विज्ञान के तौर-तरीकों पर नए सिरे से विचार के लिए 31 परियोजनाएं चुनी गईं
जापान की नई ARiSE पहल कृत्रिम बुद्धिमत्ता के जरिए परिकल्पनाएं तैयार करने, प्रयोगों की योजना बनाने और उन्हें संचालित करने, परिणामों का विश्लेषण करने तथा आगे की जांच तय करने वाले वैज्ञानिक अनुसंधान के लिए ¥32 अरब देगी। जापान विज्ञान एवं प्रौद्योगिकी एजेंसी (JST) ने 203 आवेदनों में से 31 परियोजनाएं चुनी हैं। इनके लिए अक्टूबर 2026 से मार्च 2029 तक, लगभग ढाई साल की अवधि में धन दिया जाएगा।
विषय-सूची
- विज्ञान के तौर-तरीकों पर नए सिरे से विचार के लिए 31 परियोजनाएं चुनी गईं
- राष्ट्रीय रणनीति आकार ले रही है
- अलग भूमिकाओं वाली दो वित्तपोषण श्रेणियां
- सामग्री विज्ञान का डेटा बनेगा साझा अनुसंधान मंच
- असफल प्रयोगों से सीखने वाला जीनोम मॉडल
- स्वचालित उपकरणों से स्वायत्त अनुसंधान सुविधा तक
- वैज्ञानिक सिद्धांत AI का हिस्सा बनेंगे
- कैंसर अनुसंधान पैटर्न पहचानने से आगे बढ़ेगा
- कंप्यूटिंग तक पहुंच और साझा उपयोग से तय होगा अमल
- मुख्य बातें
JST की 29 सितंबर की चयन घोषणा के अनुसार, रणनीतिक लक्ष्य श्रेणी में 12 और अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी में 19 परियोजनाएं चुनी गईं। दस्तावेजों की समीक्षा और साक्षात्कार में कुल 82 सलाहकारों ने हिस्सा लिया। अनुबंध और अन्य तैयारियां पूरी होने के बाद अनुसंधान शुरू होगा; यह घोषणा की तारीख से अपने-आप शुरू नहीं होगा।
ARiSE का पूरा नाम AI to Redesign Scientific Exploration है। इसका उद्देश्य किसी डेटासेट का प्रसंस्करण करने या वैज्ञानिक शोधपत्रों का सारांश बनाने के लिए AI का इस्तेमाल करने से कहीं आगे है। यह कार्यक्रम डिजिटल तर्क-विचार को वास्तविक प्रयोगों से जोड़ना चाहता है, ताकि प्रयोगों के नतीजे AI को बेहतर परिकल्पनाएं और डिजाइन विकसित करने में मदद दें और यह चक्र बार-बार दोहराया जा सके।
कुल चयन दर लगभग 15.3% रही, जिसकी गणना 203 आवेदनों में से 31 सफल प्रस्तावों के आधार पर की गई है। रणनीतिक लक्ष्य श्रेणी में 70 में से 12 प्रस्ताव स्वीकार किए गए, यानी करीब 17.1%, जबकि अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी में 133 में से 19, यानी लगभग 14.3% प्रस्ताव स्वीकार हुए। ये आंकड़े चयन की प्रतिस्पर्धा दिखाते हैं, लेकिन इनसे यह पता नहीं चलता कि व्यक्तिगत परियोजनाओं की रैंकिंग क्या थी या आखिरकार धन का वितरण कैसे होगा।
कार्यक्रम के निदेशक तोहोकू विश्वविद्यालय के कार्यकारी उपाध्यक्ष ताकाफुमी आओकी हैं। नेशनल इंस्टीट्यूट ऑफ इन्फॉर्मेटिक्स (NII) के निदेशक सदाओ कुरोहाशी रणनीतिक लक्ष्य श्रेणी की देखरेख करते हैं। RIKEN के सेंटर फॉर एडवांस्ड इंटेलिजेंस प्रोजेक्ट के उपनिदेशक शुनिची उएदा अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी की देखरेख करते हैं।
राष्ट्रीय रणनीति आकार ले रही है
