---
title: MIT ने परमाणुओं की 3D व्यवस्था समझने वाला AI विकसित किया, बैटरी सामग्री की खोज में सटीकता बढ़ी
url: https://www.elseif.net/hi/mit-na-paramanaeo-ka-3d-vayavasatha-samajhana-val-ai-vakasata-kaya-btara-samagara-ka-khaja-ma-satakata-b
published: 2026-10-21T05:23:15+00:00
language: hi
section: मॉडल
source: https://www.aitimes.kr/news/articleView.html?idxno=42330
organizations: MIT
publisher: elseif
---

# MIT ने परमाणुओं की 3D व्यवस्था समझने वाला AI विकसित किया, बैटरी सामग्री की खोज में सटीकता बढ़ी

MIT के शोधकर्ताओं ने एक मल्टीमोडल कृत्रिम बुद्धिमत्ता मॉडल विकसित किया है जो प्राकृतिक भाषा के साथ परमाणुओं की त्रि-आयामी व्यवस्था को समझने में सक्षम है। यह मॉडल परमाणुओं के विन्यास और बंधन पैटर्न को भाषाई जानकारी से जोड़कर सामग्री की संरचना, गुणों, प्रसंस्करण स्थितियों और संभावित उपयोगों का अनुमान लगाने के लिए बनाया गया है।

शोधकर्ताओं के अनुसार, यह मॉडल केवल पाठ पर आधारित मॉडलों की तुलना में आशाजनक क्रिस्टल सामग्रियों की पहचान करने में बेहतर प्रदर्शन करता है। ठोस लिथियम-आयन बैटरी इलेक्ट्रोलाइट्स के लिए उपयुक्त सामग्री खोजने के प्रयोग में, इस मॉडल ने उन सामग्रियों को शीर्ष उम्मीदवारों के रूप में प्रस्तुत किया जिनकी क्षमता की पुष्टि स्वतंत्र शोधों के माध्यम से पहले ही की जा चुकी थी।

यह तकनीक मौजूदा बड़े भाषा मॉडलों की सीमाओं को दूर करती है, जो मुख्य रूप से शैक्षणिक पत्रों और पुस्तकों के पाठ पर आधारित होते हैं और क्रिस्टल संरचनाओं को सीधे समझने में असमर्थ होते हैं। क्रिस्टल संरचनाएं आमतौर पर विशेष डेटा प्रारूपों में दर्ज की जाती हैं, जिन्हें पारंपरिक भाषा मॉडल पर्याप्त रूप से उपयोग नहीं कर पाते। इसके अलावा, मौजूदा साहित्य में कुछ विशिष्ट क्रिस्टल श्रेणियों का अधिक उल्लेख होने के कारण AI के परिणामों में पूर्वाग्रह आने का जोखिम रहता है।

इस समस्या के समाधान के लिए, शोधकर्ताओं ने एक विजन-लैंग्वेज मॉडल बनाया है जो क्रिस्टल की 3D संरचना और प्राकृतिक भाषा विवरणों को एक ही शिक्षण प्रणाली से जोड़ता है। यह मॉडल क्रिस्टल संरचना को केवल संख्याओं या ग्राफ के रूप में नहीं, बल्कि समृद्ध भाषाई विवरणों में बदलकर सीखता है। इन विवरणों को बनाने के लिए प्रयोगात्मक पत्रों और प्रथम सिद्धांतों के गणना डेटाबेस का उपयोग किया गया, जिसमें रासायनिक संरचना, परमाणु विन्यास, मुख्य गुण और संभावित अनुप्रयोग शामिल हैं।

मॉडल को प्रशिक्षित करने के लिए कंट्रास्ट लर्निंग तकनीक का उपयोग किया गया, जो संबंधित संरचनाओं और विवरणों को करीब लाता है और असंबंधित उदाहरणों को अलग करता है। इसके माध्यम से मॉडल एक साझा प्रतिनिधित्व स्थान में 3D क्रिस्टल संरचना और प्राकृतिक भाषा विवरणों को जोड़ सकता है।

शोधकर्ताओं का मानना है कि यह दृष्टिकोण सामग्री विज्ञान में एक महत्वपूर्ण मोड़ हो सकता है, जो अल्फाफोल्ड की तरह सामग्री अनुसंधान की दक्षता बढ़ा सकता है। हालांकि, शोधकर्ताओं ने स्पष्ट किया है कि यह अध्ययन सामग्री के प्रदर्शन को सीधे साबित करने के बजाय यह दिखाता है कि AI आशाजनक उम्मीदवारों की पहचान कर सकता है। वास्तविक विकास के लिए इन परिणामों का अतिरिक्त गणना और प्रयोगों के माध्यम से सत्यापन आवश्यक है।