Allegro-FM: एआई सिमुलेशन सतत सामग्री विज्ञान को आगे बढ़ा रहे हैं

कृत्रिम बुद्धिमत्ता (AI) सामग्री विज्ञान के क्षेत्र में कई खोजें कर रही है। ये सभी विभिन्न खोजें केवल सैद्धांतिक नहीं हैं, बल्कि वास्तविक हैं जो विभिन्न उद्योगों को प्रभावित कर रही हैं। 

उदाहरण के लिए, Microsoft (MSFT ) ने AI (Azure Quantum Elements टूल) और उच्च-प्रदर्शन कंप्यूटिंग का उपयोग करके 32 मिलियन सामग्री को स्क्रीन करके उम्मीदवारों को केवल 18 तक सीमित किया¹ के केवल 80 घंटे में, एक प्रक्रिया जो सामान्यतः कई वर्षों लेती। वैज्ञानिकों ने एक ऐसी सामग्री भी संश्लेषित की जो बैटरियों में लिथियम उपयोग को 70% तक कम कर सकती है।

एक अन्य उदाहरण में, MIT शोधकर्ताओं ने AI का उपयोग करके नई प्रोटीन डिज़ाइन की², जो कुछ यांत्रिक गुणों वाली सामग्री बनाने में उपयोग की जा सकती हैं। ये सामग्री, जो प्रकृति में मौजूद नहीं हैं लेकिन उससे प्रेरित हैं, संभावित रूप से पेट्रोलियम से बनी सामग्री की जगह ले सकती हैं और काफी छोटा कार्बन फुटप्रिंट रखती हैं।

ऊर्जा भंडारण, बैटरी नवाचार, और बायोमेडिकल सामग्री में breakthroughs हासिल करने के अलावा, AI को कंपनियों और वैज्ञानिकों द्वारा अर्धचालक प्रौद्योगिकी, एयरोस्पेस, रासायनिक निर्माण और अधिक क्षेत्रों में आगे बढ़ाने के लिए सक्रिय रूप से खोजा जा रहा है।

सतत और हरित सामग्री के निर्माण में कम्प्यूटेशनल सिस्टम की क्षमता का एक और महत्वपूर्ण उपयोग देखा जा रहा है, जो सामान्यतः मानव बुद्धिमत्ता से जुड़ी होती है।

इसका एक उदाहरण IBM IBM’s (IBM ) RoboRXN है, एक परियोजना जो AI, ऑटोमेशन और क्लाउड को मिलाकर सामग्री खोज को तेज़ करती है। इस दूरस्थ रूप से एक्सेस किए जाने वाले रासायनिक प्रयोगशाला के साथ, IBM नई अणुओं की स्वायत्त संश्लेषण और परीक्षण को सक्षम कर रहा है। इस प्रयोगशाला का उपयोग बायोडिग्रेडेबल पॉलीमर खोजने में किया जा रहा है।

शोधकर्ता मशीन लर्निंग का उपयोग करके कार्बन कैप्चर के लिए मेटल-ऑर्गेनिक फ्रेमवर्क (MOFs) को स्क्रीन कर रहे हैं।

कार्बन कैप्चर औद्योगिक सुविधाओं से ग्रीनहाउस गैस (GHG) उत्सर्जन को कम करने की एक प्रमुख तकनीक है। यहाँ MOFs एक आशाजनक उम्मीदवार प्रदान करते हैं, क्योंकि वे कार्बन डाइऑक्साइड को चयनात्मक रूप से अवशोषित करने में सक्षम हैं।

इन छिद्रयुक्त सामग्रियों के अणुओं में कार्बनिक नोड, अकार्बनिक नोड और कार्बनिक लिंकर्स होते हैं, जिन्हें विभिन्न विन्यासों में व्यवस्थित किया जा सकता है, जिससे कई संभावित MOF विन्यासों का डिज़ाइन और परीक्षण संभव हो पाता है।

