تحقیقات کاروں نے اپریل 2026 میں ایک طبیعیاتی معلومات پر مبنی مصنوعی ذہانت کا ماڈل تیار کیا تاکہ برقی عایق مواد کی خصوصیات کی پیش گوئی کی جا سکے [1, 2]۔
یہ پیش رفت اہم ہے کیونکہ مواد کے برقی میدان کے ردعمل کی پیش گوئی کرنا حسابی طور پر مشکل ہے۔ اس عمل کو سادہ بناتے ہوئے، ماڈل نئی الیکٹرانک اجزاء کی ترقی کو نمایاں طور پر تیز کر سکتا ہے [1, 2]۔
برقی عایق مواد کپیسٹر اور مختلف سیمی کنڈکٹرز کے فعل کے لیے ضروری ہیں۔ روایتی طور پر مخصوص عایق خصوصیات والے نئے مواد کی دریافت کے لیے وسیع لیبارٹری تجربات یا مہنگی سمولیشنز کی ضرورت ہوتی تھی۔ نیا AI ماڈل طبیعیاتی قوانین کو براہ راست اپنی ساخت میں شامل کرتا ہے تاکہ ان حسابی رکاوٹوں میں سے کچھ کو عبور کیا جا سکے [1, 2]۔
یہ طریقہ کار سائنسدانوں کو ممکنہ مواد کی جانچ پہلے کے طریقوں سے زیادہ تیزی سے کرنے کی اجازت دیتا ہے۔ AI کی پیش گوئی قوت کو طبیعیات کی پابندیوں کے ساتھ ملانے سے، ماڈل اس امکان کو کم کرتا ہے کہ ایسے نتائج پیدا ہوں جو ریاضیاتی طور پر ممکن ہوں مگر طبیعی طور پر ناممکن ہوں [1, 2]۔
ایسا نظام مواد کی تحقیق میں نئے افق کھولنے کے لیے ڈیزائن کیا گیا ہے۔ مقصد ایسے مواد کی شناخت کرنا ہے جو موجودہ الیکٹرانک معیارات سے زیادہ کارکردگی کے ساتھ یا زیادہ سخت حالات میں کام کر سکیں [1, 2]۔
اگرچہ یہ ماڈل اس بات کی نشاندہی کرتا ہے کہ محققین مواد سائنس کے ساتھ کیسے پیش آتے ہیں، ڈیجیٹل پیش گوئی سے حقیقی پیداوار کی طرف منتقلی ایک اہم مرحلہ برقرار ہے۔ AI ایک فلٹر کے طور پر کام کرتا ہے تاکہ کیمیائی ترکیبوں کی وسیع رینج کو محدود کر کے تجرباتی توثیق کے لیے چند قابلِ انتظام انتخاب تک پہنچایا جا سکے [1, 2]۔
“ماڈل اگلی نسل کے الیکٹرانک آلات کے لیے مواد کی دریافت کو تیز کرنے کا مقصد رکھتا ہے۔”
AI ماڈلز میں طبیعیاتی معلومات پر مبنی پابندیوں کا انضمام روایتی مشین لرننگ کی بنیادی کمزوری کو دور کرتا ہے: پیٹرن کی شناخت کو ترجیح دیتے ہوئے طبیعی قوانین کو نظرانداز کرنے کا رجحان۔ الیکٹرانکس کے سیاق و سباق میں، اس کا مطلب ہے نظریاتی مواد کے ڈیزائن سے ہارڈویئر کی پیداوار تک کا عمل زیادہ تیز ہونا، جس سے زیادہ توانائی مؤثر سیمی کنڈکٹرز کی ترقی کا دورانیہ ممکنہ طور پر کم ہو سکتا ہے۔
