न्यूटन स्कूल ऑफ टेक्नोलॉजी के 21 वर्षीय तृतीय वर्ष के छात्र रोनित कुमार चौधरी ने आईसीएमएल 2026 में एआई फॉर साइंस वर्कशॉप में स्वीकार किए गए एक शोध पत्र “रेट्रोस्पेक्ट: रेट्रोसिंथेसिस वाया सीक्वेंशियल प्रेडिक्शन, एंड केमिकल ट्रांसफॉर्मेड-रैंकिंग” का सह-लेखन किया है। यह कार्य arXiv पर भी उपलब्ध है और रेट्रोसिंथेसिस में एआई को लागू करने पर केंद्रित है, जो रसायन विज्ञान में एक मुख्य समस्या है जो वैज्ञानिकों को यह निर्धारित करने में मदद करती है कि सरल बिल्डिंग ब्लॉक्स से जटिल अणुओं का निर्माण कैसे किया जा सकता है। यह उपलब्धि उल्लेखनीय है क्योंकि रोनित अभी भी स्नातक है। उनकी यात्रा कोर्सवर्क के माध्यम से एआई और मशीन लर्निंग की खोज से लेकर एप्लाइड प्रोजेक्ट बनाने, एमस्टैक एआई में सशुल्क एआई/एमएल इंटर्नशिप हासिल करने और थोड़े समय के भीतर एक वैश्विक एआई-फॉर-साइंस रिसर्च फोरम में योगदान देने तक चली गई। उनका प्रक्षेप पथ एक व्यापक बदलाव को दर्शाता है जिसमें भारतीय इंजीनियरिंग छात्र पहले की तुलना में फ्रंटियर एआई अनुसंधान में प्रवेश कर रहे हैं।यह क्यों मायने रखता है? ICML, मशीन लर्निंग पर अंतर्राष्ट्रीय सम्मेलन, AI अनुसंधान के लिए दुनिया के अग्रणी स्थानों में से एक है। इसके वर्कशॉप ट्रैक केंद्रित मंचों के रूप में काम करते हैं जहां अनुसंधान समुदाय में व्यापक रूप से अपनाने से पहले उभरते विचारों पर चर्चा की जाती है और उन्हें परिष्कृत किया जाता है। विज्ञान कार्यशाला के लिए एआई विशेष रूप से पता लगाता है कि कैसे मशीन लर्निंग रसायन विज्ञान, जीव विज्ञान, भौतिकी, सामग्री विज्ञान और दवा खोज जैसे क्षेत्रों में सफलताओं को तेज कर सकती है। रोनित का पेपर सीधे इस डोमेन में फिट बैठता है। कम्प्यूटेशनल रसायन विज्ञान में रेट्रोसिंथेसिस एक मौलिक चुनौती है: एक लक्ष्य अणु को देखते हुए, शोधकर्ताओं का लक्ष्य इसे संश्लेषित करने के लिए आवश्यक रासायनिक प्रतिक्रियाओं के अनुक्रम को निर्धारित करना है। सरल शब्दों में, यह इस प्रश्न का उत्तर देता है – एक वांछित अणु वास्तव में एक प्रयोगशाला में कैसे बनाया जा सकता है? इसे कुशलतापूर्वक हल करने से दवा विकास और सामग्री नवाचार पर प्रमुख प्रभाव पड़ता है, जहां व्यवहार्य संश्लेषण मार्गों की पहचान करना समय लेने वाली और जटिल हो सकता है।अनुसंधान रेट्रोस्पेक्ट एक रैंकिंग प्रणाली के साथ उम्मीदवार संश्लेषण मार्गों को उत्पन्न करने के लिए ट्रांसफार्मर-आधारित मॉडल के संयोजन के दो-चरणीय दृष्टिकोण का प्रस्ताव करता है जो सबसे आशाजनक विकल्पों का मूल्यांकन और प्राथमिकता देता है। पेपर के अनुसार, मॉडल यूएसपीटीओ-50के बेंचमार्क पर मजबूत प्रदर्शन प्रदर्शित करता है, 55.00% टॉप-1 सटीकता, 86.18% टॉप-10 सटीकता और टॉप-1 पर 99.86% वैधता प्राप्त करता है। रीरैंकिंग मॉड्यूल शीर्ष-1 सटीकता को 59.4% तक बेहतर बनाता है। व्यावहारिक रूप से, सिस्टम को रसायनज्ञों को अणुओं को संश्लेषित करने के लिए बेहतर संभावित मार्गों को संकीर्ण करने, कम्प्यूटेशनल रसायन विज्ञान और संबंधित क्षेत्रों में अनुसंधान की गति और विश्वसनीयता में सुधार करने में मदद करने के लिए डिज़ाइन किया गया है।