ஆராயும் தேடலில் அறிவியல் சிந்தனை-5

கிராமிய அறிவியல், தன்னிறைவு மற்றும் பொருள் அறிவியல் ஆகியவை சமீபத்திய முன்னேற்றங்களில் முக்கியமான இடத்தைப் பெற்றுள்ளன. வேதியியலில் நோபல் பரிசு, செயற்கை நுண்ணறிவின் மாற்றத்திறனை முன்னிலைப்படுத்தியுள்ளது. ChatGPT மற்றும் GPT-4 போன்ற நுண்ணறிவு உதவியாளர்கள் ஆய்வக பணிகளில் புரட்சியை ஏற்படுத்தி, வினைத் திட்டமிடல் மற்றும் தரவுப் பகுப்பாய்வை தானியங்கி முறையில் செய்ய உதவுகின்றன. இதற்கிடையில், உலகளாவிய சவால்களுக்கு தீர்வாக புதிய பொருட்கள் உருவாகின்றன—COF-999 என்ற பொருள், மின்சார திறன் குறைவான கார்பன் பிடிப்பிற்கான சிறந்த தீர்வாகவும், அதிக நீடித்த தன்மையுடனும் விளங்குகிறது. Sea Stone எனப்படும் புதிய பொருள் கடல் சீப்பு கழிவுகளைச் சிறிய அளவிலான கட்டுமானங்களுக்கான நிலைத்த கான்கிரீட் மாற்றாக மாற்றுகிறது. இந்த கண்டுபிடிப்புகள், நவீன தொழில்நுட்பத்திற்கும் நிலைத்த செயல்பாடுகளுக்கும் இடையேயான ஒத்திசைவைக் காட்டி, வேதியியல் துறையின் எதிர்காலத்தை வடிவமைக்கின்றன.

நவீன வேதியியல் ஆய்வகத்தின் பழமையான சூழலில், ஒரு புரட்சி அமைதியாக நடந்து கொண்டிருக்கிறது. டொராண்டோ பல்கலைக்கழக விஞ்ஞானிகள் ஆர்கனா (ORGANA) என்ற செயற்கை நுண்ணறிவால் இயங்கும் ஒரு ஆய்வக ரோபோவை உருவாக்கியுள்ளனர். இது தானியங்கு ஆய்வக உபகரணங்களின் மற்றொரு பகுதி அல்ல. இது வாய்மொழி வழிமுறைகளைப் புரிந்து கொண்டு அடிப்படை ஆட்டோமேஷனுக்கு அப்பால் செயல்படுவதால், இதை ஒரு கூட்டுப் பங்காளி என்று கூறலாம்.

ஒரு சிறிய கற்பனை.‌ காலையில் ஆய்வகத்திற்குள் நுழைந்தவுடன், ரோபோ உதவியாளருக்கு வணக்கம் தெரிவித்துவிட்டு, “ஆர்கனா, புதிய வினையூக்கித் தொடரின் எதிர்வினை இயக்கவியலைப் பகுப்பாய்வு செய்வோமோ” என்று கூறியவுடன், ரோபோ உதவியாளர் உடனே செயலில் இறங்குவார். நமது இயல்பான மொழியை துல்லியமான சோதனை நெறிமுறையாக மொழிபெயர்ப்பார். சிக்கலான காட்சிகளை நிரலாக்கவோ அல்லது மீண்டும் மீண்டும் செய்யும் பணிகளை கைமுறையாக அமைக்கவோ இல்லை. ஆர்கனா துல்லியமான பைப்பெட்டிங் முதல் எலக்ட்ரோடு பராமரிப்பு வரை அனைத்தையும் கையாளுவார், அதே நேரத்தில் அறிவியல் ஆராய்ச்சி கோரும் துல்லியத்தையும்  பராமரிப்பார்.

ஆர்கானா ஆய்வுகூடத்தில் வேதியியல் நிபுணர்களுடன் இயங்குவதற்காக இயற்கை மொழி செயலாக்கத்தைக் (Natural Language Processing) கையாளுகிறது, இது பெரிய மொழி மாதிரிகளால் (Large Language Models – LLMs) இயக்கப்படுகிறது. விஞ்ஞானிகள் வாய்மொழியாக ஆர்கானாவுடன் தொடர்பு கொள்கிறார்கள், மேலும் ஆர்கானா அந்த வழிகாட்டுதல்களை χDL போன்ற வேதியியல் விளக்க மொழிகளைப் பயன்படுத்தி பரிசோதனை நடவடிக்கைகளாக மாற்றுகிறது. இது நேரடி கருத்துகளை வழங்குகிறது, புள்ளிவிவர பகுப்பாய்வுகளுடன் கூடிய அறிக்கைகளை உருவாக்குகிறது மற்றும் தெளிவற்ற அல்லது எதிர்பாராத முடிவுகளை அடையாளம் காண்கிறது. கணினி பார்வையை (Computer Vision) பயன்படுத்தி, ஆர்கானா ஆய்வுகூட சூழலை புரிந்து கொண்டு அறிவார்ந்த முடிவுகளை எடுக்கிறது மற்றும் பணிகளை நிறைவேற்றுகிறது. இதனால், நிரலாக்க நிபுணத்துவம் தேவையின்றி, வேதியியல் நிபுணர்களுக்கும் ரோபோட்டுக்கும் இடையே எளிதான ஒத்துழைப்பை உருவாக்க முடிகிறது, மேலும் சிக்கலான பரிசோதனைகளுக்கு ஆதரவாக செயல்படுகிறது.

