सिट्रीन कैटेलिस्ट और एपेक्स विश्लेषण: वर्टिकल AI भरोसा

कोई लैब सिफारिश तभी उपयोगी होती है जब कोई व्यक्ति अगला प्रयोग उस पर खर्च करने को तैयार हो। Citrine के Catalyst और Apex लॉन्च के पीछे यही शांत स्कोरबोर्ड है। CHEManager रिपोर्ट करता है कि Citrine के ग्राहक हर महीने 550 AI मॉडल तैनात करते हैं, हर महीने 380 परियोजनाओं पर काम करते हैं, और हर महीने 70,000 प्रयोग सुझाव तैयार करते हैं। बिल्डरों के लिए, ये संख्याएँ इसे मॉडल डेमो से कम और वर्कफ़्लो भरोसे की परीक्षा अधिक बनाती हैं।

CHEManager लॉन्च को अपनाने की समस्या के रूप में प्रस्तुत करता है CHEManager

के अनुसार, Citrine Informatics ने सामग्री और रसायन उत्पाद विकास टीमों के लिए नई क्षमताओं के रूप में Catalyst और Apex लॉन्च किए। बताया गया काम व्यावहारिक है: टीमों को उत्पाद लक्ष्यों से सुझाए गए प्रयोगों तक मिनटों में पहुँचने में मदद करना, और वर्कफ़्लो के पीछे अधिक मजबूत पूर्वानुमान मॉडल देना। CHEManager इस विभाजन को साफ़ तरीके से समझाता है: Catalyst AI वर्कफ़्लो बनाने और इस्तेमाल करने की बाधा कम करता है, जबकि Apex उनके पीछे मौजूद मॉडलों की गुणवत्ता बढ़ाता है। यही विभाजन उपयोगी उत्पाद पाठ है। वर्टिकल AI में कठिन हिस्सा केवल एक संभव-सा उत्तर बनाना नहीं है, बल्कि किसी डोमेन विशेषज्ञ को सिफारिश समझने और सीमित लैब समय उस पर लगाने के लिए तैयार करना है। एक सामान्य असिस्टेंट थोड़ा अस्पष्ट होकर भी मददगार लग सकता है। अगला क्या टेस्ट करना है, यह तय कर रहे सामग्री वैज्ञानिक को रसीदों वाले लैब पार्टनर जैसा कुछ चाहिए।

BASF दिखाता है कि लूप क्यों मायने रखता है Citrine के साथ BASF की 2018

की घोषणा उसी ऑपरेटिंग मॉडल की एक उपयोगी पहले की झलक है। BASF ने कहा था कि वह नई पर्यावरणीय कैटलिस्ट तकनीकों के विकास को तेज़ करने के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने हेतु Citrine के साथ सहयोग कर रहा था। उस सहयोग में, BASF ने कहा था कि वह Citrine प्लेटफ़ॉर्म का उपयोग करके स्वामित्व वाले AI मॉडल बनाने के लिए प्रयोगात्मक डेटा देगा, फिर क्रमिक सीखने के माध्यम से मॉडलों को बेहतर बनाने के लिए लैब में नए सुझाए गए पदार्थों का बार-बार परीक्षण करेगा। यही वह मोअट है जिसका उम्मीदवारों को अध्ययन करना चाहिए। बचाव योग्य संपत्ति अपने आप में कोई चमकदार इंटरफ़ेस नहीं है, और यह एक बार की भविष्यवाणी भी नहीं है। यह डोमेन डेटा से मॉडल सुझाव, लैब सत्यापन, और फिर बेहतर भविष्य के सुझाव तक जाने वाला लूप है। अगर यह लूप पर्याप्त बार चलता है, तो उत्पाद एक चतुर कैलकुलेटर रहना बंद कर देता है और R and D संगठन निर्णय कैसे लेते हैं, उसका हिस्सा बनना शुरू कर देता है।

भरोसा अब उत्पाद की सतह है CHEManager बाधा को सीधे बताता है: मुद्दा अब यह नहीं

है कि AI काम कर सकता है या नहीं, बल्कि यह है कि अधिक वैज्ञानिकों को जल्दी AI वर्कफ़्लो बनाने, यह समझने कि सिफारिशें क्यों की जा रही हैं, और अगले प्रयोग पर कार्रवाई करने लायक भरोसा करने में कैसे मदद की जाए। यह एक तेज़ निदान है क्योंकि यह उत्पाद की सतह को भविष्यवाणी से निर्णय समर्थन की ओर ले जाता है। इंटरफ़ेस, व्याख्या परत, और वर्कफ़्लो में फिट होना मुख्य तकनीक का हिस्सा बन जाते हैं, केवल ऑनबोर्डिंग सजावट नहीं। यहीं कई एंटरप्राइज़ AI उत्पाद स्कोप क्रीप में भटक जाते हैं। वे एक मॉडल से शुरू करते हैं, फिर डैशबोर्ड, सहयोग स्क्रीन, स्वीकृतियाँ, और रिपोर्टिंग जोड़ते जाते हैं क्योंकि हर हितधारक मेज़ पर कुर्सी चाहता है। Citrine का लॉन्च एक अधिक अनुशासित संस्करण सुझाता है: उस बिंदु पर घर्षण कम करें जहाँ वैज्ञानिक किसी लक्ष्य को प्रयोग में बदलता है, फिर उस कदम को समर्थन देने वाली मॉडल गुणवत्ता सुधारें। यह किसी को नक्शा थमाने और उसे ऐसा रास्ता थमाने के बीच का अंतर है जिस पर वह सच में गाड़ी चलाने को तैयार हो।

बिल्डरों को आगे क्या देखना चाहिए CHEManager के उपयोग आँकड़े Citrine

को अपनाए जाने की एक विश्वसनीय कहानी देते हैं, लेकिन अगला स्कोरबोर्ड आगे की कार्रवाई है। क्या अधिक टीमें उन सुझावों को वास्तविक लैब काम में बदलती हैं, और क्या बेहतर मॉडल सिफारिश पर भरोसा करना आसान बनाते हैं, बजाय इसके कि वे केवल सेल्स डेक में अधिक प्रभावशाली दिखें? विशेषीकृत एंटरप्राइज़ AI में, जीतने वाला उत्पाद वह हो सकता है जो विशेषज्ञ को अधिक नियंत्रण में महसूस कराए, न कि वह जो विशेषज्ञ निर्णय को बदलने की सबसे अधिक कोशिश करे। सामग्री विज्ञान के बाहर की उत्पाद टीमों के लिए भी यह सीख अच्छी तरह लागू होती है। अगर आपका AI उत्पाद महंगे निर्णयों को छूता है, तो सिफारिश से कार्रवाई तक के हैंडऑफ़ को उतनी ही सावधानी से डिज़ाइन करें जितनी आप मॉडल को देते हैं। Citrine के Catalyst और Apex को केवल सामग्री R and D लॉन्च के रूप में नहीं, बल्कि वर्टिकल AI के नए अपनाने के गणित की केस स्टडी के रूप में देखें: सटीकता दरवाज़ा खोलती है, भरोसा खरीद आदेश दिलाता है, और वर्कफ़्लो फिट लूप को चलाए रखता है।