উপকরণ ডিজাইনের জন্য মেশিন লার্নিং উন্নত করা

TSUKUBA, জাপান, 30 সেপ্টেম্বর, 2021 – (ACN নিউজওয়্যার) – একটি নতুন পন্থা একটি মেশিন লার্নিং মডেলকে প্রশিক্ষণ দিতে পারে যা একটি উপাদানের বৈশিষ্ট্যগুলি ভবিষ্যদ্বাণী করতে পারে যা কেবলমাত্র সাধারণ পরিমাপের মাধ্যমে প্রাপ্ত ডেটা ব্যবহার করে, বর্তমানে ব্যবহৃত হওয়াগুলির তুলনায় সময় এবং অর্থ সাশ্রয় করে। এটি জাপানের ন্যাশনাল ইনস্টিটিউট ফর ম্যাটেরিয়াল সায়েন্স (NIMS), Asahi KASEI কর্পোরেশন, মিতসুবিশি কেমিক্যাল কর্পোরেশন, মিৎসুই কেমিক্যালস এবং সুমিটোমো কেমিক্যাল কো-এর গবেষকরা ডিজাইন করেছেন এবং জার্নালে সায়েন্স অ্যান্ড টেকনোলজি অফ অ্যাডভান্সড মেটেরিয়ালস: মেথডস-এ রিপোর্ট করেছেন।

নতুন পদ্ধতি এক্স-রে ডিফ্র্যাকশনের মতো সহজে পরিমাপ করা পরীক্ষামূলক ডেটা ব্যবহার করে টেনসিল মডুলাসের মতো কঠিন-থেকে-পরিমাপ পরীক্ষামূলক ডেটার ভবিষ্যদ্বাণী করতে পারে। এটি আরও নতুন উপকরণ ডিজাইন করতে বা ইতিমধ্যে পরিচিত জিনিসগুলিকে পুনরায় ব্যবহার করতে সহায়তা করে।

"মেশিন লার্নিং হল একটি শক্তিশালী হাতিয়ার যা উপাদানগুলির সংমিশ্রণ এবং নির্দিষ্ট বৈশিষ্ট্যের সাথে একটি উপাদান তৈরি করার জন্য প্রয়োজনীয় প্রক্রিয়ার ভবিষ্যদ্বাণী করার জন্য," ব্যাখ্যা করেন রিও তামুরা, NIMS-এর একজন সিনিয়র গবেষক যিনি উপকরণ তথ্যবিদ্যার ক্ষেত্রে বিশেষজ্ঞ।

এই উদ্দেশ্যে মেশিন লার্নিং মডেলগুলিকে প্রশিক্ষণ দেওয়ার জন্য সাধারণত প্রচুর পরিমাণে ডেটার প্রয়োজন হয়। দুই ধরনের ডেটা ব্যবহার করা হয়। নিয়ন্ত্রনযোগ্য বর্ণনাকারী এমন ডেটা যা উপাদান তৈরি না করেই বেছে নেওয়া যেতে পারে, যেমন রাসায়নিক উপাদান এবং প্রক্রিয়াগুলি এটি সংশ্লেষিত করতে ব্যবহৃত হয়। কিন্তু অনিয়ন্ত্রিত বর্ণনাকারী, যেমন এক্স-রে ডিফ্র্যাকশন ডেটা, শুধুমাত্র উপাদান তৈরি করে এবং এর উপর পরীক্ষা-নিরীক্ষা করেই পাওয়া যায়।

"আমরা একটি কার্যকর পরীক্ষামূলক নকশা পদ্ধতি তৈরি করেছি যাতে বর্ণনাকারীগুলি ব্যবহার করে বস্তুগত বৈশিষ্ট্যগুলিকে আরও সঠিকভাবে ভবিষ্যদ্বাণী করা যায় যা নিয়ন্ত্রণ করা যায় না," তামুরা বলেছেন৷

মডেলের নির্ভুলতা উন্নত করার জন্য ব্যবহার করার জন্য লক্ষ্য বৈশিষ্ট্য সহ সর্বোত্তম উপাদান নির্বাচন করার জন্য নিয়ন্ত্রনযোগ্য বর্ণনাকারীদের একটি ডেটাসেটের পরীক্ষা করা পদ্ধতির অন্তর্ভুক্ত। এই ক্ষেত্রে, বিজ্ঞানীরা নির্দিষ্ট যান্ত্রিক বৈশিষ্ট্য সহ একজন প্রার্থী নির্বাচন করতে 75 ধরনের পলিপ্রোপিলিনের একটি ডাটাবেস জিজ্ঞাসাবাদ করেছেন।