खोज प्रक्रिया को तेज़ करने के लिए, यू.एस. डिपार्टमेंट ऑफ एनर्जी (DOE) के आर्गोन नेशनल लैबोरेटरी के शोधकर्ताओं ने उपयोग किया³ जनरेटिव AI का उपयोग करके 30 मिनट में 120,000 से अधिक नए MOF उम्मीदवारों को जल्दी से तैयार किया। गणनाएँ एक सुपरकंप्यूटर पर चलायी गईं, जिसमें सबसे आशाजनक उम्मीदवारों पर समय‑साध्य आणविक गतिशीलता सिमुलेशन किए गए।

अब, USC Viterbi स्कूल ऑफ़ इंजीनियरिंग के शोधकर्ता कंक्रीट उद्योग के CO2 उत्सर्जन को संबोधित कर रहे हैं, जो वैश्विक कार्बन उत्सर्जन का लगभग 8% जिम्मेदार है, मुख्यतः सीमेंट उत्पादन के माध्यम से।

The idea is to have concrete that not only self‑heals and lasts even longer but can also trap carbon dioxide from the atmosphere; for this, the researchers have developed a revolutionary AI model.

यह अत्यधिक परिष्कृत मॉडल एक साथ अरबों एटमों के व्यवहार का सिमुलेशन कर सकता है, जिससे अभूतपूर्व पैमाने पर सामग्री डिज़ाइन और खोज के नए संभावनाएँ खुलती हैं।

समस्या और समाधान: कंक्रीट में कार्बन

हर साल, हम सूखे, जंगल की आग, बारिश के तूफ़ान और तूफ़ानों की आवृत्ति और तीव्रता में वृद्धि देखते हैं। इसका एक प्रमुख कारण ग्लोबल वार्मिंग है, जो बढ़ते ग्रीनहाउस गैस उत्सर्जन का परिणाम है।

GHG उत्सर्जन का मतलब है कार्बन डाइऑक्साइड (CO2), मीथेन (CH4), और नाइट्रस ऑक्साइड (N2O) जैसी गैसों का वायुमंडल में रिलीज़ होना। ये गैसें गर्मी को फँसाती हैं और ग्लोबल वार्मिंग और जलवायु परिवर्तन में योगदान देती हैं। 

अब, ग्रीनहाउस गैस उत्सर्जन के प्रमुख स्रोतों में ऊर्जा क्षेत्र, परिवहन, बिजली और हीट उत्पादन, और कृषि शामिल हैं। निर्माण और निर्माण भी एक और प्रमुख योगदानकर्ता हैं, जहाँ कंक्रीट और स्टील जैसे निर्माण सामग्री का बड़ा कार्बन फुटप्रिंट है।

आधुनिक बुनियादी ढाँचे का एक प्रमुख तत्व, कंक्रीट हमारे चारों ओर हर जगह है, लेकिन समस्या यह है कि यह बड़े GHG उत्सर्जन के कारण एक बड़ी समस्या पैदा करता है।

सीमेंट, जो कंक्रीट का एक मुख्य घटक है, वास्तव में निर्माण उद्योग के कार्बन फुटप्रिंट का एक महत्वपूर्ण हिस्सा जिम्मेदार है। सीमेंट का निर्माण प्रक्रिया चूना पत्थर के कैल्सिनेशन में शामिल है, जिससे बड़ी मात्रा में CO2 रिलीज़ होता है, और किल्नों में सामग्री को उच्च तापमान पर गर्म करने में काफी ऊर्जा की आवश्यकता होती है। 

पानी के बाद पृथ्वी पर सबसे अधिक उपभोग किया जाने वाला उत्पाद होने के नाते, कंक्रीट को पर्यावरण‑मित्र बनाना अनिवार्य है, अन्यथा पर्यावरण को वर्षाना एक अरब मीट्रिक टन CO2 से अधिक प्रदूषित किया जाता रहेगा। इस समस्या का एक संभावित समाधान कंक्रीट में ही हानिकारक गैस को फँसाना है।

“आप बस CO2 को कंक्रीट के अंदर रख सकते हैं, और फिर यह एक कार्बन‑न्यूट्रल कंक्रीट बन जाता है,” यूएससी विटरबी के कंप्यूटर विज्ञान, भौतिकी और खगोल विज्ञान, तथा मात्रात्मक और संगणकीय जीव विज्ञान के प्रोफेसर आयिचिरो नाकानो ने कहा।

