নতুন 'পদার্থবিজ্ঞান-অনুপ্রাণিত' জেনারেটিভ এআই প্রত্যাশা ছাড়িয়ে গেছে | কোয়ান্টা ম্যাগাজিন

কৃত্রিম বুদ্ধিমত্তার সরঞ্জামগুলি - বিশেষত নিউরাল নেটওয়ার্কগুলি - পদার্থবিদদের কাছে ভাল হয়েছে। বছরের পর বছর ধরে, এই প্রযুক্তি গবেষকদের এক্সিলারেটর পরীক্ষায় কণার গতিপথ পুনর্গঠন করতে, নতুন কণার প্রমাণ অনুসন্ধান করতে এবং মহাকর্ষীয় তরঙ্গ এবং এক্সোপ্ল্যানেট সনাক্ত করতে সাহায্য করেছে। যদিও এআই সরঞ্জামগুলি পদার্থবিদদের জন্য স্পষ্টতই অনেক কিছু করতে পারে, ম্যাসাচুসেটস ইনস্টিটিউট অফ টেকনোলজির একজন পদার্থবিদ ম্যাক্স টেগমার্কের মতে এখন প্রশ্ন হল: "আমরা কি কিছু ফিরিয়ে দিতে পারি?"

টেগমার্ক বিশ্বাস করেন যে তার পদার্থবিজ্ঞানী সহকর্মীরা AI এর বিজ্ঞানে গুরুত্বপূর্ণ অবদান রাখতে পারেন এবং তিনি এটিকে তার শীর্ষ গবেষণা অগ্রাধিকার দিয়েছেন। একটি উপায় পদার্থবিদরা এআই প্রযুক্তিকে এগিয়ে নিতে সাহায্য করতে পারে, তিনি বলেন, নিউরাল নেটওয়ার্কগুলির "ব্ল্যাক বক্স" অ্যালগরিদমগুলিকে প্রতিস্থাপন করা হবে, যার কার্যকারিতা মূলত অজ্ঞাত, শারীরিক প্রক্রিয়াগুলির ভালভাবে বোঝা সমীকরণ সহ।

ধারণা একেবারে নতুন নয়. জেনারেটিভ এআই মডেল বিস্তারের উপর ভিত্তি করে — যে প্রক্রিয়া, উদাহরণস্বরূপ, এক কাপ কফিতে দুধ ঢেলে সমানভাবে ছড়িয়ে দেয় — প্রথম 2015 সালে আবির্ভূত হয়েছিল, এবং তখন থেকে তারা যে চিত্রগুলি তৈরি করেছিল তার গুণমান উল্লেখযোগ্যভাবে উন্নত হয়েছে৷ এই প্রযুক্তিটি জনপ্রিয় ইমেজ-উৎপাদনকারী সফ্টওয়্যার যেমন DALL·E 2 এবং মিডজার্নিকে শক্তি দেয়। এখন, টেগমার্ক এবং তার সহকর্মীরা শিখছেন যে অন্যান্য পদার্থবিজ্ঞান-অনুপ্রাণিত জেনারেটিভ মডেলগুলি পাশাপাশি ছড়িয়ে পড়া-ভিত্তিক মডেলগুলি বা আরও ভাল কাজ করতে পারে।

গত বছরের শেষের দিকে, টেগমার্কের দল ছবি তৈরির একটি প্রতিশ্রুতিশীল নতুন পদ্ধতি প্রবর্তন করেছিল যাকে বলা হয় পয়সন ফ্লো জেনারেটিভ মডেল (PFGM)। এতে, ডেটা চার্জযুক্ত কণা দ্বারা উপস্থাপিত হয়, যা একত্রিত হয়ে একটি বৈদ্যুতিক ক্ষেত্র তৈরি করে যার বৈশিষ্ট্যগুলি যে কোনও মুহূর্তে চার্জ বিতরণের উপর নির্ভর করে। একে পয়সন ফ্লো মডেল বলা হয় কারণ চার্জের গতিবিধি পয়সন সমীকরণ দ্বারা নিয়ন্ত্রিত হয়, যা এই নীতি থেকে উদ্ভূত হয় যে দুটি চার্জের মধ্যে ইলেক্ট্রোস্ট্যাটিক বল তাদের মধ্যকার দূরত্বের বর্গক্ষেত্রের সাথে বিপরীতভাবে পরিবর্তিত হয় (নিউটনিয়ান মাধ্যাকর্ষণ গঠনের অনুরূপ) .

