छायाचित्र: अन्स्प्लॅशच्या माध्यमातून सायन्स इन एचडी द्वारे प्राप्त
नैसर्गिक साधनसंपत्ती तिच्या मूळ रुपात विविध अभियांत्रिकी कामांसाठी नेहमी उपयुक्त ठरेलच असे नाही, परंतु वैज्ञानिक, त्यांच्या मूळ गुणधर्मात बदल करून त्यांची उपयुक्तता वाढवू शकतात. उदाहरणार्थ, संप्रेषण तंत्रज्ञानामध्ये वापरण्यात येणाऱ्या सामग्रीच्या आकारात, जडणघडणीत आणि अभिमुखतेमध्ये बदल घडवून त्यांची वेगवेगळ्या तरंगलांबीच्या प्रकाशलहरी किंवा विद्युत चुंबकीय लहरींबरोबर होणारी परस्परक्रिया बदलूही शकतात. काही विशिष्ट प्रयोगांसाठी वापरण्यात येणाऱ्या मेटासरफेसेसच्या म्हणजे फेरबदल केलेल्या सामग्रीच्या नॅनोमिटरमध्ये मोजता येईल एवढ्या जाडीच्या पृष्ठभागाच्या निर्माण पद्धती गेल्या काही वर्षांमध्ये सुधारल्या आहेत. वैज्ञानिक आता ऑप्टिकल लेन्ससारख्या तुलनेने स्थूल सामग्रीऐवजी नॅनो-आकाराच्या मेटासरफेसेसच्या मदतीने प्रकाशाचे गुणधर्म बदलू शकतात.
मेटासरफेस आणि प्रकाश यांच्यातील परस्परसंवादाचा अभ्यास विद्युत चुंबकत्वाच्या नियमांच्या आधारे केला जातो, या परस्पर संवादाचे गणिती रुपांतर भौतिकशास्त्रज्ञ विशिष्ट अशा चार समीकरणाद्वारे करतात जी ‘मॅक्सवेल समीकरणे’ म्हणून ओळखली जातात. मेटासरफेसेस बनवणारे शास्त्रज्ञ संगणकावर ही समीकरणे सोडवून प्रकाश व भौतिक वस्तूंच्या दरम्यान होणाऱ्या परस्परसंवादाचा उपयोग अभिनव तांत्रिक प्रकल्पांच्या निर्मितीसाठी करतात. ही गणना पूर्ण होण्याचा कालावधी, मग तो काही तास किंवा अगदी काही दिवस असेल, सर्वस्वी संरचित पृष्ठभागाच्या जटीलतेवर अवलंबून असतो. एका नवीन अभ्यासानुसार, भारतीय तंत्रज्ञान संस्था, मुंबई (आयआयटी बॉम्बे) च्या संशोधकांनी प्रकाश व मेटासरफेसेसच्या परस्परसंवादाचा अभ्यास करण्यासाठी एक अभिनव संख्यात्मक पद्धत विकसित केली आहे. सायंटिफिक रिपोर्ट्स (Scientific Reports) या नियतकालिकात प्रकाशित झालेल्या या अभ्यासाला भारत सरकारच्या विज्ञान आणि तंत्रज्ञान विभाग तसेच भारतीय तंत्रज्ञान संस्था, मुंबई येथील औद्योगिक संशोधन व सल्लागार केंद्र यांनी अर्थसहाय्य दिले होते.
आपण मांडलेल्या संख्यात्मक पद्धतीची कार्यक्षमता सिद्ध करण्याच्या हेतूने संशोधकांनी उदाहरणादाखल एक प्रणाली तयार केली. त्यात त्यांनी सोन्याच्या दोन थरांच्या मधोमध सिलिकॉनचा एक थर भरून मेटासरफेस बनविला. सर्वात वरचा काही नॅनोमीटर जाडीचा जो सोन्याचा थर होता त्याच्या भौमितीय रचनेत बदल करून त्यांनी चार वेगवेगळ्या रचनाकृती तयार केल्या. या चार रचनाकृतींच्या जाडीमध्ये थोडेफार बदल करून त्यांनी बरेच मेटासरफेस तयार केले.
अभ्यासकांनी गणिती नियमांच्या आधारे, प्रत्येक मेटासरफेसमुळे त्यावर पडलेल्या प्रकाशकिरणांच्या ‘ध्रुवीकरण’ या विशिष्ट गुणधर्मावर कसा परिणाम होतो याचा अभ्यास केला. मेटासरफेसच्या दिशेने येणाऱ्या प्रकाश किरणांशी संवाद साधण्याबरोबरच, मेटामेटेरिल्स त्या किरणांची तीव्रता देखील वाढवतात. या अभ्यासाचे आद्य लेखक श्री. अभिषेक मल्ल म्हणतात, “प्रवर्धनामुळे पृष्ठभागावर चमकणाऱ्या प्रकाशाच्या तीव्रतेमध्ये होत असेलेले छोट्यात छोटे बदल शोधणे देखील सोपे होते.”