ARiSE, शिक्षा, संस्कृति, खेल, विज्ञान एवं प्रौद्योगिकी मंत्रालय की विज्ञान के लिए AI को बढ़ावा देने की रणनीति के तहत शुरू हुई है। यह रणनीति 31 मार्च 2026 को अपनाई गई थी। JST इस पहल को एक प्रमुख कार्यक्रम बताता है, जिसका उद्देश्य उन क्षेत्रों में निवेश केंद्रित करना है जहां जापान की वैज्ञानिक ताकत अंतरराष्ट्रीय स्तर पर प्रतिस्पर्धी नतीजे दे सकती है। साथ ही, विदेशों के अग्रणी शोधकर्ताओं के साथ सहयोग को भी समर्थन दिया जाएगा।
मंत्रालय के अनुसंधान प्रोत्साहन ब्यूरो ने 16 अप्रैल 2026 को ARiSE की मूल नीति का पृष्ठ प्रकाशित किया। उस पृष्ठ पर 262 KB के नीति दस्तावेज का लिंक है, लेकिन दस्तावेज के विस्तृत प्रावधान उसके पाठ में नहीं दिए गए हैं।
नीति बनाने से लेकर परियोजनाओं के चयन तक की प्रक्रिया अपेक्षाकृत कम समय में पूरी हुई:
- 31 मार्च 2026: मंत्रालय ने विज्ञान के लिए AI को बढ़ावा देने की मूल रणनीतिक नीति अपनाई।
- 16 अप्रैल 2026: अनुसंधान प्रोत्साहन ब्यूरो ने ARiSE की मूल नीति का पृष्ठ प्रकाशित किया।
- 12 मई से 30 जून 2026: JST ने अनुसंधान प्रस्ताव स्वीकार किए।
- 29 सितंबर 2026: JST ने चुनी गई 31 परियोजनाओं की घोषणा की।
- 2 अक्टूबर 2026: तोहोकू विश्वविद्यालय ने अपनी तीन सफल परियोजनाओं की घोषणा की।
- 13 अक्टूबर 2026: JST ने पहल की पृष्ठभूमि और नियोजित संचालन की जानकारी देने के लिए एक ब्रीफिंग आयोजित की।
- मार्च 2029: मौजूदा अनुसंधान वित्तपोषण अवधि समाप्त होने की योजना है।
JST के अध्यक्ष काज़ुहितो हाशिमोतो का कहना है कि जापान केवल निवेश की मात्रा के आधार पर अमेरिका और चीन की बराबरी नहीं कर सकता। इसके बजाय जापान को उन क्षेत्रों पर ध्यान देना चाहिए जहां उसके पास मूल्यवान वैज्ञानिक डेटा, विशेषज्ञ ज्ञान, प्रयोग करने की क्षमता और रोबोटिक्स की विशेषज्ञता जमा है।
उनकी चिंता निर्भरता को लेकर भी है। यदि जापानी शोधकर्ता केवल विदेशों में विकसित AI का इस्तेमाल करते हैं, तो बुनियादी तकनीक और कंप्यूटिंग संसाधन दूसरे देशों के नियंत्रण में रह सकते हैं। इसलिए ARiSE घरेलू मॉडल विकास को अंतरराष्ट्रीय सहयोग के साथ जोड़ता है, न कि दोनों को एक-दूसरे का विकल्प मानता है।
अलग भूमिकाओं वाली दो वित्तपोषण श्रेणियां
रणनीतिक लक्ष्य श्रेणी में सामग्री विज्ञान, जीवन विज्ञान और बड़ी अनुसंधान सुविधाओं एवं उपकरणों से जुड़ी बड़ी टीमों को समर्थन दिया जाता है। इसमें चुनी गई 12 परियोजनाओं में छह सामग्री विज्ञान, चार जीवन विज्ञान और दो बड़ी सुविधाओं या उपकरणों से संबंधित हैं।
सामग्री विज्ञान की परियोजनाएं तीन लक्ष्यों में बांटी गई हैं। लक्ष्य 1-1 और 1-2 में एक-एक परियोजना चुनी गई है, जिनमें प्रति परियोजना वित्तपोषण की अनुमानित अधिकतम सीमा ¥3 अरब है। लक्ष्य 1-3 में चार परियोजनाएं हैं, जिनमें हर एक के लिए अधिकतम सीमा लगभग ¥1 अरब है। जीवन विज्ञान और बड़ी सुविधा से जुड़ी परियोजनाओं के लिए प्रति परियोजना अनुमानित अधिकतम सीमा ¥2 अरब है। ये वित्तपोषण की सीमाएं हैं, हर टीम को मिलने वाली पक्की राशि नहीं।
अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी सभी वैज्ञानिक क्षेत्रों के लिए खुली है। इसके तहत ऐसे अनुसंधान को समर्थन दिया जाता है जिसमें वैज्ञानिक सिद्धांतों, नियमों और संरचनात्मक ज्ञान को AI में शामिल किया जाए। आम तौर पर प्रति परियोजना ¥200 मिलियन का वित्तपोषण तय है। लक्ष्य हासिल करने के लिए जरूरी होने पर प्रस्तावों में अधिकतम ¥650 मिलियन मांगे जा सकते हैं।
हर प्रस्ताव में AI के एक शोधकर्ता और संबंधित वैज्ञानिक विषय के एक शोधकर्ता को संयुक्त प्रमुख के तौर पर शामिल करना जरूरी है। टीमों को शुरुआत से ही कंप्यूटिंग जरूरतों की योजना बनानी होगी, अंतरराष्ट्रीय सहयोग करना होगा, डेटा साझा करने और उसकी सुरक्षा के नियम तय करने होंगे तथा अनुसंधान सुरक्षा से जुड़े पहलुओं पर काम करना होगा। इन शर्तों के तहत वैज्ञानिक विशेषज्ञता और बुनियादी ढांचे की योजना अनुसंधान डिजाइन का हिस्सा हैं, न कि AI मॉडल चुन लेने के बाद जोड़ी जाने वाली बातें।
सामग्री विज्ञान का डेटा बनेगा साझा अनुसंधान मंच
सामग्री विज्ञान की एक प्रमुख परियोजना का उद्देश्य जापान में संचित सामग्री विज्ञान के डेटा को घरेलू बड़े भाषा मॉडलों और विशिष्ट AI से जोड़ना है। नेशनल इंस्टीट्यूट फॉर मैटेरियल्स साइंस (NIMS) से जुड़े डेटा और अनुसंधान संसाधनों का इस्तेमाल राष्ट्रीय सामग्री AI मंच बनाने में किया जाएगा।
प्रस्तावित मंच की कई परस्पर जुड़ी परतें होंगी: AI के इस्तेमाल के लिए तैयार डेटा और विश्लेषण उपकरण, सामग्री विज्ञान के आधारभूत मॉडल, खोज और डिजाइन में मदद करने वाले AI एजेंट तथा उन्नत प्रयोगात्मक उपकरण। आधारभूत मॉडल एक व्यापक रूप से प्रशिक्षित मॉडल होता है, जो कई तरह के अनुसंधान कार्यों के लिए शुरुआती आधार बन सकता है। AI एजेंट किसी तय लक्ष्य की दिशा में उपकरणों का इस्तेमाल कर सकते हैं और अलग-अलग कदमों का समन्वय कर सकते हैं।
इस अनुसंधान चक्र में AI किसी सामग्री या प्रयोग की स्थिति का प्रस्ताव देगा। फिर उससे जुड़े उपकरण प्रयोग करेंगे और नतीजे अगले डिजाइन के लिए वापस मॉडल को दिए जाएंगे। लक्ष्य यह है कि यह क्षमता सामग्री विज्ञान के शोधकर्ताओं के व्यापक समुदाय को उपलब्ध हो, न कि केवल AI में गहरी विशेषज्ञता वाली कुछ टीमों तक सीमित रहे।
तोहोकू विश्वविद्यालय की चुनी गई तीन परियोजनाएं दिखाती हैं कि यह राष्ट्रीय पहल विशिष्ट अनुसंधान कार्यक्रमों से कैसे जुड़ती है। प्रोफेसर यू कुमागाई AI के जरिए मजबूत ठोस सामग्री विकसित करने के मंच का नेतृत्व कर रहे हैं। प्रोफेसर गोरो मियामोतो और मोतोकी शिगा संयुक्त अनुसंधान प्रमुख हैं।
तोहोकू की दूसरी परियोजना लोगों और AI के सहयोग से चुंबकीय सामग्री को स्वायत्त रूप से बनाने और उनके गुणों के पीछे के तंत्र को समझने पर केंद्रित है। इसका नेतृत्व प्रोफेसर ताकाफुमी हिरोहाता कर रहे हैं। NIMS के युमा इवासाकी और ओसाका विश्वविद्यालय के प्रोफेसर कांता ओनो संयुक्त प्रमुख हैं।
