IIT गुवाहाटी की टीम ने ज़रूरी कच्चे माल के बिना हाई-परफॉर्मेंस अलॉय डिज़ाइन करने के लिए AI का इस्तेमाल

असम Assam : रिसर्चर्स की एक टीम ने ज़रूरी कच्चे माल पर निर्भर हुए बिना एडवांस्ड मेटल अलॉय डिज़ाइन करने के लिए मशीन लर्निंग पर आधारित एक तरीका विकसित किया है, जो सस्टेनेबल मैन्युफैक्चरिंग और इंडस्ट्रियल सिक्योरिटी के लिए एक संभावित बड़ी सफलता है।यह काम इंडियन इंस्टीट्यूट ऑफ टेक्नोलॉजी गुवाहाटी के रिसर्चर्स ने लंदन साउथ बैंक यूनिवर्सिटी, यूनिवर्सिटी ऑफ मैनचेस्टर और यूनिवर्सिटी ऑफ लीड्स की टीमों के साथ मिलकर किया। रिसर्चर्स ने ऐसे हाई-परफॉर्मेंस अलॉय की पहचान करने के लिए आर्टिफिशियल इंटेलिजेंस का इस्तेमाल किया जो टैंटलम, नाइओबियम, टंगस्टन और हैफनियम जैसे तत्वों से बचते हैं, जो महंगे, दुर्लभ हैं और जिनकी सप्लाई में रुकावट आ सकती है।अलॉय बनाने का इस्तेमाल कांस्य युग से ही बेस मेटल को दूसरे तत्वों की थोड़ी मात्रा के साथ मिलाकर धातुओं को बेहतर बनाने के लिए किया जाता रहा है। हाल के दशकों में, हाई-एंट्रॉपी अलॉय पर ध्यान गया है, जो मल्टी-प्रिंसिपल एलिमेंट अलॉय का एक सबसेट है, जिसमें कई धातुएं लगभग बराबर अनुपात में होती हैं। ये सामग्री अक्सर उच्च शक्ति और थर्मल स्थिरता दिखाती हैं, जिससे वे एयरोस्पेस इंजन, गैस टर्बाइन और परमाणु प्रणालियों के लिए आकर्षक बन जाती हैं। हालांकि, कई मौजूदा हाई-परफॉर्मेंस अलॉय ज़रूरी कच्चे माल पर बहुत ज़्यादा निर्भर करते हैं, जिससे आयात पर निर्भरता और खनन से पर्यावरणीय दबाव बढ़ता है।

इस निर्भरता को कम करने के लिए, रिसर्चर्स ने CRM-मुक्त अलॉय डिज़ाइन करने पर केंद्रित एक मशीन लर्निंग-असिस्टेड फ्रेमवर्क बनाया। ज़रूरी कच्चे माल को सबसे पहले सप्लाई जोखिम, आर्थिक महत्व और वैश्विक उपलब्धता के आधार पर तीन श्रेणियों में बांटा गया। फिर 3,608 अलॉय कंपोजिशन का एक डेटाबेस बनाया गया, जिसमें गैर-ज़रूरी तत्वों से बने सरल सिस्टम पर ध्यान केंद्रित किया गया।कई मॉडलों का परीक्षण करने के बाद, एक्स्ट्रा ट्रीज़ रिग्रेसर ने विकर्स कठोरता के लिए सबसे सटीक भविष्यवाणी की। इस मॉडल को प्राकृतिक प्रक्रियाओं से प्रेरित ऑप्टिमाइज़ेशन तकनीकों के साथ जोड़ा गया ताकि ऐसे कंपोजिशन की खोज की जा सके जो ज़रूरी तत्वों के बिना उच्च कठोरता प्रदान कर सकें।

इस तरीके का उपयोग करके, टीम ने एक CRM-मुक्त अलॉय, Ti₀.₀₁₁₁NiFe₀.₄Cu₀.₄ की पहचान की, जिसके बारे में भविष्यवाणी की गई थी कि यह ज़रूरी सामग्री वाले व्यापक रूप से इस्तेमाल होने वाले अलॉय की तुलना में अधिक कठोरता प्राप्त करेगा, जो आमतौर पर लगभग 480 HV मापता है। इस अलॉय को बाद में IIT कानपुर में प्रयोगशाला स्तर पर बनाया गया, जहाँ प्रायोगिक परीक्षणों में भविष्यवाणियों के करीब कठोरता मान दिखाए गए, जिससे AI-आधारित तरीके की विश्वसनीयता की पुष्टि हुई।IIT गुवाहाटी में मैकेनिकल इंजीनियरिंग विभाग के प्रोफेसर श्रीकृष्णा एन जोशी ने कहा, "विकसित CRM-मुक्त अलॉय विशेष रूप से उन अनुप्रयोगों के लिए उपयुक्त है जहाँ उच्च कठोरता एक प्राथमिक आवश्यकता है, जो ज़रूरी कच्चे माल (CRMs) के उपयोग से बचने का अतिरिक्त लाभ प्रदान करता है।" टीम के अनुसार, इसके संभावित इस्तेमाल में घिसाव-रोधी मैकेनिकल कंपोनेंट, टूलिंग और सरफेस-कॉन्टैक्ट पार्ट्स, और ऑटोमोटिव और इंडस्ट्रियल मशीनरी कंपोनेंट शामिल हैं।इस फ्रेमवर्क की खासियत बताते हुए प्रो. जोशी ने कहा, "यह माइक्रोस्ट्रक्चरल या प्रोसेसिंग पैरामीटर पर निर्भर किए बिना, यूनेरी और बाइनरी-आधारित कंपोजिशनल डेटाबेस का इस्तेमाल करके क्रिटिकल रॉ मटेरियल-फ्री (CRM-फ्री) मल्टी-प्रिंसिपल एलिमेंट अलॉय (MPEAs) को डिज़ाइन करने के लिए पहला वैलिडेटेड कंप्यूटेशनल फ्रेमवर्क है।" उन्होंने आगे कहा कि यह मॉडल पूरी तरह से कंपोजिशनल डेटा और मशीन लर्निंग पर आधारित है, जिससे इसे सीमित एक्सपेरिमेंटल डेटा वाले अन्य मटेरियल सिस्टम में भी इस्तेमाल किया जा सकता है। इस फ्रेमवर्क को स्ट्रेंथ, डक्टिलिटी, फ्रैक्चर टफनेस, जंग प्रतिरोध, थर्मल कंडक्टिविटी और घिसाव प्रतिरोध जैसी प्रॉपर्टीज़ का अनुमान लगाने के लिए भी बढ़ाया जा सकता है।

ये नतीजे नेचर पब्लिशिंग ग्रुप के जर्नल साइंटिफिक रिपोर्ट्स में प्रकाशित हुए हैं। इस पेपर के सह-लेखक प्रो. जोशी, IIT गुवाहाटी की डॉ. स्वाति सिंह, लंदन साउथ बैंक यूनिवर्सिटी के प्रो. सौरव गोयल, लीड्स यूनिवर्सिटी के मिंगवेन बाई और मैनचेस्टर यूनिवर्सिटी के प्रो. एलन मैथ्यूज हैं।रिसर्च टीम आगे इंडस्ट्री पार्टनर्स और रिसर्च लैबोरेटरी के साथ काम करने की योजना बना रही है, ताकि अलॉय को असली ऑपरेटिंग स्थितियों में टेस्ट करके कमर्शियल इस्तेमाल के करीब पहुंचा जा सके।