इसलिए, नाकानो ने यूएससी विटरबी में अपने सहयोगियों के साथ मिलकर “CO2 सीक्वेस्ट्रेशन” पर शोध शुरू किया, जो वायुमंडलीय कार्बन डाइऑक्साइड को पकड़ने और संग्रहीत करने की प्रक्रिया है।

जबकि यह GHG उत्सर्जन को कम करके कार्बन न्यूट्रैलिटी हासिल करने का एक आशाजनक समाधान है, CO2 सीक्वेस्ट्रेशन एक चुनौतीपूर्ण प्रक्रिया है। समाधान खोजने के लिए, शोधकर्ताओं ने AI की ओर रुख किया।

अपने कार्य में, शोधकों की टीम ने एक्सास्केल आणविक गतिशीलता सिमुलेशन के लिए अपना फाउंडेशन मॉडल (FM) प्रस्तुत किया। इसके लिए, उन्होंने E(3) इक्विवेरिएंट नेटवर्क आर्किटेक्चर (Allegro) का उपयोग किया, जो एक प्रकार का न्यूरल नेटवर्क है, और बड़े पैमाने पर कार्बनिक और अकार्बनिक सामग्री डेटा सेट का उपयोग किया।

परिणामी मॉडल Allegro-FM है, जो विविध डाउनस्ट्रीम कार्यों के लिए विभिन्न सामग्री सिमुलेशन को संभाल सकता है।

फाउंडेशन मॉडल सामग्री विज्ञान को कैसे बदल रहे हैं

अपने AI मॉडल के लिए, टीम ने फाउंडेशन मॉडल (FM) का उपयोग किया, जिसे वह AI में एक पैरेडाइम शिफ्ट मानते हैं और जिसने उनके मॉडल प्रशिक्षण के तरीके को बदल दिया है। 

एक FM एक बड़ा AI मॉडल है जिसे विशाल, विविध डेटासेट पर प्रशिक्षित किया जाता है, जिसे विभिन्न डाउनस्ट्रीम कार्यों के लिए अनुकूलित किया जा सकता है। ये मॉडल प्री‑ट्रेन किए जाते हैं, जिसका अर्थ है कि उन्हें किसी विशिष्ट कार्य के लिए आगे प्रशिक्षण की आवश्यकता नहीं होती। 

जबकि एक FM बनाना अत्यधिक संसाधन‑गहन है, यहाँ शुरू से शुरू करने की आवश्यकता नहीं है; बल्कि मॉडल को प्रॉम्प्टिंग या फाइन‑ट्यूनिंग के माध्यम से व्यक्तिगत कार्य के लिए अनुकूलित किया जा सकता है, जिससे मॉडल विकास और डेटा जनरेशन की लागत और समय दोनों कम होते हैं।

एक अच्छी तरह से प्रशिक्षित FM को बहुत कम संसाधनों के साथ फाइन‑ट्यून किया जा सकता है, जिससे सीमित कंप्यूटिंग संसाधनों वाले लोग मॉडल को अपने कार्यप्रवाह में शामिल कर सकें।

बड़े डीप लर्निंग न्यूरल नेटवर्क के रूप में, FM सामान्य‑उद्देश्य मॉडल हैं जिन्हें अधिक विशेषीकृत AI अनुप्रयोग बनाने के लिए उपयोग किया जा सकता है, जिसमें ग्राहक समर्थन, सामग्री निर्माण, छवि निर्माण और संपादन, भाषा अनुवाद, स्वास्थ्य देखभाल, और रोबोटिक्स शामिल हैं।

इसलिए, डेटा वैज्ञानिक इन मॉडलों को एक आधार के रूप में उपयोग करके अपने स्वयं के मशीन लर्निंग (ML) मॉडल जल्दी और लागत‑प्रभावी रूप से बना सकते हैं।