तोहोकू की तीसरी चुनी गई परियोजना, जो अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी में है, सुनामी वर्ल्ड मॉडल है। इसका नेतृत्व प्रोफेसर शुनिची कोशिमुरा कर रहे हैं। उनके साथ प्रोफेसर केंटारो इनुई और नेशनल रिसर्च इंस्टीट्यूट फॉर अर्थ साइंस एंड डिजास्टर रेजिलिएंस के युइचिरो उसुदा संयुक्त प्रमुख हैं। इसका चयन दिखाता है कि ARiSE का दायरा प्रयोगशालाओं में सामग्री विज्ञान और जीवविज्ञान तक सीमित नहीं है, हालांकि विश्वविद्यालय की घोषणा में मॉडल की नियोजित क्षमताओं का विवरण नहीं दिया गया।
असफल प्रयोगों से सीखने वाला जीनोम मॉडल
जीवन विज्ञान कार्यक्रम में करीब चार अरब पैरामीटर वाला एक जीनोम भाषा मॉडल शामिल है, जिसका दायरा पौधों, जानवरों, मनुष्यों और सूक्ष्मजीवों तक होगा। शब्दों पर प्रशिक्षित पारंपरिक भाषा मॉडल से अलग, जीनोम भाषा मॉडल DNA अनुक्रमों में पैटर्न सीखता है, ताकि जैविक कार्यों और जीनोम डिजाइन पर अनुसंधान में मदद मिल सके।
पैरामीटर वे संख्यात्मक मान होते हैं जिन्हें मॉडल प्रशिक्षण के दौरान समायोजित करता है। प्रस्तावित मॉडल करीब सात अरब पैरामीटर वाले मौजूदा मॉडल पर आधारित होगा। ये आंकड़े मॉडल के आकार को बताते हैं, यह साबित नहीं करते कि नया मॉडल अपने पूर्ववर्ती से बेहतर होगा। इसका वैज्ञानिक महत्व इस बात पर निर्भर करेगा कि इसके साथ कौन-सा जैविक डेटा, प्रयोग और सीखने की प्रक्रिया जुड़ी है।
इस परियोजना में डिजाइन, निर्माण, परीक्षण और सीख (Design, Build, Test, Learn) का चक्र अपनाया जाएगा। शोधकर्ता किसी अनुक्रम या परिकल्पना को डिजाइन करेंगे, उसे तैयार कर प्रयोगों से जांचेंगे और फिर नतीजे मॉडल को लौटाएंगे। सफल नतीजों, असफल प्रयोगों और आनुवंशिक संसाधनों, सभी से आगे सीखने में मदद मिलने की उम्मीद है। असफल प्रयोगों को शामिल करना अहम है, क्योंकि नाकाम प्रयोग से यह पता चल सकता है कि कौन-से डिजाइन या परिस्थितियां काम नहीं करतीं।
इस मॉडल को जीवन विज्ञान के शोधकर्ताओं के लिए साझा संसाधन बनाने की योजना है। इसके व्यावहारिक इस्तेमाल के लिए Bio-AGILE संघ के जरिए काम किया जाएगा। जैवसुरक्षा और मॉडल सुरक्षा को परियोजना का स्पष्ट हिस्सा बनाया गया है। जैविक डिजाइन में मदद करने वाले उपकरण के साथ, उसकी पूर्वानुमान क्षमता में सुधार के अलावा सुरक्षा उपाय भी जरूरी हैं।
स्वचालित उपकरणों से स्वायत्त अनुसंधान सुविधा तक
मानवरहित अनुसंधान सुविधा विकसित करने वाली परियोजना में इंस्टीट्यूट ऑफ साइंस टोक्यो, RIKEN और Epistora शामिल हैं। Epistora की परियोजना घोषणा के अनुसार, इंस्टीट्यूट ऑफ साइंस टोक्यो के प्रोफेसर गेन्की कांडा अनुसंधान का नेतृत्व कर रहे हैं। RIKEN के वैज्ञानिक आधारभूत मॉडल विकास कार्यक्रम के परियोजना निदेशक कोइची ताकाहाशी और Epistora के CEO योसुके ओज़ावा संयुक्त प्रमुख हैं।
