शोधकर्ताओं ने फोटो-एक्टेड कार्बनिक क्रिस्टल के आउटपुट बल को अनुकूलित करने के लिए एक मशीन लर्निंग वर्कफ़्लो विकसित किया है। कुशल नमूने के लिए प्रमुख आणविक सबस्ट्रक्चर और बायेसियन ऑप्टिमाइज़ेशन की पहचान करने के लिए LASSO प्रतिगमन का उपयोग करते हुए, उन्होंने पारंपरिक तरीकों की तुलना में 37.0 mn – 73 गुना अधिक कुशल अधिकतम अवरुद्ध बल प्राप्त किया। ये निष्कर्ष चिकित्सा उपकरणों और रोबोटिक्स के लिए रिमोट-नियंत्रित एक्ट्यूएटर्स को विकसित करने में मदद कर सकते हैं, जो न्यूनतम इनवेसिव सर्जरी और सटीक दवा वितरण जैसे अनुप्रयोगों का समर्थन करते हैं।

सामग्री जो बाहरी उत्तेजनाओं को यांत्रिक गति में परिवर्तित करती है, जिसे एक्ट्यूएटर्स के रूप में जाना जाता है, रोबोटिक्स, चिकित्सा उपकरणों और अन्य उन्नत अनुप्रयोगों में एक महत्वपूर्ण भूमिका निभाते हैं। उनमें से, फोटोमैकेनिकल क्रिस्टल प्रकाश के जवाब में विकृत हो जाते हैं, जिससे वे हल्के और दूर से नियंत्रणीय सक्रियण के लिए आशाजनक हो जाते हैं। उनका प्रदर्शन आणविक संरचनाओं, क्रिस्टल गुणों और प्रयोगात्मक स्थितियों जैसे कारकों पर निर्भर करता है।

इन सामग्रियों का एक प्रमुख प्रदर्शन संकेतक अवरुद्ध बल है – जब विरूपण पूरी तरह से प्रतिबंधित होता है तो अधिकतम बल। हालांकि, उच्च अवरुद्ध बलों को प्राप्त करना क्रिस्टल विशेषताओं और परीक्षण स्थितियों के जटिल परस्पर क्रिया के कारण चुनौतीपूर्ण है। फोटोमैकेनिकल क्रिस्टल के संभावित अनुप्रयोगों का विस्तार करने के लिए इन कारकों को समझना और अनुकूलन करना आवश्यक है।

फोटो-एक्टेड ऑर्गेनिक क्रिस्टल के आउटपुट फोर्स को अनुकूलित करने की दिशा में एक कदम में, Waeseda University के शोधकर्ताओं ने अपने प्रदर्शन को बढ़ाने के लिए मशीन लर्निंग तकनीकों का लाभ उठाया है। अध्ययन का नेतृत्व केंद्र के लिए एसोसिएट प्रोफेसर ताकुया तनिगुची ने किया था, जिसमें श्री काज़ुकी इशिजाकी और प्रोफेसर टोरू असाही के साथ एडवांस्ड साइंस एंड इंजीनियरिंग विभाग, ग्रेजुएट स्कूल ऑफ एडवांस्ड साइंस एंड इंजीनियरिंग दोनों के साथ थे। उनके निष्कर्ष ऑनलाइन प्रकाशित किए गए थे अंकीय खोज 20 मार्च 2025 को।

“हमने देखा कि मशीन लर्निंग इष्टतम अणुओं और प्रयोगात्मक मापदंडों की खोज को सरल करती है,” डॉ। तानिगुची कहते हैं। “इसने हमें सिंथेटिक रसायन विज्ञान के साथ डेटा विज्ञान तकनीकों को एकीकृत करने के लिए प्रेरित किया, जिससे हमें उच्च-प्रदर्शन परिणाम प्राप्त करने के लिए नए आणविक डिजाइनों और प्रयोगात्मक दृष्टिकोणों की तेजी से पहचान करने में सक्षम बनाया गया।”

इस अध्ययन में, टीम ने दो मशीन लर्निंग तकनीकों का उपयोग किया: प्रयोगात्मक स्थितियों का चयन करने के लिए आणविक डिजाइन और बायेसियन अनुकूलन के लिए LASSO (कम से कम निरपेक्ष संकोचन और चयन ऑपरेटर) प्रतिगमन। पहले चरण ने सैलिसिलिडेनमाइन डेरिवेटिव्स के एक सामग्री पूल का नेतृत्व किया, जबकि दूसरे ने वास्तविक दुनिया के बल माप के लिए इस पूल से कुशल नमूनाकरण को सक्षम किया। नतीजतन, टीम ने पहले से रिपोर्ट किए गए मूल्यों की तुलना में 3.7 गुना अधिक बल उत्पादन को प्राप्त करते हुए, अवरुद्ध बल को सफलतापूर्वक अधिकतम किया और पारंपरिक परीक्षण-और-त्रुटि विधि की तुलना में कम से कम 73 गुना अधिक कुशलता से इसे पूरा किया।

डॉ। तानिगुची कहते हैं, “हमारा शोध मशीन लर्निंग को व्यवस्थित रूप से लागू करके फोटो-एक्टेड कार्बनिक क्रिस्टल में एक महत्वपूर्ण सफलता का प्रतीक है।” “दोनों आणविक संरचनाओं और प्रयोगात्मक स्थितियों का अनुकूलन करके, हमने प्रकाश-उत्तरदायी सामग्रियों के प्रदर्शन को नाटकीय रूप से बढ़ाने की क्षमता का प्रदर्शन किया है।”

प्रस्तावित तकनीक में रिमोट-नियंत्रित एक्ट्यूएटर्स, छोटे पैमाने पर रोबोटिक्स, मेडिकल डिवाइस और ऊर्जा-कुशल सिस्टम के लिए व्यापक निहितार्थ हैं। क्योंकि फोटो-एक्टेड क्रिस्टल प्रकाश का जवाब देते हैं, वे संपर्क रहित और दूरस्थ संचालन को सक्षम करते हैं, जिससे वे आदर्श रोबोट घटक को सीमित या संवेदनशील वातावरण में काम करते हैं। केंद्रित प्रकाश के साथ गैर -लाभकारी रूप से बल उत्पन्न करने की उनकी क्षमता माइक्रोसर्जिकल टूल और दवा वितरण तंत्र के लिए भी मूल्यवान हो सकती है, जिसमें सटीक, दूरस्थ सक्रियता की आवश्यकता होती है।

एक क्लीनर एनर्जी इनपुट-लाइट विकिरण का लाभ उठाकर-यांत्रिक आउटपुट को अधिकतम करते हुए, ये सामग्री समग्र ऊर्जा खपत को कम करने के उद्देश्य से पर्यावरण के अनुकूल विनिर्माण प्रक्रियाओं और उपकरणों के लिए वादा करती है। “बल उत्पादन में सुधार से परे, हमारा दृष्टिकोण पहनने योग्य प्रौद्योगिकी से लेकर एयरोस्पेस इंजीनियरिंग और दूरस्थ पर्यावरण निगरानी तक अधिक परिष्कृत, लघु उपकरणों के लिए मार्ग प्रशस्त करता है,” डॉ। तानिगुची कहते हैं।

अंत में, यह अध्ययन उच्च प्रदर्शन वाले फोटो-एक्टेड सामग्रियों के विकास में तेजी लाने में एक मशीन लर्निंग-संचालित रणनीति की शक्ति पर प्रकाश डालता है, जिससे उन्हें वास्तविक दुनिया के अनुप्रयोगों और वाणिज्यिक व्यवहार्यता के करीब एक कदम मिलता है।



Source link