Applied Computing তেল এবং গ্যাস অপারেটরদের জন্য সম্পূর্ণ প্ল্যান্টের AI মডেল তৈরি করতে চায়

বেশিরভাগ ইন্ডাস্ট্রিয়াল AI গল্প একটি পরিচিত প্যাটার্ন অনুসরণ করে: একটি পয়েন্ট সলিউশন যা একটি জিনিস অপটিমাইজ করে — একটি পাম্প, একটি পাইপলাইন, একটি রক্ষণাবেক্ষণ সময়সূচী। Applied Computing বাজি ধরছে যে এটি বিমূর্ততার ভুল স্তর। লন্ডন-ভিত্তিক স্টার্টআপ সম্পূর্ণ তেল, গ্যাস এবং পেট্রোকেমিক্যাল প্ল্যান্টের জন্য একটি ফাউন্ডেশন AI মডেল তৈরি করতে চায় — এবং একটি তাজা $20 মিলিয়ন সিরিজ A পরামর্শ দেয় যে গুরুতর পুঁজি শুরু হচ্ছে সম্মত হতে। ডেভেলপার এবং প্রতিষ্ঠাতাদের জন্য যারা ট্র্যাক করছেন AI আসলে ভারী শিল্পে কোথায় অবতরণ করছে, এটি একটি সংকেত যা মূল্যবান।

Applied Computing তেল এবং গ্যাস অপারেটরদের সম্পূর্ণ প্ল্যান্টের জন্য একটি AI মডেল দিতে চায় — একটি ড্যাশবোর্ড নয়, একটি সংকীর্ণ অ্যানোমালি ডিটেক্টর নয়, বরং একটি একীভূত মডেল যা সেন্সর স্ট্রিম, ইঞ্জিনিয়ারিং ডকুমেন্টেশন এবং প্রক্রিয়া পদার্থবিজ্ঞান একযোগে গ্রহণ করে। এই উচ্চাভিলাষ এটিকে বেশিরভাগ ইন্ডাস্ট্রিয়াল সফটওয়্যার থেকে একটি ভিন্ন বিভাগে রাখে, এবং প্রভাবগুলি উত্তর সমুদ্রের বাইরে বিস্তৃত।

কী ঘটেছে

Applied Computing, 2023 সালে প্রতিষ্ঠিত এবং লন্ডনে সদর দফতর, $20 মিলিয়ন সিরিজ A সংগ্রহ করেছে ইঞ্জিনিয়ারিং জায়ান্ট KBR দ্বারা পরিচালিত, Databricks Ventures-ও অংশগ্রহণ করছে। এই রাউন্ড শুধুমাত্র এর আকারের জন্য নয় বরং কে চেক লিখেছে তার জন্যও উল্লেখযোগ্য — KBR বিশ্বের বৃহত্তম ইঞ্জিনিয়ারিং এবং সরকারি সেবা সংস্থাগুলির মধ্যে একটি, পেট্রোকেমিক্যাল প্ল্যান্ট ডিজাইন এবং অপারেশনে গভীর শিকড় সহ। এটি অনুমানমূলক ভেঞ্চার ক্যাপিটাল নয়; এটি একটি ইন্ডাস্ট্রি ইনকাম্বেন্ট একটি কৌশলগত বাজি রাখছে।

Applied Computing যে মূল সমস্যা মোকাবেলা করছে তা হল স্কেলে ডেটা বিভাজন। একটি একক তেল, গ্যাস বা পেট্রোকেমিক্যাল সুবিধা হাজার হাজার সেন্সর বহন করতে পারে যা তাপমাত্রা, চাপ, বেগ, সান্দ্রতা এবং অন্যান্য ডজনেরও বেশি ভেরিয়েবল একযোগে পরিমাপ করে। অপারেটররা ইতিমধ্যে এই ডেটার বেশিরভাগ সংগ্রহ করে। সমস্যা, সহ-প্রতিষ্ঠাতা এবং CEO Callum Adamson অনুযায়ী, হল যে সুবিধাগুলি বর্তমানে তাদের কাছে উপলব্ধ ডেটার 8% এর কম ব্যবহার করে অপারেটিং সিদ্ধান্ত নেয়। বাকিটা সাইলোতে বসে থাকে — সেন্সর রিডিং ইঞ্জিনিয়ারিং ডকুমেন্টেশন থেকে সংযোগ বিচ্ছিন্ন, প্রক্রিয়া রসায়ন মডেল যা রিয়েল-টাইম অপারেশনাল ডেটার সাথে কখনও কথা বলে না।