यह परियोजना रणनीतिक लक्ष्य 3 के तहत है, जिसमें बड़ी अनुसंधान सुविधाओं में संचालन को बेहतर बनाने, स्वचालन, स्वायत्त संचालन तथा प्रयोगों की योजना और डेटा विश्लेषण में सुधार पर काम किया जाता है। इसके तहत ऐसे AI एजेंट और आधारभूत मॉडल विकसित कर उनका प्रदर्शन किया जाएगा, जो अनुसंधान योजनाओं, प्रयोगात्मक उपकरणों और उनसे मिलने वाले डेटा को आपस में जोड़ें।
स्वचालित उपकरण और स्वायत्त सुविधा के बीच व्यावहारिक अंतर है। कोई रोबोट एक प्रयोग कर सकता है, लेकिन लोगों को फिर भी उपकरण तैयार करने, नमूने लाने-ले जाने, आपूर्ति भरने, उपकरणों का समय तय करने और रुकावटों के बाद काम बहाल करने की जरूरत पड़ सकती है। ARiSE का लक्ष्य प्रयोग के साथ-साथ इनसे जुड़े कामों को भी हल करना है।
प्रस्तावित सुविधा के तीन परस्पर जुड़े हिस्से हैं। इसकी सूचना प्रणालियां अनुसंधान के उद्देश्य, परिकल्पनाएं, प्रयोग योजनाएं, विश्लेषण और आगे के प्रयोगों के बारे में फैसले संभालेंगी। संचालन प्रणालियां उपकरण, समय और सामग्री का आवंटन करेंगी। भौतिक प्रणालियां सामान पहुंचाने, आपूर्ति भरने और काम बहाल करने को स्वचालित करेंगी।
लोग हर कदम को खुद संभालने के बजाय पूरी प्रक्रिया की निगरानी करेंगे। इस सुविधा का लक्ष्य कैंसर, प्रतिरक्षा, टीके, उम्र बढ़ने और पुनर्योजी चिकित्सा पर लगातार अनुसंधान को समर्थन देना है। Epistora का कहना है कि वह AI और रोबोटिक्स से जुड़े करीब एक दशक के अनुसंधान का अनुभव लाती है। इसमें प्रेरित बहुशक्तिशाली स्टेम कोशिकाओं को रेटिनल पिगमेंट एपिथीलियल कोशिकाओं में बदलने की स्थितियों को अनुकूल बनाने का काम भी शामिल है। ये कोशिकाएं रेटिना को सहारा देती हैं।
कुरोहाशी ने कहा कि ऐसी सुविधाएं विकसित होने की अनुमानित समयसीमा पहले 2050 के आसपास से घटकर 2040 और फिर 2030 के आसपास आ रही है, क्योंकि AI और रोबोटिक्स तेजी से आगे बढ़ रहे हैं। यह बदलता हुआ अनुमान है, इस बात की गारंटी नहीं कि मार्च 2029 में ARiSE की वित्तपोषण अवधि खत्म होने से पहले पूरी तरह स्वायत्त सुविधा चालू हो जाएगी।
वैज्ञानिक सिद्धांत AI का हिस्सा बनेंगे
अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी में अधिक सक्षम वैज्ञानिक AI तक पहुंचने का तरीका अलग है। उएदा का दृष्टिकोण वैज्ञानिक सिद्धांतों को केवल किसी अन्यथा पारंपरिक मॉडल पर लगाई गई सीमा मानने के बजाय, उन्हें मॉडल की संरचना, निरूपण और सीखने के सिद्धांतों में शामिल करता है।
इसमें सममिति, अपरिवर्तनशीलता, कारणता, सीमा-शर्तें और स्केलिंग के नियम जैसे ज्ञान शामिल हैं। सरल शब्दों में, ये बताते हैं कि किसी प्रणाली में बदलाव होने पर कौन-से संबंध कायम रहने चाहिए, कारण नतीजों से कैसे जुड़ते हैं और वैज्ञानिक मॉडल किन परिस्थितियों में लागू होता है। AI में इस तरह का ज्ञान शामिल करने का उद्देश्य कम डेटा होने या प्रशिक्षण के दौरान देखी गई परिस्थितियों से अलग स्थितियों में तर्क-विचार को बेहतर बनाना है।
