ( प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज ऑफ द यूनाइटेड स्टेट्स ऑफअमेरिका ) में एक नए AI प्रोग्राम (Atom2Vec) के निर्माण की घोषणा की, जो आवधिक तालिका को फिर से बनाने में सक्षम था। तत्वों का – एक मील का पत्थर एआई बनाने की दिशा में पहला कदम जो प्रकृति के नए नियमों की खोज कर सकता है, और उपन्यास सामग्री और यौगिकों का आविष्कार कर सकता है [1]। Atom2Vec केवल कुछ ही घंटों में इसे हासिल करने में सक्षम था, मनुष्यों के लिए कई शताब्दियों में [2]। जिस तरह से यह हासिल किया गया वह एक क्रॉस-अनुशासनात्मक एआई दृष्टिकोण था – सामग्री विज्ञान के लिए भाषाई अवधारणाओं को लागू करना।

स्टैनफोर्ड भौतिकविदों ने ज़ूलिंग एस हैरिस की परिकल्पना को शब्दों के बजाय परमाणुओं के लिए भाषा के वितरणात्मक संरचना पर लागू किया। हैरिस की भाषाई अवधारणा इस विचार को सामने रखती है कि भाषा की संस्थाओं की बुनियादी कक्षाओं को वितरणात्मक व्यवहार द्वारा समूहीकृत किया जा सकता है क्योंकि उनमें समान वितरण गुण होते हैं। हैरिस के विचार को स्पष्ट करने के लिए, “मौसी” शब्द “महिला” और “चाचा” के साथ “पुरुष” जुड़ा हुआ है। “चाची” के लिए एक संभावित वेक्टर को “चाची” के रूप में वर्णित किया जा सकता है जो चाची माइनस पुरुष प्लस महिला के बराबर है। इस भाषाई सादृश्य को देखते हुए, अनुसंधान दल ने Google के Word2Vec, प्राकृतिक भाषा पार्सिंग के लिए दो-परत तंत्रिका जाल [3] से निकाली गई अवधारणाओं के साथ Atom2Vec बनाया।

भौतिकविदों ने “परमाणु वैक्टर का उपयोग तंत्रिका नेटवर्क के लिए एक बुनियादी इनपुट इकाइयों के रूप में किया और सामग्री गुणों की भविष्यवाणी करने के लिए डिज़ाइन और प्रशिक्षित किए गए अन्य एमएल मॉडल।” Atom2Vec बुनियादी डेटा इकाइयों को गणितीय वैक्टर में परिवर्तित करने पर आधारित है, जो AI प्रोग्राम पैटर्न के माध्यम से सीखता है। उदाहरण के लिए, Atom2Vec यह जानने में सक्षम था कि सोडियम और पोटेशियम में क्लोरीन के साथ बंधन की साझा संपत्ति के आधार पर समान गुण हैं।

Atom2Vec का यह पहला पुनरावृत्ति unsupervised मशीन सीखने पर आधारित था। इसका अर्थ है कि एल्गोरिथ्म इनपुट डेटा से निहित संरचना को सीखने के लिए एल्गोरिथ्म के लक्ष्य के साथ किसी भी इसी आउटपुट चर के बिना एल्गोरिथ्म को अनलेबेड इनपुट डेटा खिलाया गया था। अगले संस्करण के लिए, टीम एआई में हासिल की गई सफलता का लाभ उठाने के लिए तत्वों की आवर्त सारणी को फिर से बनाएगी ताकि कैंसर के मरीजों के लिए भविष्य में उपचार के लिए अधिक पर्यवेक्षणीय मशीन लर्निंग अप्रोच विकसित की जा सके। Atom2Vec 2.0 के लिए समग्र लक्ष्य कैंसर कोशिकाओं पर एंटीजन पर हमला करने के लिए विषाक्तता और अधिकतम प्रभावकारिता की न्यूनतम मात्रा के साथ इष्टतम एंटीबॉडी की पहचान करना है। कैंसर इम्यूनोथेरेपी उपचारों के लिए उपन्यास समाधान खोजने के प्रयासों में, शोधकर्ताओं ने मानव शरीर में 10 मिलियन से अधिक एंटीबॉडी को व्यवस्थित करने के लिए एक गणितीय वेक्टर पर जीन को मैप करने की योजना बनाई है। Atom2Vec का भविष्य रसायन विज्ञान के क्षेत्र से जीव विज्ञान, ऑन्कोलॉजी, इम्यूनोथेरेपी, और चिकित्सा तक फैल जाएगा।

कॉपीराइट © 2018 कैमी रोसो सभी अधिकार सुरक्षित।

संदर्भ

1. झोउ, क्वान; तांग, Peizhe; लियू, शेनशिउ; पैन, जिनबो; यान, क्यूमिन; झांग, शौ-चेंग। “सामग्री की खोज के लिए परमाणु सीखना।” यूनाइटेड स्टेट्स ऑफ अमेरिका (PNAS ) के राष्ट्रीय विज्ञान अकादमी की कार्यवाही । जून २०१8, २०१8

2. थन, केर। “स्टैनफोर्ड ए.आई. रसायन की आवर्त सारणी को तत्वों में बदल देता है।” स्टैनफोर्ड न्यूज़। 25 जून 2018।

3. Cobley, एंड्रयू। “क्या आप Word2Vec? Google का तंत्रिका-नेटवर्क किताबी कीड़ा। ” रजिस्टर। 13 अक्टूबर 2017।