शोधकर्ताओं ने चैटजीपीटी को रसायन विज्ञान सहायक में बदल दिया

न्यूयॉर्क: आर्टिफिशियल इंटेलिजेंस (एआई) संचालित चैटजीपीटी डेटा निष्कर्षण को लोकतांत्रिक बनाने में मदद कर सकता है, और इस प्रकार वैज्ञानिकों को नवाचार के लिए सशक्त बना सकता है।कैलिफोर्निया विश्वविद्यालय की टीम ने दिखाया कि चैटजीपीटी रसायन विज्ञान सहायक वैज्ञानिक साहित्य के कुशल विश्लेषण के माध्यम से नई सामग्री विकसित करने के लिए आवश्यक महत्वपूर्ण समय और श्रम को कम करने में मदद कर सकता है।

अमेरिकन केमिकल सोसाइटी के जर्नल में प्रकाशित अध्ययन में, टीम ने चैटजीपीटी को एक विशेष रूप से समय लेने वाला कार्य करने के लिए प्रेरित किया: वैज्ञानिक साहित्य की खोज। उस डेटा के साथ, उन्होंने प्रयोगात्मक परिणामों की भविष्यवाणी करने के लिए एक दूसरा उपकरण, एक मॉडल बनाया।

पिछले अध्ययनों की रिपोर्टें जानकारी का एक विशाल भंडार प्रदान करती हैं जिनकी रसायनज्ञों को आवश्यकता होती है, लेकिन सबसे प्रासंगिक विवरणों को ढूंढना और उनका विश्लेषण करना श्रमसाध्य हो सकता है।उदाहरण के लिए, जो अत्यधिक छिद्रपूर्ण, क्रिस्टलीय धातु-कार्बनिक ढांचे (एमओएफ) को डिजाइन करने में रुचि रखते हैं - जिनके स्वच्छ ऊर्जा जैसे क्षेत्रों में संभावित अनुप्रयोग हैं - उन्हें विभिन्न प्रयोगात्मक स्थितियों का वर्णन करने वाले सैकड़ों वैज्ञानिक पत्रों को छांटना होगा।

शोधकर्ताओं ने पहले भी इस कार्य को संभालने के लिए एआई को मनाने का प्रयास किया है; हालाँकि, जिन भाषा प्रसंस्करण मॉडल का उन्होंने उपयोग किया, उनके लिए महत्वपूर्ण तकनीकी विशेषज्ञता की आवश्यकता थी, और उन्हें नए विषयों पर लागू करने का मतलब कार्यक्रम को बदलना था।उदाहरण के लिए, जो अत्यधिक छिद्रपूर्ण, क्रिस्टलीय धातु-कार्बनिक ढांचे (एमओएफ) को डिजाइन करने में रुचि रखते हैं - जिनके स्वच्छ ऊर्जा जैसे क्षेत्रों में संभावित अनुप्रयोग हैं - उन्हें विभिन्न प्रयोगात्मक स्थितियों का वर्णन करने वाले सैकड़ों वैज्ञानिक पत्रों को छांटना होगा।

वैज्ञानिक पत्रों से पाठ का विश्लेषण करने के लिए, टीम ने चैटजीपीटी संकेत या निर्देश दिए, जिसमें पांडुलिपियों में निहित प्रयोगात्मक जानकारी की पहचान करने और सारांशित करने के उद्देश्य से तीन प्रक्रियाओं के माध्यम से मार्गदर्शन किया गया।

शोधकर्ताओं ने मॉडल की प्रतिक्रियाएं बनाने की प्रवृत्ति, जिसे मतिभ्रम के रूप में जाना जाता है, को कम करने और सर्वोत्तम संभव प्रतिक्रियाओं को सुनिश्चित करने के लिए इन संकेतों का सावधानीपूर्वक निर्माण किया।जब एमओएफ संश्लेषण का वर्णन करने वाले 228 पेपरों पर परीक्षण किया गया, तो इस प्रणाली ने इनमें से लगभग 800 यौगिकों को बनाने के लिए प्रासंगिक 26,000 से अधिक कारकों को निकाला।

इन आंकड़ों के साथ, टीम ने इन स्थितियों के आधार पर एमओएफ की क्रिस्टलीय स्थिति की भविष्यवाणी करने के लिए एक अलग एआई मॉडल को प्रशिक्षित किया, जिसे "चैटजीपीटी केमिस्ट्री असिस्टेंट" कहा गया।डेटा को अधिक उपयोगकर्ता अनुकूल बनाने के लिए, उन्होंने इसके बारे में सवालों के जवाब देने के लिए एक चैटबॉट बनाया। टीम का कहना है कि, पिछले एआई-आधारित प्रयासों के विपरीत, इसमें कोडिंग में विशेषज्ञता की आवश्यकता नहीं है।वैज्ञानिक केवल संकेतों में कथा की भाषा को समायोजित करके अपना ध्यान केंद्रित कर सकते हैं। शोधकर्ताओं के अनुसार नई प्रणाली रसायन विज्ञान के अन्य क्षेत्रों में भी उपयोगी हो सकती है।