সেই শারীরিক প্রক্রিয়াটি PFGM-এর কেন্দ্রবিন্দুতে। "আমাদের মডেলটি মহাকাশের প্রতিটি বিন্দুতে বৈদ্যুতিক ক্ষেত্রের শক্তি এবং দিক দ্বারা প্রায় সম্পূর্ণরূপে চিহ্নিত করা যেতে পারে," বলেন ইলুন জু, MIT-এর একজন স্নাতক ছাত্র এবং কাগজের সহ-লেখক। "প্রশিক্ষণ প্রক্রিয়া চলাকালীন নিউরাল নেটওয়ার্ক যা শিখে তা হল বৈদ্যুতিক ক্ষেত্রটি কীভাবে অনুমান করা যায়।" এবং এটি করার মাধ্যমে, এটি চিত্রগুলি তৈরি করতে শিখতে পারে কারণ এই মডেলের একটি চিত্রকে বৈদ্যুতিক ক্ষেত্রের দ্বারা সংক্ষিপ্তভাবে বর্ণনা করা যেতে পারে।

PFGM একই মানের চিত্র তৈরি করতে পারে যা প্রসারণ-ভিত্তিক পদ্ধতির দ্বারা উত্পাদিত হয় এবং 10 থেকে 20 গুণ দ্রুত করে। "এটি একটি শারীরিক গঠন, বৈদ্যুতিক ক্ষেত্রকে এমনভাবে ব্যবহার করে যা আমরা আগে কখনো দেখিনি," বলেছেন হানানেল হাজান, টাফ্টস বিশ্ববিদ্যালয়ের একজন কম্পিউটার বিজ্ঞানী। "এটি আমাদের নিউরাল নেটওয়ার্কগুলিকে উন্নত করার জন্য অন্যান্য শারীরিক ঘটনাগুলি ব্যবহার করার সম্ভাবনার দরজা খুলে দেয়।"

পদার্থবিদ্যা থেকে আমদানি করা সমীকরণের উপর ভিত্তি করে ডিফিউশন এবং পয়সন ফ্লো মডেলের মধ্যে অনেক মিল রয়েছে। প্রশিক্ষণের সময়, ইমেজ তৈরির জন্য ডিজাইন করা একটি ডিফিউশন মডেল সাধারণত একটি ছবি দিয়ে শুরু হয় - একটি কুকুর, আসুন বলি - এবং তারপরে ভিজ্যুয়াল শব্দ যোগ করে, প্রতিটি পিক্সেলকে এলোমেলোভাবে পরিবর্তন করে যতক্ষণ না এর বৈশিষ্ট্যগুলি পুঙ্খানুপুঙ্খভাবে ঢেকে যায় (যদিও সম্পূর্ণরূপে নির্মূল না হয়)। মডেলটি তারপর প্রক্রিয়াটিকে বিপরীত করার চেষ্টা করে এবং একটি কুকুর তৈরি করে যা আসলটির কাছাকাছি। একবার প্রশিক্ষিত হলে, মডেলটি সফলভাবে কুকুর তৈরি করতে পারে — এবং অন্যান্য ছবি — আপাতদৃষ্টিতে ফাঁকা ক্যানভাস থেকে শুরু করে৷

পয়সন ফ্লো মডেলগুলি একইভাবে কাজ করে। প্রশিক্ষণের সময়, একটি ফরোয়ার্ড প্রক্রিয়া রয়েছে, যার মধ্যে রয়েছে শব্দ যোগ করা, ক্রমবর্ধমানভাবে, একটি একবার-তীক্ষ্ণ চিত্রে, এবং একটি বিপরীত প্রক্রিয়া যেখানে মডেলটি ধাপে ধাপে শব্দটি সরিয়ে দেওয়ার চেষ্টা করে, যতক্ষণ না প্রাথমিক সংস্করণটি বেশিরভাগ পুনরুদ্ধার করা হয়। ডিফিউশন-ভিত্তিক প্রজন্মের মতো, সিস্টেমটি অবশেষে এমন চিত্র তৈরি করতে শিখে যা এটি প্রশিক্ষণে কখনও দেখেনি।

