اگه تو هم از اونایی هستی که همیشه دنبال یه راه خفن برای جمعبندی و استفاده از نتایج مقالات علمی هستی، بهت مژده میدم! یه پروژه جذاب به اسم Materials Explorer Pipeline طراحی شده که حسابی کار رو راحت کرده. بذار راحت و خودمونی برات توضیح بدم چی کار میکنن.
ما هر روز کلی مقاله علمی تو دنیا منتشر میشه – پر از عدد و رقم، آزمایش، نتایج و کلی ریزکاری علمی. تا چند سال پیش، خوندن و جمعبندی اینا واقعاً کار حضرت فیل بود و هیچکی نمیتونست به راحتی همه چیو یکجا داشته باشه. اما الان با AI (هوش مصنوعی)، بازی عوض شده و کلی استارتاپ و گروه علمی دارن سعی میکنن علم رو آسونتر و دم دستتر کنن.
حالا این Materials Explorer Pipeline اومده وسط میدون، یه مسیر درست کرده که میشه باهاش مجموعهای از مقالات رو برداشت، اش کشید و اطلاعاتش رو ریخت توی یه پایگاه داده منظم و قابل جستجو. یعنی چی؟ یعنی مقالات رو تبدیل میکنه به رکوردهایی که دستهبندی شدن، پشتشون منبع و ارجاع دارن، حتی میزان اعتماد (یا همون کانفیدنس)شونم مشخصه. دقت کن، provenance که اینجا گفتن یعنی همه اطلاعات پشت پرده و منبع و مأخذش کاملاً مشخصه تا هر کی خواست، بتونه کلی بهش استناد کنه.
یه چیز باحال دیگه ش اینه که این پایپلاین طوریه که حتی کسایی که زیاد با این زمینه آشنا نیستن هم میتونن کلی سوال بپرسن، دادهها رو بگردن یا حتی نظرشون رو درباره فرضیههای جدید مطرح شده بگن. یعنی گاهی خودش بر اساس اطلاعاتی که جمع کرده، یه عالمه گزینههای احتمالی برای تحقیقات جدید به دانشمندها معرفی میکنه. به این میگن hypothesis candidates؛ یعنی پیشنهادهایی که شاید یه تحقیق جدید از توشون بیرون بیاد.
توی این مقاله که ورژن اولش تو arXiv منتشر شده، تیم سازنده اومده روی مقالات مربوط به مواد مورد استفاده در سوپركنداکترهای کیوبیتی (یعنی مواد ابررسانا که تو رایانش کوانتومی کاربرد دارن – همون پردازندههای عجیب و غریب آینده!) کارشون رو نشون دادن. این کار رو با همکاری Co-design Center for Quantum Advantage که یکی از مراکز پیشرفته وزارت انرژی آمریکا در حوزه اطلاعات کوانتومی هست انجام دادن. حاصلش چی شده؟ تبدیل ۲۳۳ تا نمونه مرتبط به ۱۰ دسته مواد مختلف؛ تازه همهشون هم با منبع درست و حسابی، قابل جستجو و استفاده مجدد.
نکته خفن داستان اینه که این فرآیند اصلاً وابسته به یه رشته خاص نیست (بهش میگن domain-agnostic، یعنی دامنهگرا نیست)، یعنی هر رشته علمی دیگهای رو بخوای، این مدل قابل استفاده هست. خلاصه، تا چند وقت دیگه شاید بجای اینکه دنبال یه مقاله بگردیم، مستقیم از یه دانش مشترک عظیم سؤال بپرسیم و جوابم بگیریم، دقیق و مستند به منبع اصل!
خلاصه اگه تو هم عاشق دنیای علم و جمعبندی اطلاعاتی، حتماً یه نگاهی به این پروژه بنداز. دنیا داره میره سمت هوش مصنوعی و دانش مشترک، و این مدل پایپلاینها آیندهی کارهای تحقیقاتی رو متحول میکنن!
منبع: +
