𝗣𝗵𝘆𝘀𝗶𝗰𝘀-𝗔𝘂𝗴𝗺𝗲𝗻𝘁𝗲𝗱 𝗗𝗶𝗳𝗳𝘂𝘀𝗶𝗼𝗻 𝗠𝗼𝗱𝗲𝗹𝗶𝗻𝗴 𝗳𝗼𝗿 𝗪𝗶𝗹𝗱𝗳𝗶𝗿𝗲 𝗘𝘃𝗮𝗰𝘂𝗮𝘁𝗶𝗼𝗻
প্রথাগত স্থানান্তর মডেলগুলো অকার্যকর।
সিয়েরা নেভাদায় একটি দাবানল মহড়ার সময় আমি এটি সরাসরি দেখেছি। আমি একটি ট্রাফিক রাউটিং এজেন্ট পরীক্ষা করেছিলাম। ল্যাবে এটি নিখুঁতভাবে কাজ করেছিল। কিন্তু বাস্তবে এটি ব্যর্থ হয়েছে। এটি এমন সব রুট বাতলে দিয়েছিল যা তাপের কারণে চলাচলের অনুপযুক্ত হয়ে পড়েছিল। এটি মানুষকে ঘন ধোঁয়ার মধ্যে পাঠিয়ে দিয়েছিল।
সমস্যাটি সহজ। বেশিরভাগ মডেল স্থানান্তর প্রক্রিয়াকে একটি গ্রাফের গাণিতিক সমস্যা হিসেবে বিবেচনা করে। তারা পদার্থবিজ্ঞানকে (physics) উপেক্ষা করে। আগুন কীভাবে ছড়ায়, ধোঁয়া কীভাবে চলাচল করে এবং তাপ কীভাবে বিকিরিত হয়—তা তারা বিবেচনায় নেয় না।
আমি পদার্থবিজ্ঞানের সাথে জেনারেটিভ এআই (generative AI) সমন্বয় করে একটি সমাধান খুঁজে পেয়েছি। বিশেষভাবে, আমি ডিফিউশন মডেল (diffusion models) ব্যবহার করেছি।
কেন ডিফিউশন মডেল? প্রথাগত অপ্টিমাইজেশন ব্যর্থ হয় কারণ দাবানল অননুমেয়। আগুনের সম্মুখভাগ পরিবর্তিত হয়। রাস্তা হঠাৎ বন্ধ হয়ে যায়। ডিফিউশন মডেলগুলো ভিন্নভাবে কাজ করে। তারা সম্ভাব্য ভবিষ্যতের একটি পরিসর শিখতে পারে। তারা অনেকগুলো কার্যকর পরিকল্পনার মধ্য থেকে নমুনা সংগ্রহ করে।
আমি Physics-Augmented Diffusion Modeling (PADM) নামে একটি ফ্রেমওয়ার্ক তৈরি করেছি।
এটি যেভাবে কাজ করে: একটি সাধারণ ডিফিউশন মডেলে, এআই আউটপুট তৈরির জন্য নয়েজ (noise) দূর করে। আমি এই প্রক্রিয়ায় একটি পদার্থবিজ্ঞান-ভিত্তিক কারেকশন টার্ম (physics-based correction term) যোগ করেছি। এই টার্মটি যা এনকোড করে:
- আগুনের গতিশীলতা (তাপ প্রবাহ এবং ধোঁয়ার ঘনত্ব)।
- অবকাঠামোগত সীমাবদ্ধতা (রাস্তার ক্ষমতা এবং এনার্জি গ্রিড)।
এটি মডেলটিকে প্রকৃতির নিয়ম মেনে চলতে সাহায্য করে।
আমি কার্বন-নেগেটিভ অবকাঠামোকেও এর সাথে যুক্ত করেছি। এর মধ্যে রয়েছে কার্বন-ক্যাপচার এনার্জি দ্বারা চালিত ইলেকট্রিক ভেহিকেল স্টেশন। আমার মডেলটি মোট নির্গমন (emissions) সর্বনিম্ন রেখে বিদ্যুৎ সুবিধাযুক্ত আশ্রয়স্থলে নিরাপদ স্থানান্তরের পথ নির্ধারণ করতে শিখেছে।
ক্যালিফোর্নিয়ার ঐতিহাসিক দাবানলের তথ্যের ওপর পরীক্ষার ফলাফল ছিল স্পষ্ট:
- নিরাপদ স্থানান্তরের সময় ৪.২ ঘণ্টা থেকে কমে ৩.১ ঘণ্টায় নেমে এসেছে।
- সিমুলেটেড মৃত্যু সংখ্যা ১২ থেকে কমে ৩-এ দাঁড়িয়েছে।
- কার্বন নির্গমন +৪৫ টন থেকে -১২ টনে নেমে এসেছে।
মূল শিক্ষা:
- পদার্থবিজ্ঞান কেবল একটি সীমাবদ্ধতা নয়, বরং একটি নির্দেশিকা। ডিফারেনশিয়েবল ফিজিক্স (differentiable physics) ব্যবহার করার ফলে এআই সিমুলেশন থেকে শিখতে পারে।
- স্টোকাস্টিসিটি (Stochasticity) একটি হাতিয়ার। জরুরি অবস্থায় একটি মাত্র "অনুকূল" (optimal) পথের চেয়ে একাধিক সম্ভাব্য পরিকল্পনা থাকা অনেক ভালো।
- কার্বন-নেগেটিভ সিস্টেম গাণিতিক হিসাব বদলে দেয়। এগুলো লজিস্টিকস অপ্টিমাইজ করার ক্ষেত্রে নতুন মাত্রা যোগ করে।
এআই-এর ভবিষ্যৎ কেবল ডেটা নিয়ে নয়। এটি আমাদের জগতের মৌলিক নিয়মের সাথে ডেটার সমন্বয় করার বিষয়ে।
ঐচ্ছিক লার্নিং কমিউনিটি: https://t.me/GyaanSetuAi