https://ac-rad.github.io/organa/

ரோபோகெம் என்ற மற்றொரு உதவியாளர், இயந்திரக் கற்றலை, குறிப்பாக பேசியன் ஆப்டிமைசேஷன் (Bayesian Optimization) முறையைப் பயன்படுத்தி ஒளி சார்ந்த ரசாயன வினைகளை மேம்படுத்துகிறார். இவரால் தானியங்கியாக வினையூக்கி, திரவத்தின் செறிவு, ஊக்கிகளின் அளவு மற்றும் ஒளியின் தீவிரம் போன்ற மாறிலிகளை சரிசெய்து, வினை விளைவை (yield) மற்றும் செயல்திறனை அதிகரிக்க செய்ய முடியும். ஒரு மூடிய-வலய (closed-loop) அமைப்பில் செயல்படும் ரோபோகெம், ஒவ்வொரு பரிசோதனையின் முடிவுகளையும் பகுப்பாய்வு செய்து, சிறந்த செயல்திறனை பெறுவதற்காக நிலைமைகளை மெல்லியதாக மாற்றுகிறது.இந்த அணுகுமுறை பாரம்பரிய முறைகளுடன் ஒப்பிடும்போது விளைவை, இடைக்கால உற்பத்தித் திறனை (space-time productivity), மற்றும் அளவீட்டு திறனை (scalability) குறிப்பிடத்தக்க அளவில் மேம்படுத்தியுள்ளது. மேலும், தனிப்பட்ட பொருட்களுக்கு (substrates) ஏற்றவாறு நிலைமைகளை சரிசெய்யும் திறன் இவரிடம்  இருக்கிறது. இது சிக்கலான ஒளிச்சேர்க்கை வினைகளை (photocatalytic reactions) துல்லியமாகவும் திறமையாகவும் மேம்படுத்த உதவுகிறது.

https://aihub.org/2024/02/07/robochem-a-platform-for-optimising-photochemical-processes/

கார்பன் பிடிப்புக்கான புதிய பொருட்களை அடையாளம் காண செயற்கை நுண்ணறிவு

மெட்டல்-ஆர்கானிக் ஃப்ரேம்வொர்க்ஸ் (MOFs) இருந்து கோவேலென்ட் ஆர்கானிக் ஃப்ரேம்வொர்க்ஸ் (COFs) நோக்கிய  மாற்றம் ‘கார்பன் பிடிப்பு’ தொழில்நுட்பத்தில் ஒரு முக்கிய முன்னேற்றமாகும். COFs, தங்களின் வலுவான கோவாலென்ட் பிணைப்புகளுடன், MOFs-ஐ விட மேம்பட்ட இரசாயன மற்றும் வெப்ப நிலைத்தன்மையை வழங்குகின்றன. இதனால், அவை நேரடி காற்று பிடிப்பு பயன்பாடுகளுக்கு மிகவும் பொருத்தமாக இருக்கின்றன. AI இந்த துறையை மாற்றி அமைக்கிறது, குறிப்பாக பொருட்களின் கண்டுபிடிப்பு மற்றும் மேம்பாட்டை வேகமாக்குவதில். ஜெனரேட்டிவ் மாடல்கள் மற்றும் மூலக்கூறு சிமுலேஷன்கள் போன்ற AI சார்ந்த ஆல்காரிதம்கள் CO2 உறிஞ்சும் திறன் மற்றும் நிலைத்தன்மையை மேம்படுத்திய MOFs மற்றும் COFs-ஐ விரைவாக வடிவமைக்கவும் திரையிடவும் உதவுகின்றன. இதனால், மாதங்கள் ஆகும் ஆராய்ச்சி நேரத்தை சில மணி நேரங்களுக்கு குறைக்க முடிகிறது. இரசாயனத்துடன் AI இணைவது, அளவளாவிய மற்றும் செலவு குறைந்த கார்பன் பிடிப்பு தீர்வுகளுக்கான வழியை உருவாக்குகிறது.

