सिंगापुर का AI4S कार्यक्रम AI से वैज्ञानिक खोजों को वास्तविक तकनीक में कैसे बदलना चाहता है

सिंगापुर का AI for Science (AI4S) कार्यक्रम S$120 मिलियन का राष्ट्रीय शोध कार्यक्रम है। इसका लक्ष्य AI को विज्ञान के अलग-थलग सहायक उपकरण के बजाय पूरे वैज्ञानिक कार्यप्रवाह का हिस्सा बनाना है—परिकल्पना चुनने, प्रयोगों की योजना बनाने, डेटा जुटाने, परिणामों की जांच करने और प्रयोगशाला की खोजों को उपयोगी तकनीकों में बदलने तक।

इसके पहले आठ प्रोजेक्ट 16 जून 2026 को शुरू किए गए। इनमें सिंगापुर के विश्वविद्यालयों और शोध संस्थानों के साथ अंतरराष्ट्रीय साझेदार शामिल हैं। हालांकि, इनकी घोषित क्षमताएं अभी भविष्य के शोध-लक्ष्य हैं; इन्हें पहले से सिद्ध व्यावसायिक परिणाम नहीं माना जाना चाहिए।

सबसे प्रमुख प्रोजेक्ट: प्रयोग से सीधे निर्माण-विधि तक

Materials Data Foundry

नेशनल यूनिवर्सिटी ऑफ सिंगापुर (NUS) और यूनिवर्सिटी ऑफ टोरंटो का S$10 मिलियन Materials Data Foundry AI, रोबोटिक्स और प्रयोग के दौरान होने वाले मापों को एक खुली स्वचालित प्रयोगशाला में जोड़ेगा।

आम तौर पर AI मॉडल प्रकाशित शोध-पत्रों में उपलब्ध सामग्री-गुणों के आंकड़ों पर प्रशिक्षित होते हैं। इस प्रोजेक्ट में मॉडल को नए प्रयोगों से ऐसा डेटा देने की योजना है, जो यह बताए कि किसी सामग्री को बनाने की परिस्थितियां उसके वास्तविक प्रदर्शन को कैसे प्रभावित करती हैं। लक्ष्य हजारों नहीं, बल्कि दसियों हजार प्रतिक्रियाओं, प्रयोगों में बनाई जा सकने वाली सामग्रियों और खुले सॉफ्टवेयर टूल्स का डेटासेट तैयार करना है।

इसका उद्देश्य केवल AI द्वारा सुझाए गए नए यौगिकों की सूची बनाना नहीं, बल्कि दोहराई जा सकने वाली वास्तविक “रेसिपी” तैयार करना है—यानी ऐसी निर्माण-विधियां जिन्हें प्रयोगशाला से आगे औद्योगिक स्तर पर परखा जा सके। संभावित क्षेत्रों में सिलिकॉन से आगे की और क्वांटम तकनीक के लिए सामग्री, स्वच्छ हाइड्रोजन से जुड़े टिकाऊ इलेक्ट्रोकैटेलिस्ट और जंग-रोधी कोटिंग्स शामिल हैं।

AI से कैटेलिस्ट की खोज में तेजी

A*STAR और Imperial College London का लगभग S$10 मिलियन का कार्यक्रम एक Surface Science Foundation Model और क्लाउड प्लेटफॉर्म विकसित करेगा। इसका उद्देश्य कैटेलिस्ट के गुणों और उन्हें बनाने की परिस्थितियों का अनुमान लगाना है। ऐसे कैटेलिस्ट स्वच्छ ईंधन, CO₂ से बने कच्चे माल और जैव-आधारित रसायनों के विकास में उपयोगी हो सकते हैं।

कार्यक्रम के प्राथमिक विवरण में कंप्यूटेशनल स्क्रीनिंग को 500 गुना तेज करने का लक्ष्य बताया गया है। इसलिए “लगभग पांच गुना तेज और सस्ता” जैसे दावों को सावधानी से देखना चाहिए, जब तक यह स्पष्ट न हो कि वे किसी अलग, बाद की विकास-प्रक्रिया के मापदंड से संबंधित हैं।

AI द्वारा लिखे कोड की विश्वसनीयता

NUS और Imperial ऐसे प्रोग्राम-रीजनिंग टूल्स विकसित कर रहे हैं, जो सॉफ्टवेयर का स्वचालित विश्लेषण, परीक्षण और औपचारिक सत्यापन कर सकें। इनका लक्ष्य यह साबित करना है कि कोड अपेक्षित तरीके से काम करता है। साथ ही, कम औपचारिक तर्क-पद्धतियों की मदद से बिना दस्तावेज वाले पुराने कोड को समझने की कोशिश की जाएगी।

इन टूल्स का परीक्षण नेटवर्क प्रोटोकॉल और Linux kernel के हिस्सों जैसे महत्वपूर्ण सॉफ्टवेयर पर किया जाना है। दीर्घकालिक विचार यह है कि AI एजेंट किसी दूसरे AI सिस्टम द्वारा लिखे गए कोड का भी ऑडिट कर सकें।