Microsoft‑समर्थित OpenAI का GPT FM का सबसे सामान्य उदाहरणों में से एक है। इसका पहला मॉडल 2018 में 117 मिलियन पैरामीटरों के साथ विकसित किया गया, जिसे GPT‑2 में 1.5 बिलियन तक बढ़ाया गया, जो अगले साल जारी किया गया। फिर 2020 में GPT‑3 आया, जिसमें 96‑लेयर न्यूरल नेटवर्क है और 175 बिलियन पैरामीटरों के साथ प्रशिक्षित है, जो मॉडल के इनपुट और आउटपुट को प्रोसेस करने वाले वजन और बायस जैसे समायोज्य संख्यात्मक मान होते हैं।

अब, इसका नवीनतम मॉडल GPT‑4 के बारे में कहा जाता है कि इसमें 1.76 ट्रिलियन पैरामीटर हैं, जिससे जनरेटिव AI एप्लिकेशन मानव‑समान सामग्री उत्पन्न कर सकते हैं।

फाउंडेशन मॉडलों के अन्य उदाहरणों में Amazon’s (AMZN ) Nova, Anthropic का Claude, Google’s (GOOG ) Gemini, Meta’s (META ) LLaMA, और Stable Diffusion शामिल हैं।

FM के कई लाभों को देखते हुए, USC Viterbi के शोधकर्ताओं ने Allegro‑FM बनाया, जो एक्सास्केलेबल MD सिमुलेशन के लिए एक फाउंडेशन मॉडल है। उनका मॉडल सार्वजनिक रूप से उपलब्ध बड़े‑पैमाने के Materials Project Trajectory (MPtrj) और SPICE डेटासेट्स पर प्रशिक्षित है, जो एक्सास्केल सामग्री अनुप्रयोगों के लिए टोटल एनर्जी एलाइनमेंट (TEA) फ्रेमवर्क के साथ संरेखित हैं।

सामग्री का सिमुलेशन अक्सर बड़ी संख्या में एटमों की आवश्यकता रखता है ताकि प्रमुख विशेषताओं जैसे विभिन्न चरण, चरण सीमाएँ, और ग्रेन बाउंडरीज़ को वर्णित किया जा सके, साथ ही रासायनिक प्रतिक्रियाओं का सटीक वर्णन भी हो सके।

अध्ययन के अनुसार, Allegro में बड़ी संभावनाएँ हैं और यह विशेष रूप से उन सामग्री सिमुलेशन के लिए उपयुक्त है जिन्हें मिलियन से अरबों एटमों की आवश्यकता होती है।

Allegro‑FM की सफलता: अरबों एटमों का सिमुलेशन

The Journal of Physical Chemistry Letters में प्रकाशित, यह अध्ययन विवरण⁴ AI मॉडल Allegro‑FM और उसकी श्रेष्ठ क्षमताओं का विवरण देता है। AI‑ड्रिवेन सिमुलेशन मॉडल एक साथ अरबों एटमों को सिमुलेट करने की बड़ी क्षमता रखता है।

विभिन्न कंक्रीट रसायनों को महंगे वास्तविक प्रयोगों में परीक्षण करने से पहले वर्चुअल रूप से परीक्षण करके, Allegro‑FM कंक्रीट के विकास को आगे बढ़ा सकता है, न कि एक कार्बन स्रोत के रूप में, बल्कि एक कार्बन सिंक के रूप में।

यहाँ मॉडल की स्केलेबिलिटी मुख्य महत्व की है। बात यह है कि कई आणविक सिमुलेशन विधियाँ पहले से मौजूद हैं, लेकिन वे केवल लाखों, यदि नहीं तो हजारों एटमों तक सीमित हैं।

इसके विपरीत, Allegro‑FM चार अरब से अधिक एटमों को संभाल सकता है और Aurora, एक एक्सास्केल सुपरकंप्यूटर पर सिमुलेट करने पर 97.5% दक्षता दिखाता है, जो प्रति सेकंड एक क्विंटिलियन से अधिक गणनाएँ कर सकता है।

यह एक बड़ी उपलब्धि है, जो कंप्यूटिंग क्षमता को लगभग 1,000 गुना अधिक दर्शाती है, जो पुराने मॉडलों द्वारा संभाली जा सकती है।