Applied Computing যে সমাধান তৈরি করছে তা হল একটি ফাউন্ডেশন মডেল যা তেল, গ্যাস, রিফাইনিং এবং পেট্রোকেমিক্যাল সিস্টেমের নির্দিষ্ট পদার্থবিজ্ঞান, রসায়ন এবং অপারেশনাল প্যাটার্নে প্রশিক্ষিত। এটিকে একটি ডোমেইন-নির্দিষ্ট বড় মডেল হিসাবে ভাবুন — একটি সাধারণ-উদ্দেশ্যের LLM নয় যা একটি ইন্ডাস্ট্রি প্রম্পট দিয়ে পুনর্নির্মাণ করা হয়েছে, বরং একটি মডেল যার আর্কিটেকচার এবং প্রশিক্ষণ ডেটা থার্মোডাইনামিক্স, ফ্লুইড ডাইনামিক্স এবং প্রতিক্রিয়া গতিবিদ্যার চারপাশে নির্মিত যা এই প্ল্যান্টগুলি আসলে কীভাবে আচরণ করে তা নিয়ন্ত্রণ করে।

Databricks Ventures-এর অংশগ্রহণও উল্লেখযোগ্য। Databricks আক্রমণাত্মকভাবে এর ডেটা লেকহাউস প্ল্যাটফর্মকে এন্টারপ্রাইজ AI-এর জন্য অবকাঠামো স্তর হিসাবে অবস্থান করছে। তাদের জড়িততা সংকেত দেয় যে Applied Computing-এর পদ্ধতি — কাঠামোগত সেন্সর ডেটা অকাঠামোগত ইঞ্জিনিয়ারিং ডকুমেন্টেশনের সাথে মিশ্রিত করা — সিরিয়াস এন্টারপ্রাইজ AI ডেটা পাইপলাইনগুলি কোথায় যাচ্ছে তার সাথে সারিবদ্ধ।

এশিয়ার জন্য এটি কেন গুরুত্বপূর্ণ

এশিয়া তেল, গ্যাস এবং পেট্রোকেমিক্যাল গল্পে একটি নিষ্ক্রিয় পর্যবেক্ষক নয়। এই অঞ্চলটি বিশ্বের বৃহত্তম রিফাইনিং এবং পেট্রোকেমিক্যাল কমপ্লেক্সগুলির মধ্যে কিছু হোস্ট করে — ভারতে Reliance-এর Jamnagar রিফাইনারি (ক্ষমতা অনুযায়ী বিশ্বের বৃহত্তম) থেকে সিঙ্গাপুরে Jurong Island-এ বিশাল পেট্রোকেমিক্যাল হাব, থাইল্যান্ডে Map Ta Phut এবং মালয়েশিয়া এবং ইন্দোনেশিয়ায় সম্প্রসারিত ডাউনস্ট্রিম ক্লাস্টার। দক্ষিণ-পূর্ব এশিয়া একাই বৈশ্বিক রিফাইনিং ক্ষমতার একটি উল্লেখযোগ্য শেয়ার অ্যাকাউন্ট করে, এবং সেই ক্ষমতা বৃদ্ধি পাচ্ছে কারণ আঞ্চলিক শক্তির চাহিদা ক্রমাগত বৃদ্ধি পাচ্ছে।