কিন্তু পয়সন মডেলের অন্তর্নিহিত পদার্থবিদ্যা সম্পূর্ণ ভিন্ন। ডিফিউশন থার্মোডাইনামিক বাহিনী দ্বারা চালিত হয়, যেখানে পয়সন প্রবাহ ইলেক্ট্রোস্ট্যাটিক শক্তি দ্বারা চালিত হয়। পরবর্তীটি চার্জের একটি বিন্যাস ব্যবহার করে একটি বিশদ চিত্র উপস্থাপন করে যা একটি খুব জটিল বৈদ্যুতিক ক্ষেত্র তৈরি করতে পারে। তবে সেই ক্ষেত্রটি সময়ের সাথে সাথে চার্জগুলিকে আরও সমানভাবে ছড়িয়ে দেয় - ঠিক যেমন দুধ প্রাকৃতিকভাবে এক কাপ কফিতে ছড়িয়ে পড়ে। ফলাফল হল যে ক্ষেত্র নিজেই সরল এবং আরও অভিন্ন হয়ে ওঠে। কিন্তু এই কোলাহলপূর্ণ ইউনিফর্ম ক্ষেত্রটি সম্পূর্ণ ফাঁকা স্লেট নয়; এটিতে এখনও তথ্যের বীজ রয়েছে যা থেকে ছবিগুলি সহজেই একত্রিত করা যেতে পারে।

2023 সালের প্রথম দিকে, দলটি তাদের পয়সন মডেল আপগ্রেড করে, এটা প্রসারিত মডেলের একটি সম্পূর্ণ পরিবারকে অন্তর্ভুক্ত করতে। বর্ধিত সংস্করণ, PFGM++, একটি নতুন প্যারামিটার অন্তর্ভুক্ত করে, D, যা গবেষকদের সিস্টেমের মাত্রা সমন্বয় করতে দেয়। এটি একটি বড় পার্থক্য করতে পারে: পরিচিত ত্রিমাত্রিক স্থানটিতে, একটি চার্জ দ্বারা উত্পাদিত বৈদ্যুতিক ক্ষেত্রের শক্তি সেই চার্জ থেকে দূরত্বের বর্গক্ষেত্রের সাথে বিপরীতভাবে সম্পর্কিত। কিন্তু চারটি মাত্রায়, ক্ষেত্রের শক্তি একটি বিপরীত ঘনক সূত্র অনুসরণ করে। এবং স্থান প্রতিটি মাত্রার জন্য, এবং প্রতিটি মান D, সেই সম্পর্কটা কিছুটা আলাদা।

এই একক উদ্ভাবন পয়সন ফ্লো মডেলকে অনেক বেশি পরিবর্তনশীলতা দিয়েছে, চরম ক্ষেত্রে বিভিন্ন সুবিধা প্রদান করে। কখন D কম, উদাহরণস্বরূপ, মডেলটি আরও মজবুত, যার অর্থ এটি বৈদ্যুতিক ক্ষেত্রের অনুমান করার ক্ষেত্রে করা ত্রুটিগুলি আরও সহনশীল। "মডেলটি পুরোপুরি বৈদ্যুতিক ক্ষেত্রের ভবিষ্যদ্বাণী করতে পারে না," বলেন জিমিং লিউ, MIT-এর আরেকজন স্নাতক ছাত্র এবং উভয় গবেষণাপত্রের সহ-লেখক। “সব সময় কিছু বিচ্যুতি থাকে। কিন্তু দৃঢ়তার অর্থ হল আপনার অনুমান ত্রুটি বেশি হলেও আপনি এখনও ভাল ছবি তৈরি করতে পারেন।” সুতরাং আপনি আপনার স্বপ্নের কুকুরের সাথে শেষ নাও হতে পারেন, তবে আপনি এখনও কুকুরের মতো কিছু নিয়ে শেষ করবেন।

