सुपर कंप्यूटर और एआई अगली पीढ़ी के कार्बन कैप्चर के लिए गुप्त सामग्रियों को अनलॉक करते हैं

  मेटल-ऑर्गेनिक फ्रेमवर्क (एमओएफ) सामग्री का उपयोग उत्प्रेरक से लेकर ऊर्जा कन्वर्टर्स तक कई अलग-अलग अनुप्रयोगों में किया जा सकता है।

जेनरेटिव एआई तकनीक, मशीन लर्निंग और सिमुलेशन शोधकर्ताओं को पर्यावरण के अनुकूल धातु-कार्बनिक ढांचा सामग्री की पहचान करने के नए अवसर देते हैं।

बिजली संयंत्रों और अन्य औद्योगिक सुविधाओं से ग्रीनहाउस गैस उत्सर्जन को कम करने के लिए कार्बन कैप्चर एक महत्वपूर्ण तकनीक है। लेकिन कम लागत पर प्रभावी कार्बन कैप्चर के लिए उपयुक्त सामग्री अभी तक नहीं मिल पाई है। एक उम्मीदवार मेटल-ऑर्गेनिक फ्रेमवर्क या एमओएफ है । यह छिद्रपूर्ण पदार्थ चुनिंदा रूप से कार्बन डाइऑक्साइड को अवशोषित कर सकता है।

एमओएफ कॉन्फ़िगरेशन की जटिलता

एमओएफ के अणुओं में तीन प्रकार के बिल्डिंग ब्लॉक होते हैं - अकार्बनिक नोड्स, कार्बनिक नोड्स और कार्बनिक लिंकर्स। इन्हें विभिन्न सापेक्ष स्थितियों और विन्यासों में व्यवस्थित किया जा सकता है। परिणामस्वरूप, वैज्ञानिकों के लिए डिजाइन और परीक्षण करने के लिए अनगिनत संभावित एमओएफ कॉन्फ़िगरेशन हैं।

एआई और सुपरकंप्यूटिंग के माध्यम से खोज में तेजी लाना

खोज प्रक्रिया को तेज़ करने के लिए, अमेरिकी ऊर्जा विभाग (डीओई) आर्गोन नेशनल लेबोरेटरी के शोधकर्ता कई रास्ते अपना रहे हैं। पहले से अज्ञात बिल्डिंग ब्लॉक उम्मीदवारों का सपना देखने के लिए एक जनरेटिव  आर्टिफिशियल इंटेलिजेंस (एआई) है। दूसरा AI का एक रूप है जिसे मशीन लर्निंग कहा जाता है। तीसरा मार्ग उम्मीदवार सामग्री की उच्च-थ्रूपुट स्क्रीनिंग है। और अंतिम आणविक गतिशीलता नामक विधि का उपयोग करके सिद्धांत-आधारित सिमुलेशन है।

इस परियोजना में आर्गन के साथ इलिनोइस विश्वविद्यालय अर्बाना-शैंपेन (यूआईयूसी), शिकागो में इलिनोइस विश्वविद्यालय और शिकागो विश्वविद्यालय के बेकमैन इंस्टीट्यूट फॉर एडवांस्ड साइंस एंड टेक्नोलॉजी के शोधकर्ता शामिल हैं ।

इष्टतम कार्बन चयनात्मकता और क्षमता के साथ एमओएफ डिजाइन करना एक महत्वपूर्ण चुनौती है। अब तक, एमओएफ डिज़ाइन श्रमसाध्य प्रयोगात्मक और कम्प्यूटेशनल कार्य पर निर्भर रहा है। यह महंगा और समय लेने वाला हो सकता है।

जेनरेटिव एआई के साथ एमओएफ डिजाइन स्पेस की खोज करके, टीम 30 मिनट के भीतर 120,000 से अधिक नए एमओएफ उम्मीदवारों को तेजी से इकट्ठा करने में सक्षम थी। उन्होंने इन गणनाओं को  आर्गोन लीडरशिप कंप्यूटिंग फैसिलिटी (एएलसीएफ) में पोलारिस  सुपरकंप्यूटर पर चलाया। एएलसीएफ एक डीओई विज्ञान कार्यालय उपयोगकर्ता सुविधा है।

फिर उन्होंने केवल सबसे आशाजनक उम्मीदवारों का उपयोग करके समय-गहन आणविक गतिशीलता सिमुलेशन करने के लिए यूआईयूसी में डेल्टा सुपरकंप्यूटर की ओर रुख किया। लक्ष्य स्थिरता, रासायनिक गुणों और कार्बन कैप्चर की क्षमता के लिए उनकी स्क्रीनिंग करना है। डेल्टा इलिनोइस और उसके नेशनल सेंटर फॉर सुपरकंप्यूटिंग एप्लिकेशन का एक संयुक्त प्रयास है।

एमओएफ डिजाइन का एक नया युग

टीम का दृष्टिकोण अंततः वैज्ञानिकों को सबसे अच्छे एमओएफ दावेदारों को संश्लेषित करने की अनुमति दे सकता है। "लोग कम से कम दो दशकों से एमओएफ के बारे में सोच रहे हैं," अध्ययन का नेतृत्व करने में मदद करने वाले अर्गोन कम्प्यूटेशनल वैज्ञानिक एलीयू ह्यूर्टा ने कहा। “पारंपरिक तरीकों में आम तौर पर आणविक गतिशीलता सिमुलेशन के साथ प्रयोगात्मक संश्लेषण और कम्प्यूटेशनल मॉडलिंग शामिल होती है। लेकिन इस तरह से विशाल एमओएफ परिदृश्य का सर्वेक्षण करने की कोशिश करना अव्यावहारिक है।