এই সুবিধাগুলি Applied Computing যে বিভাজন সমস্যা বর্ণনা করে তার মুখোমুখি। তাদের অনেকগুলি লিগেসি বিতরণ নিয়ন্ত্রণ সিস্টেম (DCS) এবং SCADA অবকাঠামোতে চলে যা AI-প্রস্তুতির কথা মাথায় রেখে কখনও ডিজাইন করা হয়নি। ডেটা মালিকানাধীন ঐতিহাসিক ডাটাবেসে বাস করে — OSIsoft PI সবচেয়ে সাধারণ — এবং সেই ডেটা এমন একটি ফর্মে পাওয়া যা একটি আধুনিক AI মডেল ব্যবহার করতে পারে তার জন্য অ-তুচ্ছ ইঞ্জিনিয়ারিং কাজ প্রয়োজন। "আমরা অনেক ডেটা সংগ্রহ করি" এবং "আমরা সেই ডেটা দিয়ে সিদ্ধান্ত নিই" এর মধ্যে ফাঁক যুক্তিসঙ্গতভাবে এশিয়ার পুরানো সুবিধাগুলিতে অন্য কোথাও থেকে বেশি।

একটি এশিয়া টেক দৃষ্টিকোণ থেকে, এখানে বিনিয়োগ থিসিসও গুরুত্বপূর্ণ। KBR এই রাউন্ড নেতৃত্ব দেওয়া মানে একটি ইঞ্জিনিয়ারিং ঠিকাদার — যে ধরনের সংস্থা এই প্ল্যান্টগুলি ডিজাইন, নির্মাণ এবং পরিচালনা করে — সরাসরি AI স্তরে তহবিল দিচ্ছে। এটি একটি সংগ্রহ সংকেত। এটি পরামর্শ দেয় যে এশিয়ার ইঞ্জিনিয়ারিং ঠিকাদাররা, যাদের অনেকেই KBR অংশীদার বা প্রতিযোগী, তাদের ক্লায়েন্টদের কাছে অনুরূপ AI ক্ষমতা অফার করার চাপ মুখোমুখি হবে। সিঙ্গাপুর, কুয়ালালামপুর বা মুম্বাইতে স্টার্টআপ এবং ডেভেলপাররা যারা ইন্ডাস্ট্রিয়াল AI টুলিং তৈরি করছেন তাদের এটি ঘনিষ্ঠভাবে দেখা উচিত।

একটি প্রতিভা গতিশীলতাও উল্লেখযোগ্য। এশিয়া বিশ্বের রাসায়নিক প্রকৌশলী এবং প্রক্রিয়া প্রকৌশলীদের একটি উল্লেখযোগ্য শেয়ার উৎপাদন করে। যেহেতু প্রক্রিয়া শিল্পের জন্য ফাউন্ডেশন মডেলগুলি পরিপক্ক হয়, যে প্রকৌশলীরা ডোমেইন এবং AI টুলিং উভয়ই বোঝেন তারা অসাধারণভাবে মূল্যবান হবেন। সেই ছেদ — প্রক্রিয়া ডোমেইন জ্ঞান প্লাস AI ইঞ্জিনিয়ারিং — যেখানে প্রকৃত লিভারেজ বসে, এবং এশীয় বিশ্ববিদ্যালয়গুলি এটি উৎপাদন করার জন্য ভালভাবে অবস্থান করা হয়েছে।

ডেভেলপারদের জন্য এর অর্থ কী

যদি আপনি ইন্ডাস্ট্রিয়াল AI বা এনার্জি টেক স্পেসে একজন ডেভেলপার হন, Applied Computing-এর পদ্ধতি কয়েকটি স্থাপত্য ধারণা প্রকাশ করে যা সাবধানে চিন্তা করার যোগ্য।

ডোমেইন-নির্দিষ্ট ফাউন্ডেশন মডেলগুলি প্রকৃত মোট। সাধারণ-উদ্দেশ্যের LLM গুলি প্রক্রিয়া ইঞ্জিনিয়ারিং যে নির্ভুলতা দাবি করে তা নিয়ে সংগ্রাম করে। যখন একটি মডেলকে একটি হিট এক্সচেঞ্জারের ফাউলিং রেট এবং ডাউনস্ট্রিম কলাম পারফরম্যান্সের মধ্যে মিথস্ক্রিয়া সম্পর্কে যুক্তি দিতে হয়, তখন এটিকে অন্তর্নিহিত থার্মোডাইনামিক সম্পর্কগুলি অভ্যন্তরীণ করতে হয় — শুধুমাত্র তাদের সম্পর্কে পাঠ্য প্যাটার্ন-ম্যাচ করা নয়। Applied Computing-এর বাজি হল যে এই সিস্টেমগুলির নির্দিষ্ট পদার্থবিজ্ঞানে একটি মডেল প্রশিক্ষণ দেওয়া একটি সাধারণ মডেলকে প্রম্পট-ইঞ্জিনিয়ার করার চেয়ে গুণগতভাবে ভাল যুক্তি তৈরি করে। যদি সেই বাজি পরিশোধ করে, তা একটি ডেটা এবং প্রশিক্ষণ মোট প্রতিষ্ঠা করে যা সত্যিকারের প্রতিলিপি করা কঠিন।

