තීරණාත්මක උපායමාර්ගික දුර්ලභ ලෝහයක් ලෙස, ටෙලූරියම් සූර්ය කෝෂ, තාප විද්‍යුත් ද්‍රව්‍ය සහ අධෝරක්ත හඳුනාගැනීමේ වැදගත් යෙදුම් සොයා ගනී. සාම්ප්‍රදායික පිරිසිදු කිරීමේ ක්‍රියාවලීන් අඩු කාර්යක්ෂමතාව, ඉහළ ශක්ති පරිභෝජනය සහ සීමිත සංශුද්ධතාවය වැඩිදියුණු කිරීම වැනි අභියෝගවලට මුහුණ දෙයි. කෘතිම බුද්ධි තාක්ෂණයන්ට ටෙලූරියම් පිරිසිදු කිරීමේ ක්‍රියාවලීන් පුළුල් ලෙස ප්‍රශස්ත කළ හැකි ආකාරය මෙම ලිපිය ක්‍රමානුකූලව හඳුන්වා දෙයි.

1. ටෙලූරියම් පිරිසිදු කිරීමේ තාක්ෂණයේ වත්මන් තත්ත්වය

1.1 සාම්ප්‍රදායික ටෙලුරියම් පිරිසිදු කිරීමේ ක්‍රම සහ සීමාවන්

ප්‍රධාන පිරිසිදු කිරීමේ ක්‍රම:

• රික්ත ආසවනය: අඩු තාපාංක-අවශේෂ ඉවත් කිරීමට සුදුසු (උදා: Se, S)
• කලාප පිරිපහදු කිරීම: ලෝහමය අපද්‍රව්‍ය ඉවත් කිරීම සඳහා විශේෂයෙන් ඵලදායී වේ (උදා: Cu, Fe)
• විද්‍යුත් විච්ඡේදක පිරිපහදු කිරීම: විවිධ අපද්‍රව්‍ය ගැඹුරින් ඉවත් කිරීමේ හැකියාව.
• රසායනික වාෂ්ප ප්‍රවාහනය: අතිශය ඉහළ සංශුද්ධතාවයකින් යුත් ටෙලුරියම් (6N ශ්‍රේණිය සහ ඊට වැඩි) නිපදවිය හැක.

ප්‍රධාන අභියෝග:

• ක්‍රියාවලි පරාමිතීන් ක්‍රමානුකූල ප්‍රශස්තිකරණයට වඩා අත්දැකීම් මත රඳා පවතී.
• අපිරිසිදු ද්‍රව්‍ය ඉවත් කිරීමේ කාර්යක්ෂමතාව බාධක කරා ළඟා වේ (විශේෂයෙන් ඔක්සිජන් සහ කාබන් වැනි ලෝහ නොවන අපද්‍රව්‍ය සඳහා)
• ඉහළ බලශක්ති පරිභෝජනය නිෂ්පාදන පිරිවැය ඉහළ යාමට හේතු වේ
• සැලකිය යුතු කාණ්ඩයෙන් කාණ්ඩයට සංශුද්ධතා වෙනස්කම් සහ දුර්වල ස්ථායිතාව

1.2 ටෙලුරියම් පිරිසිදු කිරීමේ ප්‍රශස්තිකරණය සඳහා තීරණාත්මක පරාමිතීන්

මූලික ක්‍රියාවලි පරාමිති අනුකෘතිය:

2. ටෙලුරියම් පිරිසිදු කිරීම සඳහා AI යෙදුම් රාමුව

2.1 සමස්ත තාක්ෂණික ගෘහ නිර්මාණ ශිල්පය

ත්‍රි-ස්ථර AI ප්‍රශස්තිකරණ පද්ධතිය:

1. පුරෝකථන ස්ථරය: යන්ත්‍ර ඉගෙනීම මත පදනම් වූ ක්‍රියාවලි ප්‍රතිඵල පුරෝකථන ආකෘති
2. ප්‍රශස්තිකරණ ස්ථරය: බහු-වෛෂයික පරාමිති ප්‍රශස්තිකරණ ඇල්ගොරිතම
3. පාලන ස්ථරය: තත්‍ය කාලීන ක්‍රියාවලි පාලන පද්ධති

2.2 දත්ත අත්පත් කර ගැනීමේ සහ සැකසුම් පද්ධතිය

බහු-මූලාශ්‍ර දත්ත ඒකාබද්ධ කිරීමේ විසඳුම:

• උපකරණ සංවේදක දත්ත: උෂ්ණත්වය, පීඩනය, ප්‍රවාහ අනුපාතය ඇතුළුව පරාමිතීන් 200+
• ක්‍රියාවලි අධීක්ෂණ දත්ත: මාර්ගගත ස්කන්ධ වර්ණාවලීක්ෂය සහ වර්ණාවලීක්ෂ විශ්ලේෂණ ප්‍රතිඵල
• රසායනාගාර විශ්ලේෂණ දත්ත: ICP-MS, GDMS ආදියෙන් ලබාගත් නොබැඳි පරීක්ෂණ ප්‍රතිඵල.
• ඓතිහාසික නිෂ්පාදන දත්ත: පසුගිය වසර 5 තුළ නිෂ්පාදන වාර්තා (කාණ්ඩ 1000+)

විශේෂාංග ඉංජිනේරු විද්‍යාව:

• ස්ලයිඩින් කවුළු ක්‍රමය භාවිතයෙන් කාල ශ්‍රේණි විශේෂාංග නිස්සාරණය
• අපිරිසිදු සංක්‍රමණ චාලක ලක්ෂණ ගොඩනැගීම
• ක්‍රියාවලි පරාමිති අන්තර්ක්‍රියා අනුකෘති සංවර්ධනය
• ද්‍රව්‍ය හා බලශක්ති සමතුලිතතාවයේ ලක්ෂණ ස්ථාපිත කිරීම

3. සවිස්තරාත්මක මූලික AI ප්‍රශස්තිකරණ තාක්ෂණයන්

3.1 ගැඹුරු ඉගෙනුම් පාදක ක්‍රියාවලි පරාමිති ප්‍රශස්තිකරණය

ස්නායු ජාල ගෘහ නිර්මාණ ශිල්පය:

• ආදාන ස්ථරය: 56-මාන ක්‍රියාවලි පරාමිතීන් (සාමාන්‍යකරණය)
• සැඟවුණු ස්ථර: LSTM ස්ථර 3 (නියුරෝන 256) + සම්පූර්ණයෙන්ම සම්බන්ධිත ස්ථර 2
• ප්‍රතිදාන ස්ථරය: 12-මාන තත්ත්ව දර්ශක (පිරිසිදුකම, අපිරිසිදු අන්තර්ගතය, ආදිය)

පුහුණු උපාය මාර්ග:

• හුවමාරු ඉගෙනීම: සමාන ලෝහවල පිරිසිදු කිරීමේ දත්ත භාවිතා කරමින් පූර්ව පුහුණුව (උදා: Se)
• ක්‍රියාකාරී ඉගෙනීම: D-ප්‍රශස්ත ක්‍රමවේදය හරහා පර්යේෂණාත්මක සැලසුම් ප්‍රශස්ත කිරීම
• ශක්තිමත් කිරීමේ ඉගෙනීම: විපාක කාර්යයන් ස්ථාපිත කිරීම (සංශුද්ධතාවය වැඩිදියුණු කිරීම, ශක්තිය අඩු කිරීම)

සාමාන්‍ය ප්‍රශස්තිකරණ අවස්ථා:

• රික්ත ආසවන උෂ්ණත්ව පැතිකඩ ප්‍රශස්තිකරණය: Se අපද්‍රව්‍ය 42% කින් අඩු කිරීම
• කලාප පිරිපහදු අනුපාත ප්‍රශස්තිකරණය: Cu ඉවත් කිරීමේ 35% ක දියුණුවක්
• විද්‍යුත් විච්ඡේදක සූත්‍රකරණ ප්‍රශස්තිකරණය: ධාරා කාර්යක්ෂමතාවයේ 28% ක වැඩිවීමක්

3.2 පරිගණක ආධාරයෙන් අපිරිසිදුකම් ඉවත් කිරීමේ යාන්ත්‍රණ අධ්‍යයනයන්

අණුක ගතික සමාකරණ:

• Te-X (X=O,S,Se, ආදිය) අන්තර්ක්‍රියා විභව ශ්‍රිත සංවර්ධනය කිරීම.
• විවිධ උෂ්ණත්වවලදී අපිරිසිදුකම් වෙන් කිරීමේ චාලක විද්‍යාව අනුකරණය කිරීම
• ආකලන-අපිරිසිදු බන්ධන ශක්තීන් පිළිබඳ පුරෝකථනය

පළමු මූලධර්ම ගණනය කිරීම්:

• ටෙලුරියම් දැලිසෙහි අපිරිසිදුකම් සෑදීමේ ශක්තීන් ගණනය කිරීම
• ප්‍රශස්ත චෙලාටින් අණුක ව්‍යුහයන් පිළිබඳ පුරෝකථනය
• වාෂ්ප ප්‍රවාහන ප්‍රතික්‍රියා මාර්ග ප්‍රශස්තකරණය කිරීම

යෙදුම් උදාහරණ:

• ඔක්සිජන් ප්‍රමාණය 0.3ppm දක්වා අඩු කරමින්, නව ඔක්සිජන් කසළ කාරකයක් වන LaTe₂ සොයා ගැනීම.
• කාබන් ඉවත් කිරීමේ කාර්යක්ෂමතාව 60% කින් වැඩි දියුණු කරමින් අභිරුචිකරණය කළ චෙලාටින් කාරක නිර්මාණය.