रोनित की यात्रा रोनित की एआई और मशीन लर्निंग में रुचि न्यूटन स्कूल ऑफ टेक्नोलॉजी में अपने पाठ्यक्रम के दौरान शुरू हुई। जैसे-जैसे उन्होंने इस क्षेत्र की और खोज की, उन्होंने स्वतंत्र परियोजनाओं पर काम करना शुरू कर दिया और सक्रिय रूप से एप्लाइड एआई में अवसरों की तलाश की। बाद में वह सशुल्क एआई/एमएल इंटर्न के रूप में एमस्टैक एआई में शामिल हो गए, जो कृत्रिम बुद्धिमत्ता और रसायन विज्ञान के चौराहे पर काम करने वाली कंपनी है। हालाँकि उन्हें शुरू में उत्पाद-केंद्रित अनुप्रयोगों पर काम करने की उम्मीद थी, लेकिन उन्हें एआई-संचालित आणविक खोज से जुड़ी गहन शोध समस्याओं से परिचित कराया गया। एक केंद्रित 45-दिवसीय इंटर्नशिप स्प्रिंट के दौरान, रोनित ने अनुसंधान टीम के मार्गदर्शन में रेट्रोस्पेक्ट के विकास में योगदान दिया। कार्य में प्रयोग, पुनरावृत्त मॉडल सुधार और रासायनिक भविष्यवाणी प्रणालियों के आसपास चर्चाएं शामिल थीं – जिससे उन्हें अपने करियर के शुरुआती चरण में वास्तविक दुनिया के एआई अनुसंधान वर्कफ़्लो से अवगत कराया गया।वैश्विक अनुसंधान संदर्भ आईसीएमएल में विज्ञान कार्यशाला के लिए एआई एक व्यापक अनुसंधान पारिस्थितिकी तंत्र के भीतर संचालित होता है जिसमें Google डीपमाइंड, एंथ्रोपिक, मेटा एफएआईआर, विज्ञान के लिए माइक्रोसॉफ्ट रिसर्च एआई, आइसोमॉर्फिक लैब्स और एमआईटी, स्टैनफोर्ड, हार्वर्ड, प्रिंसटन, कैम्ब्रिज, कैलटेक, कॉर्नेल और ईपीएफएल सहित प्रमुख विश्वविद्यालयों जैसे संगठनों और संस्थानों का योगदान शामिल है। इस संदर्भ में, कार्यशाला-स्तरीय ICML स्वीकृतियाँ अत्यधिक प्रतिस्पर्धी वैश्विक अनुसंधान वातावरण में भागीदारी का प्रतिनिधित्व करती हैं। मुख्य सम्मेलन ट्रैक का हिस्सा न होते हुए भी, ये कार्यशालाएँ सहकर्मी-समीक्षा की जाती हैं और मशीन लर्निंग अनुसंधान में उभरते विचारों के लिए महत्वपूर्ण मंच के रूप में काम करती हैं। इस क्षेत्र में रोनित का समावेश उन्नत एआई डोमेन में स्नातक शोधकर्ताओं की बढ़ती दृश्यता को दर्शाता है, विशेष रूप से विज्ञान के लिए एआई जैसे अंतःविषय क्षेत्रों में।भारतीय एआई अनुसंधान में एक बढ़ती प्रवृत्ति रोनित चौधरी का काम भारत के एआई पारिस्थितिकी तंत्र में एक व्यापक प्रवृत्ति पर प्रकाश डालता है: छात्र अपने स्नातक वर्षों के दौरान स्टार्टअप, इंटर्नशिप और खुले अनुसंधान सहयोग द्वारा समर्थित सीमांत अनुसंधान में तेजी से संलग्न हो रहे हैं। उनकी प्रगति – कक्षा में सीखने से लेकर व्यावहारिक इंटर्नशिप तक और फिर विश्व स्तर पर मान्यता प्राप्त अनुसंधान कार्यशाला तक – यह दर्शाती है कि वास्तविक दुनिया के एआई सिस्टम का शुरुआती प्रदर्शन कैसे मशीन लर्निंग और वैज्ञानिक अनुसंधान में पारंपरिक शैक्षणिक मार्गों को नया आकार दे रहा है।