সেন্সর ডেটা + অকাঠামোগত ডকুমেন্টেশন হল কঠিন ফিউশন সমস্যা। বেশিরভাগ ইন্ডাস্ট্রিয়াল AI প্রকল্প মডেল স্তরে নয় বরং ডেটা পাইপলাইন স্তরে ব্যর্থ হয়। সময়-সিরিজ সেন্সর স্ট্রিম (উচ্চ ফ্রিকোয়েন্সি, কাঠামোগত, সংখ্যাসূচক) ইঞ্জিনিয়ারিং ডকুমেন্টেশনের সাথে একত্রিত করা (PDFs, P&IDs, সরঞ্জাম ডেটাশীট — অকাঠামোগত, বৈচিত্র্যময়) সাবধানে ডেটা আর্কিটেকচার প্রয়োজন। অনুরূপ সমস্যায় কাজ করা ডেভেলপারদের অকাঠামোগত স্তরের জন্য তাদের এমবেডিং কৌশল সম্পর্কে কঠোর চিন্তা করা উচিত এবং তারা সেন্সর ইভেন্ট এবং তাদের বর্ণনা করে এমন ডকুমেন্টেশনের মধ্যে সময়গত সারিবদ্ধতা কীভাবে পরিচালনা করছে।

ইন্টিগ্রেশন স্তর যেখানে প্রকল্পগুলি আটকে যায়। এমনকি একটি দুর্দান্ত মডেলের সাথে, একটি প্ল্যান্টের ঐতিহাসিক থেকে ডেটা বের করা এবং একটি আধুনিক AI পাইপলাইনে রাখা যন্ত্রণাদায়ক। OSIsoft PI, Honeywell PHD এবং অনুরূপ সিস্টেমের API রয়েছে, কিন্তু তারা উচ্চ-থ্রুপুট ML ওয়ার্কলোডের জন্য ডিজাইন করা হয়নি। এই স্পেসে বিল্ডিং ডেভেলপাররা কানেক্টরগুলিতে অসমানুপাতিক সময় ব্যয় করবে — লিগেসি OT সিস্টেম এবং আধুনিক ডেটা অবকাঠামোর মধ্যে প্লাম্বিং। যে কোনও প্ল্যাটফর্ম যা সেই স্তরটি পরিষ্কারভাবে বিমূর্ত করে তার একটি প্রকৃত সুবিধা রয়েছে।

পদার্থবিজ্ঞান-অবহিত AI গতি পাচ্ছে। Applied Computing-এর পদ্ধতি অন্তর্নিহিতভাবে পদার্থবিজ্ঞান-অবহিত মেশিন লার্নিং-এর উপর নির্ভর করে — এই ধারণা যে আপনি আপনার মডেলের আউটপুটগুলি পরিচিত শারীরিক আইনের সাথে সামঞ্জস্যপূর্ণ হতে সীমাবদ্ধ করেন। এটি বিশুদ্ধ ডেটা-চালিত পদ্ধতি থেকে একটি অর্থপূর্ণ প্রস্থান, এবং এটি নিরাপত্তা-সমালোচনামূলক শিল্পে বিশেষভাবে গুরুত্বপূর্ণ যেখানে একটি মডেল যা শারীরিকভাবে অসম্ভব অবস্থা পূর্বাভাস দেয় তা অকেজো থেকে খারাপ। এই স্পেসে বিল্ডিং ডেভেলপাররা