 தற்போது ஆராய்ச்சியாளர்கள் மெட்டல்-ஆர்கானிக் கட்டமைப்புகளுக்கான (MOFs) நிலைகளை முன்னறிவிக்க ChatGPT ஐப் பயன்படுத்தியுள்ளனர், இது கடந்த ஆய்வு ஆராய்ச்சியின் பகுப்பாய்வு மற்றும் வடிவமைப்பிற்கான காலத்தை குறிப்பிடத்தக்க அளவிற்கு குறைக்கிறது, இதனால் இரசாயன ஆராய்ச்சியில் உற்பத்தியை மேம்படுத்தும் என்று கருதப்படுகிறது.

கோவலன்ட் ஆர்கானிக் ஃப்ரேம்வொர்க் எனப்படும் புதிய வகை நுண்துளைப் பொருள் சுற்றுப்புறக் காற்றிலிருந்து கார்பன் டை ஆக்சைடை விரைவாக உறிஞ்சுகிறது.

மனிதர்கள் உற்பத்தி செய்யும் கார்பன் டை ஆக்சைடைப் பிடிப்பதும் சேமிப்பதும் வளிமண்டல பசுமை இல்ல வாயுக்களைக் குறைப்பதற்கும் புவி வெப்பமடைவதைக் குறைப்பதற்கும் முக்கியமாகும், ஆனால் இன்றைய கார்பன் பிடிப்பு தொழில்நுட்பங்கள் மின் உற்பத்தி நிலைய வெளியேற்றம் போன்ற கார்பனின் செறிவூட்டப்பட்ட மூலங்களுக்கு மட்டுமே நன்றாக வேலை செய்கின்றன. அதே முறைகளால் சுற்றுப்புற காற்றில் இருந்து கார்பன் டை ஆக்சைடை திறம்பட பிடிக்க முடியாது, அங்கு செறிவுகள் ஃப்ளூ வாயுக்களை  விட நூற்றுக்கணக்கான மடங்கு குறைவாக இருக்கும். ஆயினும்கூட, நேரடி காற்று பிடிப்பு (Direct Air Capture), CO2 அளவுகளின் உயர்வை மாற்றியமைக்கிறது, இது ஒரு மில்லியனுக்கு 426 பாகங்களை (பிபிஎம்) எட்டியுள்ளது, இது தொழில்துறை புரட்சிக்கு முந்தைய அளவை விட 50% அதிகமாகும். இது இல்லாமல், காலநிலை மாற்றத்திற்கான அரசுகளுக்கிடையேயான குழுவின் படி, வெப்பமயமாதலை உலக சராசரியை விட 1.5°C குறைக்கும் வரை  மனிதகுலத்தின் இலக்கை அடைய முடியாது.

சமீபத்தில்  கலிபோர்னியா பல்கலைக் கழகம் பெர்க்லியைச்  சார்ந்த ஓமர் யாஹி (Omar Yaghi) தலைமையிலான வேதியல் குழு, காற்றில் கரைந்துள்ள கார்பன் டைஆக்சைடு பிடிக்க COF-999 என்ற மஞ்சள் நிற படிகப் பொருளை உருவாக்கியுள்ளது. இதன் கட்டமைப்பிலுள்ள கார குணம் கொண்ட அமின் குழுக்கள், அமில குணம்கொண்ட கார்பன் டையாக்சைடு வாயுவைப் பிடிக்க உதவுகின்றன. ஓராண்டில் 200 கிராம் தூளானது, 20kg CO2 ஐ உறிஞ்ச முடியும்.  மேலும் இது ஈரமான சூழ்நிலைகளில் கூட செயல்படக்கூடியது, பாரம்பரிய பொருட்களை விட 10 மடங்கு வேகமாக CO2 ஐ பிடிக்கிறது. COF-999 இல் உள்ள கோவேலன்ட் பிணைப்புகள் இந்த கட்டமைப்பை மிகவும் நிலையானதாகவும், ஈரப்பதம் மற்றும் அமிலமான சூழ்நிலைகளில் கூட மாறாமல் இருக்க உதவுகிறது. இதன் குறைந்த வெளியீட்டு வெப்பநிலை (60°C), கழிவுக் காய்ச்சல்களைப் பயன்படுத்தி மீண்டும் செயல்படுத்துவதற்கு ஏதுவாக உள்ளதால், இது எரிசக்தி திறனை அதிகரிக்கும். மேலும், இந்த பொருளின் வடிவமைப்பு நூற்றுக்கணக்கான சுழற்சியிலும் செயல்திறனை பராமரிக்க உதவுகிறது. இது பல்வேறு சுற்றுச்சூழல் நிலைகளில் நீண்டகால பயன்பாட்டிற்கு உறுதியாக இருக்கும்.