टीम को नियोजित करने के लिए जल्द ही और भी अधिक उन्नत कंप्यूटिंग उपलब्ध होगी। एएलसीएफ के ऑरोरा एक्सास्केल सुपरकंप्यूटर की शक्ति के साथ, वैज्ञानिक एक साथ अरबों एमओएफ उम्मीदवारों का सर्वेक्षण कर सकते हैं, जिनमें कई ऐसे भी शामिल हैं जिन्हें पहले कभी प्रस्तावित नहीं किया गया था।

इसके अलावा, टीम नए तरीकों की खोज के लिए आणविक डिजाइन पर पिछले काम से रासायनिक प्रेरणा ले रही है जिसमें एमओएफ के विभिन्न बिल्डिंग ब्लॉक एक साथ फिट हो सकते हैं।

ह्यूर्टा ने कहा, "हम एमओएफ में नए फ्लेवर जोड़ना चाहते थे जिन्हें हम डिजाइन कर रहे थे।" ​"हमें एआई रेसिपी के लिए नई सामग्रियों की आवश्यकता थी।" टीम का एल्गोरिदम बायोफिज़िक्स, फिजियोलॉजी और भौतिक रसायन विज्ञान प्रयोगात्मक डेटासेट से रसायन शास्त्र सीखकर कार्बन कैप्चर के लिए एमओएफ में सुधार कर सकता है जिन्हें पहले एमओएफ डिजाइन के लिए नहीं माना गया है।

ह्यूर्टा के लिए, पारंपरिक दृष्टिकोण से परे देखने से एक परिवर्तनकारी एमओएफ सामग्री का वादा होता है - जो कार्बन कैप्चर में अच्छा, लागत प्रभावी और उत्पादन में आसान हो सकता है।

ह्यूर्टा ने कहा, "अब हम जेनरेटिव एआई, हाई-थ्रूपुट स्क्रीनिंग, आणविक गतिशीलता और मोंटे कार्लो सिमुलेशन को एक स्टैंडअलोन वर्कफ़्लो में जोड़ रहे हैं।" ​"यह वर्कफ़्लो नए एमओएफ बनाने के लिए एआई की सटीकता में तेजी लाने और सुधार करने के लिए पिछले प्रयोगात्मक और कम्प्यूटेशनल अनुसंधान का उपयोग करके ऑनलाइन शिक्षण को शामिल करता है।"

एआई द्वारा सक्षम एमओएफ डिजाइन के लिए परमाणु -दर-परमाणु दृष्टिकोण वैज्ञानिकों को इस प्रकार की छिद्रपूर्ण संरचनाओं पर आर्गोन के वरिष्ठ वैज्ञानिक और डेटा साइंस और लर्निंग डिवीजन के निदेशक इयान फोस्टर को "व्यापक लेंस" कहने की अनुमति देगा। फोस्टर ने कहा, "काम किया जा रहा है ताकि, नए एआई-असेंबल्ड एमओएफ के लिए, जिनकी भविष्यवाणी की जा रही है, हम स्वायत्त प्रयोगशालाओं से अंतर्दृष्टि को शामिल करते हैं ताकि प्रयोगात्मक रूप से संश्लेषित होने की उनकी क्षमता और कार्बन को पकड़ने की क्षमता को मान्य किया जा सके।" ​"मॉडल को बेहतर बनाने के साथ, हमारी भविष्यवाणियां और भी बेहतर होती जा रही हैं।"

अध्ययन पर आधारित एक पेपर ह्यून पार्क, ज़ियाओली यान, रुइजी झू, एलीयू ह्यूर्टा, शांतनु चौधरी, डोनी कॉपर, इयान फोस्टर और इमाद ताजखोर्शीद द्वारा लिखा गया था। यह नेचर कम्युनिकेशंस केमिस्ट्री के ऑनलाइन अंक में छपा  ।

यूआईयूसी के ताजखोर्शीद ने कहा, "अध्ययन आणविक विज्ञान में एआई-आधारित दृष्टिकोण का उपयोग करने की महान क्षमता को प्रदर्शित करता है।" ''हम बायोमोलेक्यूलर सिमुलेशन और ड्रग डिजाइन जैसी समस्याओं के लिए दृष्टिकोण के दायरे का विस्तार करने की उम्मीद करते हैं।''

ह्यूर्टा ने कहा, "यह काम विभिन्न संस्थानों के स्नातक छात्रों और शुरुआती-कैरियर वैज्ञानिकों के बीच सहयोग का एक प्रमाण है जो विज्ञान परियोजना के लिए इस महत्वपूर्ण एआई पर काम करने के लिए एक साथ आए थे।" ''भविष्य उज्ज्वल रहेगा क्योंकि हम प्रतिभाशाली युवा वैज्ञानिकों को प्रेरित करते रहेंगे और उनसे प्रेरित होते रहेंगे।''