इसके अलावा, नया मॉडल लचीला है, जो 89 रासायनिक तत्वों को कवर करता है। इसलिए, इसे सीमेंट रसायन विज्ञान और कार्बन भंडारण जैसे विभिन्न अनुप्रयोगों के लिए आणविक व्यवहार की भविष्यवाणी करने में उपयोग किया जा सकता है।

“कंक्रीट भी एक बहुत जटिल सामग्री है। यह कई तत्वों और विभिन्न चरणों और इंटरफ़ेसों से बना होता है। इसलिए, पारंपरिक रूप से, हमारे पास कंक्रीट सामग्री से जुड़े घटनाओं को सिमुलेट करने का तरीका नहीं था। लेकिन अब हम इस Allegro‑FM का उपयोग करके यांत्रिक गुण (और) संरचनात्मक गुणों का सिमुलेशन कर सकते हैं।”

– केन‑इची नोमुरा, यूएससी विटरबी के रासायनिक अभियांत्रिकी और सामग्री विज्ञान प्रैक्टिस के प्रोफेसर, जिनके साथ नाकानो दो दशकों से अधिक समय से सहयोग कर रहे हैं।

शोधकर्ताओं द्वारा चलाए गए सिमुलेशन दिखाते हैं कि Allegro‑FM कार्बन‑न्यूट्रल है, जिससे यह अन्य कंक्रीट की तुलना में अधिक उपयुक्त विकल्प बनता है। दिलचस्प बात यह है कि AI मॉडल कंक्रीट से जुड़े अन्य समस्याओं को भी हल करता है। 

आग‑प्रतिरोधी सामग्री, जो CO2 का प्रमुख उत्सर्जक है, औसतन केवल लगभग एक शताब्दी तक टिकती है। आधुनिक कंक्रीट के विपरीत, प्राचीन रोमन कंक्रीट ने 2,000 साल से अधिक समय तक बहुत अधिक टिकाऊता दिखाई है। 

CO2 की पुनः पकड़ भी कंक्रीट को अधिक टिकाऊ बनाने में मदद कर सकती है।

“यदि आप CO2 डालते हैं, जिसे ‘कार्बोनेट लेयर’ कहा जाता है, तो यह अधिक मजबूत हो जाता है।”

– नाकानो 

इसलिए, Allegro‑FM एक कार्बन‑न्यूट्रल कंक्रीट का सिमुलेशन कर सकता है जो अपनी वर्तमान आयु से कहीं अधिक समय तक टिक सकता है।

AI‑संचालित सीमेंट डिज़ाइन Allegro‑FM के साथ

प्रयोग के लिए, टीम ने Allegro‑FM को टॉबरमोराइट 11Å (T11A) क्रिस्टल पर लागू किया, जो एक कैल्शियम सिलिकेट हाइड्रेट (CSH) खनिज है जो प्रकृति में सामान्यतः पाया जाता है। यह विशेष खनिज प्राचीन रोमन कंक्रीट में पाया जाता है।

सीमेंट को कार्बन‑भंडारण सामग्री के रूप में बहुत ध्यान मिल रहा है क्योंकि यह खनिजीकरण प्रक्रिया के माध्यम से कार्बन को फँसाने की क्षमता रखता है। CO2 खनिजीकरण भू‑रासायनिक चक्र के हिस्से के रूप में स्वाभाविक रूप से होता है। इसका यांत्रिक समझ अभी भी दीर्घकालिक और सुरक्षित कार्बन भंडारण सुनिश्चित करने के लिए महत्वपूर्ण है। 

यहाँ, उन्नत सिमुलेशन अंतर्दृष्टि प्रदान कर सकते हैं, लेकिन वे या तो गणनात्मक रूप से महंगे होते हैं या रासायनिक सटीकता में सीमित। स्केलेबल फाउंडेशन मॉडल, हालांकि, सीमेंट के कार्बन भंडारण व्यवहार को सटीक रूप से मॉडल करने की संभावनाएँ दिखाते हैं।