তারপরে তারা উপাদানটি নির্বাচন করে এবং এর কিছু অনিয়ন্ত্রিত বর্ণনাকারী বের করে, উদাহরণস্বরূপ, এর এক্স-রে ডিফ্র্যাকশন ডেটা এবং যান্ত্রিক বৈশিষ্ট্য।

এই ডেটা বর্তমান ডেটাসেটে যোগ করা হয়েছে একটি মেশিন লার্নিং মডেলকে আরও ভালভাবে প্রশিক্ষণ দেওয়ার জন্য বিশেষ অ্যালগরিদম নিয়োগ করে শুধুমাত্র অনিয়ন্ত্রিত বর্ণনাকারী ব্যবহার করে একটি উপাদানের বৈশিষ্ট্যের পূর্বাভাস দিতে।

"আমাদের পরীক্ষামূলক নকশাটি সহজে পরিমাপের ডেটা ব্যবহার করে পরিমাপ করা কঠিন পরীক্ষামূলক ডেটার ভবিষ্যদ্বাণী করতে ব্যবহার করা যেতে পারে, খরচ কমানোর সাথে সাথে নতুন উপকরণগুলি ডিজাইন করার বা ইতিমধ্যে পরিচিত জিনিসগুলিকে পুনরায় ব্যবহার করার ক্ষমতাকে ত্বরান্বিত করতে," তামুরা বলেছেন৷ ভবিষ্যদ্বাণী পদ্ধতিটি কীভাবে একটি উপাদানের গঠন নির্দিষ্ট বৈশিষ্ট্যগুলিকে প্রভাবিত করে তা বোঝার উন্নতি করতে সহায়তা করতে পারে।

দলটি বর্তমানে জাপানে রাসায়নিক নির্মাতাদের সাথে সহযোগিতায় তাদের পদ্ধতির আরও অনুকূলকরণের জন্য কাজ করছে।

আরো তথ্য
রিও তামুরা
ন্যাশনাল ইনস্টিটিউট ফর মেটেরিয়াল সায়েন্স (NIMS)
ই-মেইল: tamura.ryo@nims.go.jp

উন্নত উপকরণের বিজ্ঞান ও প্রযুক্তি সম্পর্কে: পদ্ধতি (STAM পদ্ধতি)

STAM মেথডস হল সায়েন্স অ্যান্ড টেকনোলজি অফ অ্যাডভান্সড ম্যাটেরিয়ালস (STAM) এর একটি ওপেন এক্সেস বোন জার্নাল, এবং মেথডলজি, যন্ত্রপাতি, ইন্সট্রুমেন্টেশন, মডেলিং, হাই-থ্রু পুট ডেটার মতো উপকরণের উন্নয়ন এবং/অথবা ত্বরান্বিত করার জন্য জরুরি পদ্ধতি এবং সরঞ্জামগুলিতে ফোকাস করে। সংগ্রহ, উপকরণ/প্রক্রিয়া তথ্য, ডাটাবেস এবং প্রোগ্রামিং। https://www.tandfonline.com/STAM-M

যোশিকাজু শিনোহরা ডা
STAM পদ্ধতি প্রকাশনা পরিচালক
ই-মেইল: শিনোহারা.যোশিকাজু @nims.go.jp

প্রেস রিলিজ এশিয়া রিসার্চ নিউজ ফর সায়েন্স অ্যান্ড টেকনোলজি অফ অ্যাডভান্সড ম্যাটেরিয়ালস দ্বারা বিতরণ করা হয়েছে।

বিষয়: প্রেস রিলিজের সারাংশ
উত্স: উন্নত পদার্থের বিজ্ঞান ও প্রযুক্তি
বিভাগসমূহ: বিজ্ঞান ও ন্যানোটেক
https://www.acnnewswire.com

এশিয়া কর্পোরেট নিউজ নেটওয়ার্ক থেকে

কপিরাইট © 2021 এসিএন নিউজওয়্যার। সমস্ত অধিকার সংরক্ষিত. এশিয়া কর্পোরেট নিউজ নেটওয়ার্কের একটি বিভাগ।

সূত্র: https://www.acnnewswire.com/press-release/english/69945/