3.3 ඩිජිටල් නිවුන් සහ අතථ්‍ය ක්‍රියාවලි ප්‍රශස්තිකරණය

ඩිජිටල් නිවුන් පද්ධති ඉදිකිරීම:

1. ජ්‍යාමිතික ආකෘතිය: උපකරණවල නිරවද්‍ය ත්‍රිමාණ ප්‍රතිනිෂ්පාදනය
2. භෞතික ආකෘතිය: සම්බන්ධිත තාප හුවමාරුව, ස්කන්ධ හුවමාරුව සහ තරල ගතිකය
3. රසායනික ආකෘතිය: ඒකාබද්ධ අපිරිසිදු ප්‍රතික්‍රියා චාලක විද්‍යාව
4. පාලන ආකෘතිය: අනුකරණය කරන ලද පාලන පද්ධති ප්‍රතිචාර

අතථ්‍ය ප්‍රශස්තිකරණ ක්‍රියාවලිය:

• ඩිජිටල් අවකාශයේ ක්‍රියාවලි සංයෝජන 500+ ක් පරීක්ෂා කිරීම
• තීරණාත්මක සංවේදී පරාමිතීන් හඳුනා ගැනීම (CSV විශ්ලේෂණය)
• ප්‍රශස්ත මෙහෙයුම් කවුළු පුරෝකථනය (OWC විශ්ලේෂණය)
• ක්‍රියාවලි ශක්තිමත් බව වලංගුකරණය (මොන්ටේ කාලෝ අනුකරණය)

4. කාර්මික ක්‍රියාත්මක කිරීමේ මාර්ගය සහ ප්‍රතිලාභ විශ්ලේෂණය

4.1 අදියර ක්‍රියාත්මක කිරීමේ සැලැස්ම

අදියර I (මාස 0-6):

• මූලික දත්ත අත්පත් කර ගැනීමේ පද්ධති යෙදවීම
• ක්‍රියාවලි දත්ත සමුදාය ස්ථාපිත කිරීම
• මූලික පුරෝකථන ආකෘති සංවර්ධනය කිරීම
• යතුරු පරාමිති නිරීක්ෂණය ක්‍රියාත්මක කිරීම

අදියර II (මාස 6-12):

• ඩිජිටල් නිවුන් පද්ධතිය සම්පූර්ණ කිරීම
• මූලික ක්‍රියාවලි මොඩියුල ප්‍රශස්තිකරණය කිරීම
• නියමු සංවෘත-ලූප පාලන ක්‍රියාත්මක කිරීම
• ගුණාත්මක සොයාගැනීමේ හැකියාව පද්ධති සංවර්ධනය

III අදියර (මාස 12-18):

• සම්පූර්ණ ක්‍රියාවලි AI ප්‍රශස්තිකරණය
• අනුවර්තී පාලන පද්ධති
• බුද්ධිමත් නඩත්තු පද්ධති
• අඛණ්ඩ ඉගෙනුම් යාන්ත්‍රණ

4.2 අපේක්ෂිත ආර්ථික ප්‍රතිලාභ

ටොන් 50 ක වාර්ෂික අධි-සංශුද්ධතා ටෙලුරියම් නිෂ්පාදනය පිළිබඳ සිද්ධි අධ්‍යයනය:

5. තාක්ෂණික අභියෝග සහ විසඳුම්

5.1 ප්‍රධාන තාක්ෂණික බාධක

1. දත්ත ගුණාත්මක ගැටළු:
   • කාර්මික දත්තවල සැලකිය යුතු ශබ්දයක් සහ අස්ථානගත වූ අගයන් අඩංගු වේ.
   • දත්ත මූලාශ්‍ර හරහා නොගැලපෙන ප්‍රමිතීන්
   • ඉහළ සංශුද්ධතාවයකින් යුත් විශ්ලේෂණ දත්ත සඳහා දිගු අත්පත් කර ගැනීමේ චක්‍ර
2. ආදර්ශ සාමාන්‍යකරණය:
   • අමුද්‍රව්‍ය වෙනස්කම් ආකෘති අසාර්ථක වීමට හේතු වේ
   • උපකරණ වයසට යාම ක්‍රියාවලි ස්ථායිතාවයට බලපායි.
   • නව නිෂ්පාදන පිරිවිතරයන්ට ආකෘති නැවත පුහුණුව අවශ්‍ය වේ.
3. පද්ධති ඒකාබද්ධ කිරීමේ දුෂ්කරතා:
   • පැරණි සහ නව උපකරණ අතර අනුකූලතා ගැටළු
   • තත්‍ය කාලීන පාලන ප්‍රතිචාර ප්‍රමාදයන්
   • ආරක්ෂාව සහ විශ්වසනීයත්වය සත්‍යාපනය කිරීමේ ගැටළු

5.2 නවෝත්පාදන විසඳුම්

අනුවර්තන දත්ත වැඩිදියුණු කිරීම:

• GAN-පාදක ක්‍රියාවලි දත්ත උත්පාදනය
• දත්ත හිඟයට වන්දි ගෙවීම සඳහා ඉගෙනුම් මාරු කරන්න
• ලේබල් නොකළ දත්ත භාවිතා කරමින් අර්ධ අධීක්ෂණය කරන ලද ඉගෙනීම

දෙමුහුන් ආකෘති නිර්මාණ ප්‍රවේශය:

• භෞතික විද්‍යාවට සීමා වූ දත්ත ආකෘති
• යාන්ත්‍රණය-මඟ පෙන්වන ස්නායු ජාල ගෘහ නිර්මාණ ශිල්පය
• බහු-විශ්වාසනීය ආකෘති විලයනය

එජ්-ක්ලවුඩ් සහයෝගීතා පරිගණකකරණය:

• තීරණාත්මක පාලන ඇල්ගොරිතමවල දාර යෙදවීම
• සංකීර්ණ ප්‍රශස්තිකරණ කාර්යයන් සඳහා වලාකුළු පරිගණකකරණය
• අඩු ප්‍රමාද 5G සන්නිවේදනය

6. අනාගත සංවර්ධන දිශාවන්

1. බුද්ධිමත් ද්‍රව්‍ය සංවර්ධනය:
   • AI-නිර්මාණය කරන ලද විශේෂිත පිරිසිදු කිරීමේ ද්‍රව්‍ය
   • ප්‍රශස්ත ආකලන සංයෝජනවල ඉහළ ප්‍රතිදාන පරීක්ෂාව
   • නව අපිරිසිදුකම් ග්‍රහණය කිරීමේ යාන්ත්‍රණ පිළිබඳ පුරෝකථනය
2. සම්පූර්ණයෙන්ම ස්වයංක්‍රීය ප්‍රශස්තිකරණය:
   • ස්වයං දැනුවත් ක්‍රියාවලියේ සඳහන් වන්නේ
   • ස්වයං-ප්‍රශස්තිකරණ මෙහෙයුම් පරාමිතීන්
   • ස්වයං-නිවැරදි කිරීමේ විෂමතා නිරාකරණය
3. හරිත පිරිසිදු කිරීමේ ක්‍රියාවලීන්:
   • අවම ශක්ති මාර්ග ප්‍රශස්තිකරණය
   • අපද්‍රව්‍ය ප්‍රතිචක්‍රීකරණ විසඳුම්
   • තත්‍ය කාලීන කාබන් පියසටහන් නිරීක්ෂණය

ගැඹුරු AI ඒකාබද්ධ කිරීම හරහා, ටෙලුරියම් පිරිසිදු කිරීම අත්දැකීම් මත පදනම් වූ සිට දත්ත මත පදනම් වූ දක්වා, කොටස්ගත ප්‍රශස්තිකරණයේ සිට පරිපූර්ණ ප්‍රශස්තිකරණය දක්වා විප්ලවීය පරිවර්තනයකට භාජනය වෙමින් පවතී. තීරණාත්මක ක්‍රියාවලි පියවරයන්හි ඉදිරි ගමනට ප්‍රමුඛත්වය දෙමින් සහ ක්‍රමයෙන් පුළුල් බුද්ධිමත් පිරිසිදු කිරීමේ පද්ධති ගොඩනඟමින් “ප්‍රධාන සැලසුම් කිරීම, අදියර ක්‍රියාත්මක කිරීම” උපාය මාර්ගයක් අනුගමනය කිරීමට සමාගම්වලට උපදෙස් දෙනු ලැබේ.