जैव-चिकित्सा में कई स्तरों के डेटा का एकीकरण

NUS और A*STAR का MultiOmicsFM DNA, RNA और जीन-गतिविधि से जुड़े डेटा को अलग-अलग देखने के बजाय एक साथ समझने वाला foundation model बनाने की योजना रखता है। इसमें सिंगापुर के बहु-जातीय आबादी से जुड़े डेटासेट का उपयोग रोग-जोखिम अनुसंधान और mRNA उपचारों को बेहतर बनाने के लिए किया जा सकता है।

वहीं BloodCounts! प्रोजेक्ट सामान्य पूर्ण रक्त-जांच के सभी मूल मापदंडों को रक्त-स्मियर की तस्वीरों के साथ मिलाकर DeepCBC मॉडल विकसित करेगा। उद्देश्य एक आम रक्त-जांच से अधिक चिकित्सकीय जानकारी निकालना और स्ट्रोक तथा कैंसर जैसी स्थितियों के जोखिम का अनुमान लगाने में सहायता करना है।

कृषि और जलवायु लचीलेपन के लिए डिजिटल ट्विन

NUS और University of Illinois का ARCS प्रोजेक्ट दक्षिण-पूर्व एशिया के खेतों के लिए ज्ञान-आधारित कृषि डिजिटल ट्विन विकसित करेगा। डिजिटल ट्विन किसी वास्तविक खेत या कृषि-क्षेत्र का आभासी प्रतिनिधित्व होता है, जिसमें वास्तविक अवलोकन-आधारित डेटा को फसल-विज्ञान के सिद्धांतों के साथ जोड़ा जाता है।

इससे बुआई के समय, संसाधनों के उपयोग और आपूर्ति-श्रृंखला से जुड़े निर्णयों के लिए समझ में आने वाले पूर्वानुमान और निर्णय-सहायता उपकरण तैयार करने का लक्ष्य है। यानी केवल अपारदर्शी AI भविष्यवाणी नहीं, बल्कि उसके पीछे के कृषि-संदर्भ को भी समझाने की कोशिश होगी।

आठ प्रोजेक्ट, कई वैज्ञानिक क्षेत्र

पूरे पोर्टफोलियो में ऊर्जा-परिवहन को बेहतर बनाने के लिए AI-डिजाइन किए गए इंटरफेस पर काम भी शामिल है। इस तरह आठों प्रोजेक्ट सामग्री-विज्ञान, कंप्यूटिंग, जीवन-विज्ञान, ऊर्जा, कृषि, कैटेलिसिस, जीनोमिक्स और रक्त-विश्लेषण जैसे क्षेत्रों में फैले हैं। AI4S को किसी एक उद्योग तक सीमित रखने के बजाय सिंगापुर ने इसे बहु-विषयी वैज्ञानिक पहल के रूप में तैयार किया है।

कार्यक्रम की रणनीति क्या है?

भविष्यवाणी और वास्तविक परीक्षण का बंद चक्र

AI संभावित सामग्री, अणु, प्रयोग या कोड सुझा सकता है। लेकिन यह तय करने के लिए कि वे वास्तव में बनाए जा सकते हैं, सुरक्षित हैं और उपयोगी साबित होंगे, स्वचालित प्रयोगशालाओं, बड़े पैमाने की स्क्रीनिंग, वास्तविक माप और औपचारिक सत्यापन की जरूरत होगी। Materials Data Foundry इसी closed loop—AI सुझाव से प्रयोग और प्रयोग से नए डेटा—का सबसे स्पष्ट उदाहरण है।

AI और विषय-विज्ञान, दोनों समझने वाले शोधकर्ता

AI4S ऐसे “द्विभाषी” वैज्ञानिक तैयार करने पर भी जोर देता है, जो AI के साथ-साथ सामग्री-विज्ञान, जीवन-विज्ञान या क्वांटम विज्ञान जैसे क्षेत्रों को समझते हों। ऐसे शोधकर्ता मॉडल को केवल डेटा नहीं देंगे, बल्कि वैज्ञानिक सवाल, डेटा की गुणवत्ता और प्रयोगशाला की व्यावहारिक सीमाएं भी शुरुआत से परिभाषित कर सकेंगे।

वैश्विक शोध केंद्र बनने की कोशिश

नेशनल रिसर्च फाउंडेशन का वित्तपोषण, CREATE परिसर के जरिए अंतरराष्ट्रीय सहयोग, साझा डिजिटल और प्रयोगात्मक ढांचा, खुले टूल्स तथा उद्योग साझेदार—इन सबके माध्यम से सिंगापुर AI-आधारित शोध और उसके व्यावहारिक रूपांतरण का अंतरराष्ट्रीय केंद्र बनने की कोशिश कर रहा है। Imperial के दोनों कार्यक्रम Imperial Global Singapore के जरिए CREATE में संचालित होंगे और दुनिया भर के शोधकर्ताओं के लिए उपलब्धता का लक्ष्य रखते हैं।

अंततः AI4S की सफलता इस बात से मापी जाएगी कि क्या ये प्रोजेक्ट केवल मॉडल की भविष्यवाणियां तेज करते हैं या फिर प्रमाणित निर्माण-विधियां, बेहतर कैटेलिस्ट, चिकित्सकीय निर्णय-सहायता के ठोस प्रमाण और भरोसेमंद सॉफ्टवेयर जैसे बड़े पैमाने पर उपयोग योग्य परिणाम भी देते हैं।