இந்த COF-999 வடிவமைப்பதில் ChatGPT மற்றும் AI, முக்கிய பங்கு வகிக்கின்றன. AI நிரல் நெறிமுறைகள், அதாவது இயற்கை கற்றல் மற்றும் ஆழ்ந்த கற்றல்,  பொருட்களின் பண்புகளை கணிக்கவும், வடிவமைப்புகளை திறம்பட மேம்படுத்தவுது மட்டுமில்லாமல் புதிய பொருட்களை கண்டுபிடிக்கும் செயல்முறையையும் விரைவுபடுத்துகிறது. COF-999 இன் மூலக கட்டமைப்பு, மிகுந்த தரவுத்தொகுப்புகளை பகுப்பாய்வு செய்து சிறந்த கட்டமைப்புகளை அடையாளம் காண AI இன் திறனைப் பயன்படுத்தி, கார்பன் பிடிப்பிற்கு மேம்பட்டதாக உருவாக்கப்பட்டது. AI மற்றும் பொருட்கள் அறிவியல் இடையே உள்ள இந்த ஒத்துழைப்பு கார்பன் பிடிப்பு தொழில்நுட்பங்களுக்கு புதுமையான தீர்வுகளை உருவாக்குகிறது.

https://pubs.acs.org/doi/epdf/10.1021/acscentsci.3c01087?ref=article_openPDF

கடல் ஓடுகளை நிலையான கட்டுமானப் பொருட்களாக மாற்றும் கலை

கடல் சிப்பிகள், கால்சியம் கார்பனேட்டில் (Calcium Carbonate) செறிந்துள்ளதால், கட்டுமானப் பொருட்களில் சிமென்டுக்கு ஒரு மாறாக பயன்படுத்தப்படும் நிலையான மாற்றாக ஆராயப்பட்டு வருகின்றன. கடல் சிப்பி கழிவுகளை பொடியாக அரைத்து அல்லது துகள்களாக மாற்றி, இயற்கையான, நச்சுத்தன்மையற்ற பைண்டர்களுடன் சேர்த்து கான்கிரீட் போன்ற பொருட்களை உருவாக்கும் செயல்முறைகள் மேற்கொள்ளப்படுகின்றன. “Sea Stone” போன்ற இவ்வகை பொருட்கள் கான்கிரீட்டின் பண்புகளை ஒத்ததாக இருக்கின்றன, ஆனால் சுற்றுச்சூழலுக்கு உகந்ததாகவும் இயற்கை வளங்களின் பயன்பாட்டை குறைத்து, கார்பன் டைஆக்சைடு (CO2) உமிழ்வை குறைக்கும் வகையிலும் உள்ளன. இவை டைல்ஸ் அல்லது மேசைப்பலகைகள் போன்ற கட்டமைப்பு சாராத பயன்பாடுகளுக்கு ஏற்றவை, ஆனால் இவற்றின் இயந்திரத் திறன் பாரம்பரிய கான்கிரீட்டின் அளவுக்கு குறைவாக இருப்பதால் பெரிய அளவிலான கட்டமைப்பு பயன்பாட்டிற்கு தகுதியற்றவை என்று கணிக்கிறார்கள். இவற்றின் நீடித்த தன்மை மற்றும் பரவலான பயன்பாட்டை மேம்படுத்துவதற்கான ஆராய்ச்சிகள் தொடர்ந்து நடைபெற்று வருகின்றன.

வெள்ளை நிற கோபுரத்திற்கு பெயர் பெற்றது கன்னியாகுமரியில் உள்ள சுசீந்திரம் கோயில். 134 அடி உயரம் கொண்ட இந்த ஏழு அடுக்கு அமைப்பு, சிக்கலான சிற்பங்களைக் கொண்டுள்ளது மற்றும் தென்னிந்திய கோயில் கட்டிடக்கலைக்கு ஒரு எடுத்துக்காட்டு. கோபுரத்தின் வெண்மை நிறமானது தூள் செய்யப்பட்ட சங்கு ஓடுகளால் செய்யப்பட்ட சுண்ணாம்பைப் பயன்படுத்தியுள்ளது என்று கூறப்படுகிறது.‌ இங்குள்ள நந்தி சிலை பொடியான சங்கு தூள்களால் ஆனது என்று கூறுகிறார்கள். ராஜஸ்தானிலுள்ள, அப்ஹானேரி ஹர்ஷத் மாதா கோவிலிலும் இதைப் போன்ற பொருட்களை உபயோகித்து கட்டப்பட்டதாகவும் குறிப்புகள் காணப்படுகின்றன.