चुनी गई एक परियोजना वैज्ञानिक परिकल्पनाएं तैयार करने और गणितीय एवं भौतिक सिद्धांतों से उनकी वैधता जांचने के लिए गणितीय भौतिकी और AI को जोड़ती है। इसका उद्देश्य कोई विश्वसनीय लगने वाला कथन तैयार करने और यह स्थापित करने के बीच की दूरी घटाना है कि वह कथन सही है या नहीं। स्वायत्त सत्यापन अनुसंधान का लक्ष्य है, कार्यक्रम की पहले से प्रदर्शित क्षमता नहीं।
एक अन्य परियोजना मेटल ऑर्गेनिक फ्रेमवर्क (MOF) पर केंद्रित है। ये छिद्रयुक्त सामग्री हैं, जिनका गैस सोखने और अलग करने जैसे कामों के लिए अध्ययन किया जाता है। इनके गुण संश्लेषण और प्रयोग की परिस्थितियों के अनुसार बदल सकते हैं। परियोजना बदलते वैज्ञानिक निरूपण, प्रतितथ्यात्मक तर्क-विचार और शोधकर्ताओं की प्रतिक्रिया को जोड़कर यह पता लगाएगी कि किसी स्थिति में बदलाव से नतीजा कैसे बदल सकता है।
प्रतितथ्यात्मक तर्क-विचार का मतलब है मौजूदा अवलोकनों में केवल पैटर्न पहचानने के बजाय यह पूछना कि किसी अलग स्थिति में क्या होगा। शोधकर्ता परिकल्पनाओं और तर्क-विचार का आकलन करेंगे और फिर अपने निष्कर्ष AI को देंगे। इसलिए इस परियोजना में इंसानों की सीधी भागीदारी बनी रहेगी, जबकि मानवरहित सुविधा वाली परियोजना संचालन में कहीं अधिक स्वायत्तता हासिल करने की कोशिश कर रही है।
कैंसर अनुसंधान पैटर्न पहचानने से आगे बढ़ेगा
कैंसर से जुड़ी एक अलग परियोजना ऊतकों की संरचना, कोशिकाओं के आकार, जीन अभिव्यक्ति और कैंसर कोशिकाओं, प्रतिरक्षा कोशिकाओं तथा आसपास की अन्य कोशिकाओं के बीच की अंतःक्रियाओं को जोड़ेगी। इसका उद्देश्य ऐसे मॉडल बनाना है जो केवल कैंसर से जुड़े लक्षणों को पहचानने के बजाय, बीमारी के तंत्र पर तर्क-विचार कर सकें।
यह काम अवलोकन के दो स्तरों को जोड़ेगा। ऊतक की बनावट के आधार पर मॉडल यह अनुमान लगाएगा कि अलग-अलग कोशिकाएं कैसे व्यवहार करती हैं। उन व्यवहारों के आधार पर यह अनुमान लगाया जाएगा कि ऊतक की स्थिति कैसे बदलती है। स्थान और समय, दोनों का अध्ययन करने से शोधकर्ताओं को यह जांचने में मदद मिल सकती है कि आसपास के जैविक वातावरण में कैंसर कैसे विकसित होता है।
इसके प्रस्तावित इस्तेमाल में बीमारी के तंत्र की खोज, रोग के पूर्वानुमान और उपचारों की पड़ताल शामिल हैं। ये अनुसंधान के अपेक्षित नतीजे हैं। ARiSE में चयन से यह साबित नहीं होता कि उपचार चिकित्सकीय रूप से प्रभावी है या निदान अथवा उपचार का कोई उपकरण मरीजों के लिए तैयार है।
कंप्यूटिंग तक पहुंच और साझा उपयोग से तय होगा अमल
ARiSE प्रस्ताव के चरण में ही कंप्यूटिंग की योजनाएं मांगता है, क्योंकि मॉडल को प्रशिक्षित करने और चलाने में अनुसंधान के बजट का बड़ा हिस्सा खर्च हो सकता है। JST विश्वविद्यालयों, सार्वजनिक अनुसंधान संस्थानों, कंपनियों और RIKEN के संसाधनों को जोड़ना चाहता है। जरूरत पड़ने पर विदेशों में उपलब्ध व्यावसायिक कंप्यूटिंग संसाधनों के इस्तेमाल की भी अनुमति होगी।
