سائنس دان مصنوعی ذہانت کا استعمال کرتے ہوئے نئے مقناطیسی مواد کو تلاش کرتے ہیں جو اہم عناصر کا استعمال نہیں کرتے ہیں۔ امریکی محکمہ توانائی کی ایمز نیشنل لیبارٹری میں ایک تحقیقی ٹیم نے مستقل مقناطیسی مواد کو دریافت کرنے کے لیے ایک نیا مشین لرننگ ماڈل تیار کیا ہے جس میں اہم عناصر شامل نہیں ہیں۔ ماڈل نئے مادی امتزاج کے کیوری درجہ حرارت کی پیش گوئی کرتا ہے۔ یہ مصنوعی ذہانت کا استعمال کرتے ہوئے نئے مستقل مقناطیس مواد کی پیش گوئی کرنے کا ایک اہم پہلا قدم ہے۔ یہ ماڈل تھرموڈینامیکل طور پر مستحکم نایاب زمینی مواد کو دریافت کرنے کی ٹیم کی حال ہی میں تیار کردہ صلاحیت کی تکمیل کرتا ہے۔
ایمز نیشنل لیبارٹری کے سائنسدانوں نے ایک مشین لرننگ ماڈل ڈیزائن کیا ہے جو قلیل عناصر کا استعمال کیے بغیر نئے مقناطیسی مواد کی پیش گوئی کر سکتا ہے۔ مواد کے کیوری درجہ حرارت پر توجہ مرکوز کرنے والا یہ جدید طریقہ مستقبل کی ٹیکنالوجی ایپلی کیشنز کے لیے زیادہ پائیدار راستہ پیش کرتا ہے۔
اعلی کارکردگی والے میگنےٹ کی اہمیت
اعلیٰ کارکردگی والے میگنےٹ ونڈ انرجی، ڈیٹا اسٹوریج، برقی گاڑیاں اور مقناطیسی ریفریجریشن جیسی ٹیکنالوجیز کے لیے اہم ہیں۔ ان میگنےٹس میں کلیدی مواد جیسے کوبالٹ اور نایاب زمینی عناصر جیسے نیوڈیمیم اور ڈیسپروسیم ہوتے ہیں۔ یہ مواد زیادہ مانگ میں ہیں، لیکن سپلائی محدود ہے۔ اس صورتحال نے محققین کو نئے مقناطیسی مواد کو ڈیزائن کرنے کے طریقے تلاش کرنے پر آمادہ کیا ہے جو اہم مواد کو کم کرتے ہیں۔
مشین لرننگ کا کردار
مشین لرننگ (ML) مصنوعی ذہانت کی ایک شکل ہے۔ یہ کمپیوٹر الگورتھم کے ذریعے چلایا جاتا ہے، ڈیٹا اور ٹرائل اینڈ ایرر الگورتھم کا استعمال کرتے ہوئے پیشین گوئیوں کو مسلسل بہتر بنانے کے لیے۔ تحقیقی ٹیم نے ایم ایل الگورتھم کو تربیت دینے کے لیے تجرباتی ڈیٹا اور کیوری درجہ حرارت کی نظریاتی ماڈلنگ کا استعمال کیا۔ کیوری درجہ حرارت سب سے زیادہ درجہ حرارت ہے جس پر کوئی مادہ مقناطیسی رہتا ہے۔
ایمز لیبارٹری کے سائنسدان اور تحقیقی ٹیم کے سینئر رہنما یاروسلاو مڈریک نے کہا کہ "اعلی کیوری درجہ حرارت والے مرکبات کی تلاش ایسے مواد کی دریافت کا ایک اہم پہلا قدم ہے جو زیادہ درجہ حرارت پر مقناطیسی رہ سکتے ہیں۔" "یہ پہلو نہ صرف مستقل میگنےٹ کے ڈیزائن کے لیے بلکہ دیگر فعال مقناطیسی مواد کے ڈیزائن کے لیے بھی اہم ہے۔"
Mudrick کا خیال ہے کہ نئے مواد کی دریافت ایک چیلنجنگ سرگرمی ہے کیونکہ نئے مواد کی تلاش روایتی طور پر تجربات کے ذریعے کی جاتی رہی ہے، جو کہ مہنگا اور وقت طلب ہے۔ تاہم، ML طریقوں کا استعمال وقت اور وسائل کو بچا سکتا ہے۔
ماڈل ٹیسٹنگ اور توثیق
ماڈل کی توثیق کرنے کے لیے، ٹیم نے سیریم، زرکونیم اور آئرن پر مبنی مرکبات کا استعمال کیا۔ یہ خیال ایمز لیبارٹری کے سائنسدان اور ریسرچ ٹیم کے رکن اینڈری پالاسیوک نے تجویز کیا تھا۔ اسے امید ہے کہ زمین پر موجود عناصر کی بنیاد پر نامعلوم مقناطیسی مواد پر توجہ مرکوز کی جائے گی۔ پالاسچوک نے کہا: "اگلے سپر میگنیٹ کی نہ صرف بہترین کارکردگی ہونی چاہیے، بلکہ وہ وافر گھریلو اجزاء پر بھی انحصار کرے۔
پالاسچک نے تحقیقی ٹیم کے رکن ٹائلر ڈیل روز، ایک اور ایمس لیبارٹری سائنسدان کے ساتھ مل کر مرکب کی ترکیب اور خصوصیت کی۔ انہوں نے پایا کہ ایم ایل ماڈل نے امیدواروں کے مواد کے کیوری درجہ حرارت کی کامیابی کے ساتھ پیش گوئی کی۔ یہ کامیابی مستقبل کی تکنیکی ایپلی کیشنز کے لیے نئے مستقل میگنےٹس کو ڈیزائن کرنے کے لیے ہائی تھرو پٹ اپروچ کا ایک اہم پہلا قدم ہے۔
سنگر نے کہا، "ہم پائیدار مستقبل کے لیے فزکس سے باخبر مشین لرننگ لکھ رہے ہیں۔"