इसलिए, Allegro‑FM, जो सामान्यीकरण, स्केलेबिलिटी, भविष्यवाणी और गणनात्मक दक्षता से सुसज्जित है, एटमिक स्तर पर विवरणों को नहीं खोए बिना गतिशील सिमुलेशन को सक्षम करने में महत्वपूर्ण संभावनाएँ दिखाता है।

अध्ययन के अनुसार, इस फ्रेमवर्क का उपयोग CSH जेल की नैनोस्ट्रक्चर, स्वयं‑मरम्मत सीमेंट, और टिकाऊ सीमेंट डिज़ाइन की जांच में किया जा सकता है, जो भू‑भौतिक विज्ञान और सिविल इंजीनियरिंग अनुप्रयोगों के लिए एक नया दृष्टिकोण प्रदान करता है। यह कहा गया है:

“Allegro‑FM संरचनात्मक, यांत्रिक, और थर्मोडायनामिक गुणों का वर्णन करने में उच्च‑स्तरीय क्वांटम रसायन सिद्धांतों के साथ उत्कृष्ट सामंजस्य दिखाता है, जबकि संरचनात्मक सहसंबंध, प्रतिक्रिया गति, यांत्रिक शक्ति, फ्रैक्चर, और ठोस/तरल घुलनशीलता के लिए उभरती क्षमताएँ प्रदर्शित करता है, जिनके लिए मॉडल को प्रशिक्षित नहीं किया गया था।” 

सामग्री अनुसंधान का भविष्य: क्वांटम मैकेनिक्स को बदलता AI

AI का उपयोग वैज्ञानिकों और इंजीनियरों के लिए खेल को पूरी तरह बदल दिया है। सामान्यतः, एटमों के व्यवहार का सिमुलेशन करने के लिए सटीक गणितीय सूत्रों या “गहरी, गहन क्वांटम मैकेनिक्स घटनाओं” की आवश्यकता होती थी। और यह न केवल बहुत तकनीकी था बल्कि धीमा भी था।
लेकिन अब, इस मशीन‑लर्निंग AI प्रगति के कारण, सभी क्वांटम मैकेनिक्स को शून्य से व्युत्पन्न करने के बजाय, शोधकर्ता एक प्रशिक्षण सेट उत्पन्न करने और फिर मशीन लर्निंग मॉडल को चलाने का तरीका अपना रहे हैं।

“अब, इस मशीन‑लर्निंग AI प्रगति के कारण, सभी क्वांटम मैकेनिक्स को शून्य से व्युत्पन्न करने के बजाय, शोधकर्ता एक प्रशिक्षण सेट उत्पन्न करने और फिर मशीन लर्निंग मॉडल को चलाने का तरीका अपना रहे हैं।”

– नोमुरा 

मॉडल अब कम संसाधनों का उपयोग करके बड़े डेटा वॉल्यूम और अधिक जटिलता को संभाल सकते हैं। इससे पूरी प्रक्रिया बहुत तेज़ और कुशल हो गई है। 

वास्तव में, Allegro‑FM एटमों के बीच “इंटरैक्शन फ़ंक्शन” को सटीक रूप से भविष्यवाणी कर सकता है। एटमों की प्रतिक्रिया और परस्पर क्रिया सामान्यतः कई व्यक्तिगत सिमुलेशन और अनगिनत घंटे की गणना की आवश्यकता होती है।

लेकिन एक‑एक तत्व को अलग‑अलग करने के बजाय, जहाँ प्रत्येक के अलग‑अलग समीकरण और कई विशिष्ट फ़ंक्शन होते हैं, नया AI एक साथ पूरी आवर्त सारणी के साथ इंटरैक्शन फ़ंक्शन का सिमुलेशन करने की अनुमति देता है, जिसका अर्थ है तेज़ सिमुलेशन और अधिक सामग्री विकल्प। नोमुरा ने समझाया:

“परंपरागत तरीका यह है कि एक निश्चित सामग्री सेट का सिमुलेशन किया जाए। इसलिए, आप, उदाहरण के लिए, सिलिका ग्लास का सिमुलेशन कर सकते हैं, लेकिन आप इसे, उदाहरण के लिए, एक दवा अणु के साथ सिमुलेट नहीं कर सकते।” 

