NSF स्व-चालित प्रयोगशालाएँ: $380M अवसंरचना विश्लेषण

लैब बेंच को अब एक शेड्यूलर, एक API, और लगता है एक शोध एजेंडा भी मिलने वाला है। Chemistry World की रिपोर्ट के अनुसार, US National Science Foundation ने AI-सक्षम स्वचालित प्रयोगशालाओं का एक देशव्यापी नेटवर्क बनाने के लिए $380 मिलियन का प्रयास शुरू किया है, जिसमें NC State University के नेतृत्व वाला एक सेल्फ-ड्राइविंग केमिस्ट्री प्लेटफ़ॉर्म भी शामिल है। यह रुख में एक बड़ा बदलाव है: किसी कोने में वीरतापूर्वक पिपेट चलाता एक रोबोट नहीं, बल्कि सार्वजनिक धन के ज़रिए स्वचालित प्रयोगों को वैज्ञानिक अवसंरचना में बदलने की कोशिश। बहुत ग्लैमरस—ठीक उसी तरह जैसे सीवर सिस्टम ग्लैमरस होते हैं, यानी तब तक ज़रूरी और कम सराहे गए, जब तक सब कुछ उल्टा बहने न लगे।

NSF सिर्फ रोबोट भुजाओं को नहीं, पाइपों

को फंड कर रहा है U.S. National Science Foundation के अनुसार, शुरुआती निवेश 20 टीमों में $380 मिलियन लगाता है, ताकि कृत्रिम बुद्धिमत्ता-सक्षम स्वचालित प्रयोगशालाओं का एक देशव्यापी नेटवर्क स्थापित किया जा सके। NSF का कहना है कि पुरस्कार प्राप्त टीमें ऐसी विधियों और उपकरणों का परीक्षण, विस्तार और प्रदर्शन करेंगी जो खोज और उपयोग में लाने के लिए स्वचालित विज्ञान और इंजीनियरिंग को आगे बढ़ाते हैं। फंडिंग की भाषा में “translation” का मतलब है परिणामों को लैब से निकालकर ऐसी चीज़ में बदलना जिसे समाज सच में इस्तेमाल कर सके, बजाय इसके कि वे PDF में ऐसे फँसे रहें जैसे एंबर में कोई भृंग।

महत्वपूर्ण बात नेटवर्क है। एक अकेली स्वायत्त लैब उपयोगी होती है, लेकिन वह फिर भी बेहतर मोटरों वाला एक द्वीप ही रहती है। AI-प्रोग्रामेबल क्लाउड प्रयोगशालाओं का जुड़ा हुआ सेट, जैसा NSF इस प्रयास को प्रस्तुत करता है, प्रयोगों के लिए साझा कंप्यूट जैसा दिखने लगता है, जहाँ वर्कफ़्लो, उपकरण, डेटा और मॉडल संस्थानों के बीच तालमेल कर सकते हैं। यही हिस्सा देखने लायक है, क्योंकि अवसंरचना प्रोत्साहनों को किसी चमकदार डेमो रील से कहीं तेज़ बदलती है।

सेल्फ-ड्राइविंग केमिस्ट्री लैब वास्तव में क्या करती है

Chemistry World की रिपोर्ट के अनुसार, NC State University रसायन विज्ञान और सामग्री विज्ञान में प्रायोगिक सह-डिज़ाइन के लिए सेल्फ-ड्राइविंग प्लेटफ़ॉर्म का नेतृत्व करेगी, जिसे Speed lab कहा जाता है। यह चार साल के, $20 मिलियन के अनुदान के तहत होगा, जिसका निर्देशन केमिकल इंजीनियर Milad Abolhasani करेंगे। University of North Carolina at Chapel Hill का कहना है कि NC State, UNC-Chapel Hill, और Massachusetts Institute of Technology NSF-वित्तपोषित प्रयास पर साथ काम करेंगे। UNC, SPEED रोबोटों को छोटे अणुओं के AI-संचालित संश्लेषण और लक्षण-वर्णन का समन्वय करते हुए बताता है, जो लैब की भाषा में किसी Roomba को PhD समिति और तरल पदार्थों का बजट देने जैसा है।