অন্য চরম, যখন D উচ্চতর, নিউরাল নেটওয়ার্ক প্রশিক্ষণ দেওয়া সহজ হয়ে ওঠে, এর শৈল্পিক দক্ষতা আয়ত্ত করতে কম ডেটার প্রয়োজন হয়। সঠিক কারণটি ব্যাখ্যা করা সহজ নয়, তবে এটি এই সত্যটির জন্য দায়ী যে যখন আরও মাত্রা থাকে, তখন মডেলটির ট্র্যাক রাখার জন্য কম বৈদ্যুতিক ক্ষেত্র থাকে — এবং তাই কম ডেটা একীভূত হয়।

বর্ধিত মডেল, PFGM++, "আপনাকে এই দুটি চরমের মধ্যে ইন্টারপোলেট করার নমনীয়তা দেয়," বলেছেন রোজ ইউ, ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়ের একজন কম্পিউটার বিজ্ঞানী, সান দিয়েগো।

এবং এই সীমার মধ্যে কোথাও একটি আদর্শ মান রয়েছে D যা দৃঢ়তা এবং প্রশিক্ষণের সহজতার মধ্যে সঠিক ভারসাম্য বজায় রাখে, জু বলেন। "ভবিষ্যত কাজের একটি লক্ষ্য হল সেই মিষ্টি জায়গাটি খুঁজে বের করার একটি পদ্ধতিগত উপায় বের করা, যাতে আমরা সম্ভাব্য সেরাটি নির্বাচন করতে পারি D ট্রায়াল এবং ত্রুটি অবলম্বন ছাড়া একটি প্রদত্ত পরিস্থিতির জন্য।"

এমআইটি গবেষকদের আরেকটি লক্ষ্য হল আরও শারীরিক প্রক্রিয়া খুঁজে বের করা যা জেনারেটিভ মডেলের নতুন পরিবারের জন্য ভিত্তি প্রদান করতে পারে। নামে একটি প্রকল্পের মাধ্যমে GenPhys, দলটি ইতিমধ্যে একজন প্রতিশ্রুতিশীল প্রার্থীকে চিহ্নিত করেছে: ইউকাওয়া সম্ভাবনা, যা দুর্বল পারমাণবিক শক্তির সাথে সম্পর্কিত। "এটি পয়সন প্রবাহ এবং প্রসারণ মডেল থেকে ভিন্ন, যেখানে কণার সংখ্যা সর্বদা সংরক্ষিত হয়," লিউ বলেন। "ইউকাওয়া সম্ভাবনা আপনাকে কণাকে ধ্বংস করতে বা একটি কণাকে দুটি ভাগে বিভক্ত করতে দেয়। এই ধরনের একটি মডেল, উদাহরণস্বরূপ, জৈবিক সিস্টেমের অনুকরণ করতে পারে যেখানে কোষের সংখ্যা একই থাকতে হবে না।"

এটি তদন্তের একটি ফলপ্রসূ লাইন হতে পারে, ইউ বলেন। "এটি নতুন অ্যালগরিদম এবং নতুন জেনারেটিভ মডেলের দিকে নিয়ে যেতে পারে যাতে সম্ভাব্য অ্যাপ্লিকেশনগুলি ইমেজ জেনারেশনের বাইরেও প্রসারিত হয়।"

এবং PFGM++ একাই ইতিমধ্যে এর উদ্ভাবকদের মূল প্রত্যাশা ছাড়িয়ে গেছে। তারা প্রথমে বুঝতে পারেনি কখন D অনন্তে সেট করা হয়, তাদের এম্পেড-আপ পয়সন ফ্লো মডেলটি একটি ডিফিউশন মডেল থেকে আলাদা করা যায় না। লিউ এই বছরের শুরুতে গণনা করে এটি আবিষ্কার করেছিলেন।

মের্ট পিলাঞ্চিস্ট্যানফোর্ড ইউনিভার্সিটির একজন কম্পিউটার বিজ্ঞানী, এই "একীকরণ"কে এমআইটি গ্রুপের কাজ থেকে উদ্ভূত সবচেয়ে গুরুত্বপূর্ণ ফলাফল বলে মনে করেন। “PFGM++ কাগজ,” তিনি বলেন, “এই দুটি মডেলই একটি বৃহত্তর শ্রেণীর অংশ, [যা] একটি কৌতূহলী প্রশ্ন উত্থাপন করে: আরও বড় একীকরণের ইঙ্গিত দিয়ে জেনারেটিভ এআই-এর জন্য কি অন্য কোনো ভৌত মডেল থাকতে পারে? "