तकनीकी रूप से भी, नया सिस्टम AI मॉडलों के साथ बहुत अधिक कुशल है, जो सटीक गणनाएँ कर सकते हैं, जो पहले बड़े सुपरकंप्यूटर की आवश्यकता होती थी। यह कार्यों को सरल बनाता है और सुपरकंप्यूटरों को अधिक उन्नत अनुसंधान के लिए उपयोग करने की अनुमति देता है।
नाकानो ने कहा कि AI “बहुत, बहुत छोटे कंप्यूटिंग संसाधनों के साथ क्वांटम मैकेनिकल सटीकता प्राप्त कर सकता है।”
यह अध्ययन कुछ शानदार परिणाम दिखाता है, लेकिन अभी भी बहुत काम बाकी है। जैसा कि नोमुरा ने कहा, टीम अपने कंक्रीट अध्ययन अनुसंधान को जारी रखेगी, “और अधिक जटिल ज्यामितियों और सतहों” की ओर बढ़ते हुए।

हरित रसायन विज्ञान में निवेश

संयुक्त राज्य अमेरिका की सबसे बड़ी रासायनिक कंपनियों में से एक, Dow (DOW ), सतत सामग्री और कार्बन कैप्चर तकनीकों में सक्रिय रूप से निवेश करती है। Allegro‑FM जैसी AI‑ड्रिवेन सिमुलेशन Dow जैसी कंपनियों के लिए अधिक हरित रसायन विकसित करने का एक उत्तम उपकरण प्रस्तुत करती है। 

Dow Inc. (DOW )

कंपनी कई विभिन्न खंडों के माध्यम से संचालित होती है, जिसमें पैकेजिंग और स्पेशलिटी प्लास्टिक, परफॉर्मेंस मैटीरियल्स और कोटिंग्स, और औद्योगिक इंटरमीडिएट्स और इन्फ्रास्ट्रक्चर शामिल हैं।

17.72 बिलियन डॉलर के मार्केट कैप के साथ, Dow Inc. के शेयर $25 पर ट्रेड हो रहे हैं, YTD में 37.53% गिरावट के साथ। इसका EPS (TTM) 0.40 और P/E (TTM) 62.66 है। उपलब्ध डिविडेंड यील्ड 5.58% है।

इस सप्ताह, इसने अपने Q2 2025 वित्तीय परिणामों की रिपोर्ट की, जिसमें शुद्ध बिक्री में 7% YoY गिरावट के साथ $10.1 बिलियन और वॉल्यूम में 1% YoY गिरावट दिखी। 

कंपनी का GAAP शुद्ध नुकसान $801 मिलियन और प्रति शेयर GAAP नुकसान $1.18 आया। संचालन गतिविधियों से नकदी -$470 मिलियन थी। इस अवधि में, Dow ने डिविडेंड के माध्यम से अपने शेयरधारकों को $496 मिलियन वापस किए।

इस वर्ष, कंपनी ने Google के साथ साझेदारी करके एक AI सॉर्टिंग सिस्टम विकसित किया है जो फिल्म प्लास्टिक और मिश्रित सामग्री की पहचान करता है। यह सिस्टम Google के ML मॉडल, Dow के सामग्री डिज़ाइन ज्ञान, और Dow की रीसाइक्लिंग कंपनी Circulus की रीसाइक्लिंग तकनीक का उपयोग करेगा, ताकि उनके आणविक संरचना के आधार पर पुनर्चक्रण योग्य सामग्री की पहचान की जा सके।

Dow भी अपने रसायन और सामग्री निर्माण प्रक्रियाओं को अनुकूलित करने के लिए AI का उपयोग करता है। यह प्रौद्योगिकी वास्तविक‑समय में चर को मॉनिटर और समायोजित करने में सक्षम बनाती है, जिससे प्रक्रियाएँ कुशल और परिणाम निरंतर होते हैं।

इसके अलावा, यह अपने R&D प्रयासों में AI का उपयोग करता है, जिसका लक्ष्य न केवल नई सामग्री की खोज करना बल्कि मौजूदा सामग्री को भी सुधारना है।