संगणकाच्या माध्यमातून, संशोधकांनी मेटासरफेसवर ठराविक ध्रुवीकरण मूल्य असलेला आभासी प्रकाश टाकला आणि त्याच्या विरुद्ध ध्रुवीकरण मूल्य असलेला प्रकाश निर्माण करण्याचे उद्दीष्ट ठेवले. श्री. अभिषेक म्हणतात, “हे करण्यासाठी, हवे असलेले आउटपुट मिळेपर्यंत प्रत्येक मेटासरफेससाठी इनपुट म्हणून मॅक्सवेलची समीकरणे आम्हाला सोडवावी लागली.” या प्रकारच्या संख्यात्मक गणनेमध्ये बराच वेळ आणि संगणकीय शक्ती खर्च होते. “या व्यतिरिक्त, रचनाकृती निर्मित करण्याच्या प्रक्रियेला मानवी प्रतिभाज्ञानामुळे मर्यादा पडतात आणि समीकरणे अचूकपणे सोडविण्यासाठी आवश्यक प्रतिभाज्ञान विकसित करणे अतिशय कठीण आहे,” असे अभ्यासाचे सह-लेखक प्रा. अंशुमन कुमार म्हणतात. या अडचणींवर मात करण्यासाठी, त्यांना मॅक्सवेलची समीकरणे न सोडवायला लागताही प्रकाश आणि मेटासरफेसमधील परस्परसंवादाचा अभ्यास करण्याची एक पद्धत विकसित करायची होती.
संशोधकांनी एक अल्गोरिदम विकसित केला आहे, ज्यानुसार मेटासरफेसमधील सर्वात वरच्या सोन्याच्या थराची कोणती भौमितीय रचना इच्छित आउटपुट देणारा प्रकाशकिरण मिळवण्यासाठी सुयोग्य आहे हे समजू शकते. अल्गोरिदम ऑप्टिकल प्रतिसादावर आधारित भौमितीय रचना तयार करण्यास सुरवात करतो आणि नंतर स्वतः मध्ये आवश्यक ते बदल घडवत घडवत वास्तविक रचनाकृतीच्या जवळ जाण्याचा प्रयत्न करतो. संशोधकांनी प्रत्येक व्युत्पन्न भौमितीय रचनेसाठी मॅक्सवेलची समीकरणे स्वतंत्रपणे सोडविली आणि अल्गोरिदम ऑप्टिकल प्रतिसादाचा योग्य अंदाज वर्तवतो की नाही हे सत्यापित केले.
हे तंत्र कृत्रिम बुद्धिमत्तेचा (Artificial Intelligence – AI) एक नमुना आहे." असे एआय-आधारित तंत्रज्ञान आजच्या घडीला खरेदीच्या याद्यांपासून व्हिडिओ शिफारसी, ऑनलाइन जाहिराती, सहाय्यक वैद्यकीय निदान, स्वनियंत्रित वाहने आणि सर्च इंजिनपर्यंत सर्वत्र प्रचलित आहेत," असे प्रा. कुमार म्हणतात.
मॅक्सवेलची समीकरणे सोडवणे ही एक वेळखाऊ बाब असल्याने संशोधकांच्या तुकडीने मॅक्सवेलच्या समीकरणांच्या उत्तरांची नक्कल करणारे आणखी एक एआय अल्गोरिदम तयार केले. जेव्हा त्यांनी अल्गोरिदमला नॅनोमीटर जाडीच्या सोन्याच्या थराची भौमितीय माहिती इनपुट म्हणून दिली, तेव्हा या अल्गोरिदमने त्यांना आउटपुट म्हणून ऑप्टिकल संबंधित माहिती पुरवली.
संशोधकांनी या दोन्ही अल्गोरिदमचे एकत्रीकरण केले, ज्याच्या आधारे इच्छित प्रतिसादासाठी योग्य भौमितीय नमुना ओळखणे शक्य झाले आणि या नमुन्याला मॅक्सवेलच्या समीकरणाबरहुकूम सत्यापित करण्याची संपूर्ण प्रक्रिया घडून आली. भौमितिक संरचनेचा योग्य अंदाज लावण्यासाठी एकत्रित अल्गोरिदमला केवळ अकरा मिलीसेकंद एवढाच वेळ लागतो. श्री. अभिषेक स्पष्ट करतात, “जेव्हा आमच्या अपेक्षेप्रमाणे अल्गोरिदम कार्यरत असतात, तेव्हा आम्ही फक्त ऑप्टिकल प्रतीसादाविषयीची माहिती पुरवतो आणि काही क्षणातच आम्हाला मेटासरफेसची आवश्यक असलेली भौमितीय माहिती, त्याच्या प्रमाणीकरणासहित मिळते.” सध्या, जी उपकरणे त्यांच्या मेटासरफेससारखे समान कार्य करतात त्यांची जाडी मिलीमीटरपेक्षाही जास्त असते. “परंतु आमच्या अल्गोरिदमचा वापर केल्यास संशोधकांना त्यांच्या प्रयोगाला आवश्यक असलेली मेटासरफेसची जाडी निर्दिष्ट करण्याचे स्वातंत्र्य मिळू शकते,” असे ते पुढे म्हणाले.
प्रस्तुत अभ्यासात संशोधकांनी फक्त चार वेगवेगळ्या प्रकारच्या भौमितीय नमुन्यांचा वापर केला. “परंतु, आमचे एआय-आधारित अल्गोरिदम अनेक नवीन, सुविकसित मेटासरफेसची रचना करु शकतात, ज्या आम्ही या प्रयोगात निर्दिष्ट केलेल्या नाहीत,” असे प्रा. कुमार सांगतात. अल्गोरिदमचे हे वैशिष्ट्य एकाचवेळी अनेक प्रयोग पार पाडण्यात कुशल असलेल्या मेटासर्फेसेसची रचना करण्यात उपयुक्त ठरू शकते. “सध्या, आम्ही वापरकर्त्यांच्या अतिशय कडक निर्देशांसह देखील काम करण्यात तत्पर अशा अल्गोरिदमची निर्मिती करीत आहोत. दोन्ही अल्गोरिदममधील सर्वोत्तम खुब्या वापरून उत्कृष्ट कामगिरी करण्यासाठी हे मेटासरफेस अगदी हलक्या वजनाचे व अतिशय पातळ असावे अशी आमची इच्छा आहे.” असे ते शेवटी म्हणाले.