By کینا ہیوز-کیسل بیری 07 اکتوبر 2022 کو پوسٹ کیا گیا۔
کوانٹم فزکس کے اندر بہت سی مساواتیں ان محققین کی رہنمائی کے لیے مددگار ثابت ہو سکتی ہیں جو کیمیائی تعاملات کو دیکھ رہے ہیں۔ دونوں کوانٹم فزکس اور کیمسٹری ایک ہی جوہری سطح پر کام کرتے ہیں، وہ اکثر نئے نتائج حاصل کرنے کے لیے ایک دوسرے کے ساتھ مل کر استعمال ہوتے ہیں۔ حال ہی میں، محققین لاس المامس نیشنل لیبارٹری (LANL) نے اس جوڑی کو شامل کرکے ایک قدم آگے بڑھایا مشین لرننگ سالماتی تخروپن میں بائیو کیمیکل تعامل کی پیش گوئی کرنے میں مدد کرنے کے عمل۔ اس کے نتیجے میں منشیات کے ڈیزائن اور صنعت کے دیگر منظرناموں میں اقدامات کو تیز کرنے میں مدد مل سکتی ہے، جس سے منشیات کو طویل مدتی میں محفوظ اور تیز تر بنایا جا سکتا ہے۔
ڈیٹا سیٹس کے لیے مشین لرننگ کا استعمال
پہلے ہی مشین لرننگ کا عمل جاری ہے۔ اطلاقی کوانٹم کمپیوٹنگ اور کوانٹم فزکس۔ چونکہ مشین لرننگ اعداد و شمار کے بڑے گروپوں سے پیشین گوئیاں کرتی ہے اور پیٹرن بناتی ہے، یہ کوانٹم فزکس یا کیمسٹری جیسے شعبوں کے لیے فائدہ مند ہے، جن میں بہت سارے متحرک ٹکڑے ہوتے ہیں۔ LANL محقق کے مطابق بنیامین نیبگن: "کیمسٹری اور میٹریل سائنس کے شعبوں میں مشین لرننگ (ML) طریقوں کی آمد سے پہلے، کیمسٹری اور مادی نظاموں کا سب سے بڑا عملی تخروپن چند ہزار ایٹموں پر محیط تھا۔ یہ بہت سے اثرات کو درست طریقے سے گرفت میں لینے کے لیے بہت چھوٹا ہے جو کیمیائی یا مادی خصوصیات جیسے کہ اناج کے راستے یا نایاب رد عمل والے راستے کا حکم دیتے ہیں۔ مشین لرننگ کے فوائد کی بدولت، محققین تخروپن میں مزید پیچیدہ منظرناموں کا مطالعہ کر سکتے ہیں، بشمول کوانٹم فزکس اور کیمسٹری پر توجہ مرکوز کرنے والے۔
نئے ڈیزائن کرنے والے سائنسدانوں کے لیے منشیات یا کیمیائی رد عمل کا مطالعہ کرتے ہوئے، یہ مکمل طور پر سمجھنا ضروری ہے کہ کوانٹم سطح پر الیکٹران کے ساتھ کیا ہو رہا ہے۔ نیبگن نے کہا کہ "الیکٹران اور جوہری نیوکلی کی حرکت تقریباً تمام کیمیائی اور مادی خصوصیات کو کنٹرول کرتی ہے جو ہمارے جدید وجود کی وضاحت کرتی ہیں۔" "اس میں ہر وہ چیز کی کیمسٹری شامل ہے جو ہم لیتے ہیں، گھریلو کلینر جو ہم روزانہ استعمال کرتے ہیں، ہماری اپنی کاروں اور ٹرکوں میں ایندھن تک۔ اس کے علاوہ، مواد کی خصوصیات جو ہماری کاریں، مکانات، اوزار، ہوائی جہاز، اور تقریباً ہر وہ چیز جس سے ہم روز مرہ تعامل کرتے ہیں، اسی بنیادی طبیعیات کے ذریعے کنٹرول کیا جاتا ہے۔ یہ محققین کو بنیادی سطح پر مالیکیول کے تعاملات کی گہرائی میں تحقیقات کرنے کے قابل بناتا ہے۔ تاہم، ایک بار جب اس سطح تک پہنچ جاتا ہے، تو زیادہ پیچیدہ ریاضی پیدا ہو جاتی ہے۔ نیبگن نے وضاحت کی کہ "انفرادی ایٹموں پر کام کرنے والی قوتیں جو نیوٹن کی مساوات میں جاتی ہیں وہ الیکٹرانوں کی حرکت سے اخذ ہوتی ہیں، جو فطرت میں فطری طور پر کوانٹم ہیں،" نیبگن نے وضاحت کی۔ "اس طرح، الیکٹرانوں کا علاج شروڈنگر مساوات کے ساتھ کیا جانا چاہیے، جو حل کرنے کے لیے ایک بہت زیادہ مشکل ریاضیاتی مسئلہ ہے۔"
LANL ماڈلز بنانے کے لیے مشین لرننگ کا استعمال کرتا ہے۔
ان مشکل مساواتوں پر قابو پانے کے لیے، نیبگن جیسے محققین مشین لرننگ ٹولز کا استعمال کر رہے ہیں۔ نیبگن نے مزید کہا کہ یہ اوزار نظام میں صرف چند اہم ترین الیکٹرانوں پر توجہ مرکوز کرکے کیمیائی تخروپن کو تیز کر سکتے ہیں۔ ایک مشین لرننگ ٹول کا استعمال کرتے ہوئے جسے نیورل نیٹ ورک کہا جاتا ہے، نیبگن اور ان کی ٹیم ایک بنانے میں کامیاب رہی پیشن گوئی ماڈل ایک مالیکیول کے اندر ممکنہ الیکٹران کی حالتوں اور ان سے وابستہ توانائیوں کا۔ وہاں سے ٹیم درستگی کے ساتھ پیشین گوئی کر سکتی تھی کہ مختلف ان پٹ دیے جانے والے تخروپن کے کچھ ممکنہ نتائج۔ بائیوٹیک کمپنیوں کے لیے جو نئی دوائیوں کو ڈیزائن اور جانچنے کے لیے لاکھوں ڈالر خرچ کرتی ہیں، اس طرح کی پیشن گوئی کرنے والے ماڈل بہت سے لاگت سے موثر فوائد دے سکتے ہیں۔ اگرچہ منشیات کی صنعت میں مشین لرننگ کا استعمال کوئی نئی بات نہیں ہے، لیکن اسے کوانٹم کمپیوٹنگ کی طاقت کے ساتھ جوڑنے سے مستقبل کی دوائیاں شروع کرنے کے لیے درکار ٹیکنالوجی کی اگلی نسل تیار ہو سکتی ہے۔
Kenna Hughes-Castleberry Inside Quantum Technology اور JILA (یونیورسٹی آف کولوراڈو بولڈر اور NIST کے درمیان شراکت) میں سائنس کمیونیکیٹر کی اسٹاف رائٹر ہے۔ اس کی تحریری دھڑکنوں میں گہری ٹیک، میٹاورس، اور کوانٹم ٹیکنالوجی شامل ہیں۔