नवीनतम Dow Inc. (DOW) स्टॉक समाचार और विकास

निष्कर्ष

कंक्रीट एक शक्तिशाली सामग्री है, जो अपनी शक्ति, बहुमुखी प्रतिभा, लागत‑प्रभावशीलता और टिकाऊपन के कारण निर्माण में व्यापक रूप से उपयोग की जाती है। लेकिन यह भी काफी मात्रा में कार्बन डाइऑक्साइड उत्सर्जित करने के लिए जिम्मेदार है, जिससे विकल्पों की तलाश करना महत्वपूर्ण हो जाता है। 

Allegro‑FM टूल के साथ नवीनतम अध्ययन ने सामग्री अनुसंधान में स्केलेबिलिटी में एक बड़ी सफलता हासिल की है, जो एक साथ अरबों एटमों के सिमुलेशन को सक्षम करता है, जिससे हम रोज़ उपयोग होने वाली सामग्री, जैसे कंक्रीट, को पुनः विचार कर सकते हैं। 

कंक्रीट जैसी साफ़, अधिक टिकाऊ सामग्री को डिज़ाइन करने का नया तरीका प्रदान करके, AI न केवल मजबूत इमारतें बनाने में मदद कर सकता है बल्कि एक स्वच्छ पर्यावरण भी बना सकता है, जिससे भविष्य में कंक्रीट जैसी सामग्री जलवायु समस्या का हिस्सा नहीं बल्कि समाधान बन जाएगी!

कंक्रीट की कमियों को कैसे पार किया जा सकता है, जानने के लिए यहाँ क्लिक करें। 

संदर्भ:

1. Chen, C.; Nguyen, D. T.; Lee, S. J.; Baker, N. A.; Karakoti, A. S.; Lauw, L.; Owen, C.; Mueller, K. T.; Bilodeau, B. A.; Murugesan, V.; Troyer, M.; Thien, D.; (…additional authors as listed). कृत्रिम बुद्धिमत्ता और क्लाउड हाई‑परफ़ॉर्मेंस कंप्यूटिंग के साथ कम्प्यूटेशनल सामग्री खोज को तेज़ करना: बड़े‑पैमाने के स्क्रीनिंग से प्रयोगात्मक सत्यापन तक. arXiv प्रीप्रिंट arXiv:2401.04070 (2024). https://doi.org/10.48550/arXiv.2401.04070
2. Anand, N.; Eguchi, R. R.; Mathews, I. I.; Höhn, M.; Chen, Y.; Pellegrino, J.; Li, J.; Lee, Y.; Park, J.; Zhang, J.; Baek, M.; Ovchinnikov, S.; Baker, D. समानुपाती डिनोइज़िंग डिफ्यूज़न प्रॉबेबिलिस्टिक मॉडलों के साथ प्रोटीन संरचना और अनुक्रम डिज़ाइन. Chem, 9(6), 1646–1664 (2023). प्रकाशित online 20 अप्रैल 2023. https://doi.org/10.1016/j.chempr.2023.03.013
3. Park, H.; Yan, X.; Zhu, R.; Huerta, E. A.; Chaudhuri, S.; Cooper, D.; Foster, I.; Tajkhorshid, E. कार्बन कैप्चर के लिए मेटल‑ऑर्गेनिक फ्रेमवर्क के डिज़ाइन के लिए आणविक डिफ्यूज़न मॉडल पर आधारित एक जनरेटिव कृत्रिम बुद्धिमत्ता फ्रेमवर्क. Communications Chemistry, 7(1), Article 21 (2024). प्रकाशित online 14 फ़रवरी 2024. https://doi.org/10.1038/s42004‑023‑01090‑2
4. Allegro‑FM: एक्सास्केल आणविक गतिशीलता सिमुलेशन के लिए एक समानुपाती फाउंडेशन मॉडल की ओर।
5. The Journal of Physical Chemistry Letters, 16 (25), 6637–? (2025). प्रकाशित online June 20, 2025. https://doi.org/10.1021/acs.jpclett.5c00605