RIKEN के उस AI सुपरकंप्यूटर के नाम को लेकर विवरणों में अंतर है जिस पर विचार किया जा रहा है: एक विवरण में उसका नाम RIKEN बताया गया है, जबकि अक्टूबर की ब्रीफिंग में उसे 理究 कहा गया। दोनों में इस बात पर सहमति है कि अन्य संसाधनों के साथ घरेलू कंप्यूटिंग का भी इस्तेमाल होगा। अलग-अलग परियोजनाओं को कितनी कंप्यूटिंग क्षमता दी जाएगी, यह अभी तय नहीं किया गया है।
कार्यक्रम का उद्देश्य उपयोगी मॉडल, एजेंट, उपकरण और मूल्यांकन के तरीकों को चुनी गई टीमों से बाहर भी व्यापक रूप से उपलब्ध कराना है। JST की योजना NII के SINET अकादमिक नेटवर्क और NII RDC अनुसंधान डेटा ढांचे से जुड़ने की है। इन कड़ियों का उद्देश्य पूरे जापान के शोधकर्ताओं को परिणामों तक पहुंच देना और सामग्री विज्ञान, जीवन विज्ञान तथा अनुसंधान सुविधाओं से जुड़ी परियोजनाओं के बीच आदान-प्रदान को समर्थन देना है।
साझा करने का मतलब यह नहीं होगा कि सब कुछ प्रकाशित कर दिया जाएगा। प्रतिस्पर्धा या सुरक्षा के कारण जिन डेटा या नतीजों को सुरक्षित रखना जरूरी है, वे गोपनीय रह सकते हैं। चयन के बाद से ही अनुसंधान सुरक्षा की शर्तें लागू होंगी। जीनोम परियोजना पर जैवसुरक्षा और मॉडल सुरक्षा की विशेष जिम्मेदारियां भी हैं।
कार्यक्रम अधिकारी प्रगति की समीक्षा करेंगे और जरूरी बदलावों में मदद देंगे। इसमें अनुसंधान के काम का विस्तार, नए अंतरराष्ट्रीय साझेदार जोड़ना और संयुक्त आयोजन करना शामिल है। यह लचीलापन उस जोखिम को ध्यान में रखता है कि 2026 में तय योजना 2029 तक पुरानी पड़ सकती है। उपलब्ध जानकारी में अलग-अलग अनुबंध शुरू होने की तारीखें, अंतिम अनुदान राशि, कंप्यूटिंग संसाधनों का आवंटन या सार्वजनिक मॉडल जारी करने का विस्तृत कार्यक्रम तय नहीं है।
मुख्य कसौटी यह होगी कि क्या ये परियोजनाएं जापान की वैज्ञानिक संपदा को काम करने वाले AI सिस्टम, दोहराए जा सकने वाले प्रयोगों और ऐसे संसाधनों से जोड़ पाती हैं जिनका दूसरे शोधकर्ता वास्तव में उपयोग कर सकें। ARiSE ने दिशा तय की है, लेकिन इससे मिलने वाली खोजों, स्वायत्त क्षमताओं और साझा मंचों को अभी विकसित और प्रदर्शित करना बाकी है।
मुख्य बातें
- ARiSE के लिए अक्टूबर 2026 से मार्च 2029 तक, लगभग ढाई साल की अवधि में ¥32 अरब का वित्तपोषण है।
- JST ने 203 आवेदनों में से 31 परियोजनाएं चुनीं। चयन दर लगभग 15.3% रही।
- रणनीतिक लक्ष्य श्रेणी में 12 और अंतरराष्ट्रीय एवं अंतर्विषयक श्रेणी में 19 परियोजनाएं हैं।
- प्रमुख पहलों में सामग्री विज्ञान का AI मंच, करीब चार अरब पैरामीटर वाला जीनोम मॉडल और मानवरहित अनुसंधान सुविधा शामिल हैं।
- चुने गए अनुसंधान में गणितीय भौतिकी, MOF, कैंसर के तंत्र और सुनामी वर्ल्ड मॉडल भी शामिल हैं।
- घरेलू कंप्यूटिंग और साझा अनुसंधान ढांचा प्राथमिकता हैं। जरूरत पड़ने पर विदेशी संसाधनों के इस्तेमाल की अनुमति है।
- अलग-अलग परियोजनाओं के शुरू होने की तारीखें अनुबंधों और तैयारियों पर निर्भर करेंगी। स्वायत्त सुविधाएं और वैज्ञानिक अनुप्रयोग अभी विकास के लक्ष्य हैं।