“सेल्फ-ड्राइविंग लैब” वाक्यांश मार्केटिंग के झाग जैसा लग सकता है, लेकिन इसकी कार्यप्रणाली समझ में आती है। AI प्रयोगों को चुनने या दिशा देने में मदद करता है, रोबोट काम के हिस्सों को पूरा करते हैं, उपकरण परिणामों का लक्षण-वर्णन करते हैं, और डेटा निर्णयों के अगले दौर को जानकारी देता है। हाइप वाला संस्करण कहता है कि मशीन सब कुछ खोज लेती है जबकि इंसान कॉफी पीते हैं। उपयोगी संस्करण कहता है कि शोधकर्ताओं को रासायनिक और सामग्री डिज़ाइन के क्षेत्रों को खोजने के लिए तेज़, अधिक स्थिर चक्र मिलता है, जबकि लक्ष्य, सीमाएँ, व्याख्या, और यह शाश्वत सवाल कि पंप ने वह आवाज़ क्यों की, अब भी इंसानों की ज़िम्मेदारी रहते हैं।

डेमो से साझा सुविधाओं तक

Coalition for Networked Information के Cloud Labs and Self-Driving Laboratories सत्र का कहना है कि NSF के Technology, Innovation, and Partnerships Directorate ने Carnegie Mellon University और North Carolina State University में स्वचालित विज्ञान सुविधाओं पर केंद्रित कार्यशालाओं को फंड किया, जिनमें क्लाउड लैब और सेल्फ-ड्राइविंग प्रयोगशालाएँ शामिल थीं। सत्र विवरण में सीखों, चुनौतियों, अवसरों और ओपन साइंस पर ज़ोर दिया गया। यह मायने रखता है क्योंकि मुश्किल काम किसी एक रोबोट से एक बार कोई प्रभावशाली काम करवाना नहीं है। मुश्किल काम है स्वचालित विज्ञान को दोहराने योग्य, सुलभ, शासित, और सबसे अच्छे अर्थ में उबाऊ बनाना।

NSF की PCL Test Bed solicitation एक सक्रिय फंडिंग अवसर के रूप में सूचीबद्ध है, और एजेंसी कहती है कि प्रस्तावों को फंडिंग अवसर और उसके Proposal and Award Policies and Procedures Guide की आवश्यकताओं का पालन करना होगा। यह नौकरशाही जैसा लग सकता है, क्योंकि यह है भी, लेकिन नौकरशाही ही वह तरीका है जिससे लैब खिलौने संस्थाएँ बनते हैं। अगर ये प्रणालियाँ साझा की जानी हैं, तो शोधकर्ताओं को डेटा मानकों, पहुँच नीतियों, provenance, auditability, और समझदार सुरक्षा सीमाओं की ज़रूरत होगी। वरना हमें विज्ञान वाला वही हाल मिलेगा जहाँ हर कोई अपनी फ़ाइलों का नाम final_final_REAL.xlsx रखता है, बस इस बार रोबोटों के साथ।

AI बनाने वालों को क्यों ध्यान देना चाहिए

यहाँ शोध साहित्य शून्य से शुरू नहीं हो रहा। पेपर Self-Driving Laboratories for Chemistry and Materials Science और समीक्षा Autonomous self-driving laboratories: a review of technology दिखाते हैं कि स्वायत्त प्रयोग पहले से ही एक परिभाषित तकनीकी क्षेत्र है, कोई अभी-अभी आविष्कृत प्रेस-रिलीज़ प्रजाति नहीं। NSF की फंडिंग महत्वपूर्ण है क्योंकि यह काम को अलग-थलग प्रोटोटाइप से उस कम चमकदार परत की ओर धकेलती है जहाँ प्लेटफ़ॉर्म, डेटा अवसंरचना, और दोहराने योग्य वर्कफ़्लो रहते हैं।

AI बनाने वालों के लिए सीख सुखद रूप से ठोस है: मॉडल तब अधिक मूल्यवान हो जाते हैं जब वे भरोसेमंद डेटा और मापने योग्य परिणामों वाले बंद प्रायोगिक चक्रों में जुड़े होते हैं। शोध नेताओं के लिए सवाल यह है कि क्या ये लैब अधिक विचारों को आज़माने की लागत घटाती हैं, न कि यह कि क्या वे वैज्ञानिकों की जगह क्रोम इंटर्न लगा देती हैं। ध्यान दें कि NSF-वित्तपोषित 20 टीमें interoperability, open science, और access को कैसे संभालती हैं, क्योंकि वही तय करेगा कि यह राष्ट्रीय शोध उपयोगिता बनेगा या महँगी विज्ञान वेंडिंग मशीनों का एक संघ। रोबोट गाड़ी चला सकता है, लेकिन नक्शा अब भी किसी को पढ़ना होगा।