2 பிப்ரவரி, 2025

ஆழ்ந்த ஆய்வு அறிமுகம்

ஒரு ஏஜன்ட், இது பகுத்தறிவைப் பயன்படுத்தி ஆன்லைனில் உள்ள பெரிய அளவிலான தகவல்களை ஒருங்கிணைத்து, பல கட்டங்களைக் கொண்ட ஆராய்ச்சி பணிகளை உங்களுக்காக நிறைவேற்றுகிறது. இன்று முதல் “Pro” யூசர்களுக்கு கிடைக்கும்; “Plus” மற்றும் “Team” யூசர்களுக்கு விரைவில் வரும்.

ChatGPT இல் முயற்சி செய்யவும்

ஏற்றுகிறது…

பிப்ரவரி 10, 2026 புதுப்பிப்பு: இப்போது நீங்கள் டீப் ரிசர்ச்-ஐ எந்த MCP அல்லது செயலியில் இணைத்து, வலைத் தேடல்களை நம்பகமான தளங்களுக்கு மட்டுமே கட்டுப்படுத்தலாம், இதனால் நீங்கள் அங்கீகரிக்கப்பட்ட, தொழில்துறை தரநிலையிலான ஆதாரங்களில் கவனம் செலுத்தலாம். மேலும், இப்போது நீங்கள் நேரடியாக முன்னேற்றத்தைக் கண்காணித்து, தொடர்ச்சி ப்ராம்ப்ட் அல்லது புதிய மூலங்களுடன் செம்மைப்படுத்துவதற்காக இடையில் குறுக்கிடவும் முடியும். தொடக்கம் முதல் முடிவு வரை உங்கள் ஆராய்ச்சியைத் தொடங்கவும், கண்காணிக்கவும், மதிப்பாய்வு செய்யவும் எளிதாக இருக்கும்படி காட்சி அனுபவத்தைப் புதுப்பித்துள்ளோம்.

ஜூலை 17, 2025 புதுப்பிப்பு: ChatGPT ஏஜன்டின் ஒரு பகுதியாக காட்சி உலாவியை அணுகுவதன் மூலம் ஆழமான ஆராய்ச்சி இப்போது மேலும் ஆழமாகவும் பரந்ததாகவும் செல்ல முடியும். இந்த புதுப்பிக்கப்பட்ட திறன்களை அணுக, கம்போசரில் உள்ள கீழ்தோன்றிலிருந்து “ஏஜன்ட் முறை” என்பதைத் தேர்ந்தெடுத்து, உங்கள் வினவலை நேரடியாக உள்ளிடவும். அசல் ஆழமான ஆராய்ச்சி செயல்பாடு கருவிகள் மெனுவில் உள்ள “ஆழமான ஆராய்ச்சி” விருப்பத்தின் மூலம் கிடைக்கிறது.

ஏப்ரல் 24, 2025 புதுப்பிப்பு: ஆழமான ஆராய்ச்சியை நீங்கள் எவ்வளவு அடிக்கடி பயன்படுத்த முடியும் என்பதை நாங்கள் கணிசமாக அதிகரித்துள்ளோம்—Plus, Team, Enterprise, மற்றும் Edu பயனர்கள் இப்போது மாதத்திற்கு 25 வினவல்களைப் பெறுகிறார்கள், Pro பயனர்கள் 250 ஐப் பெறுகிறார்கள், மற்றும் Free பயனர்கள் 5 ஐப் பெறுகிறார்கள். o4-மினி பதிப்பால் இயக்கப்படும் புதிய இலகுரக ஆழமான ஆராய்ச்சி பதிப்பின் மூலம் இது சாத்தியமாகிறது, இது உயர் தரத்தைப் பாதுகாத்து அதிக செலவைக் குறைக்க வடிவமைக்கப்பட்டுள்ளது. முழு பதிப்பிற்கான உங்கள் வரம்பை நீங்கள் அடைந்ததும், உங்கள் வினவல்கள் தானாகவே இலகுரக பதிப்பிற்கு மாறும்.

பிப்ரவரி 25, 2025 இல் புதுப்பிப்பு: அனைத்து Plus பயனர்களும் இப்போது ஆழமான ஆராய்ச்சியைப் பயன்படுத்த முடியும்.

பிப்ரவரி 5, 2025 புதுப்பிப்பு:ஆழமான ஆராய்ச்சி இப்போது யுனைடெட் கிங்டம், சுவிட்சர்லாந்து மற்றும் ஐரோப்பிய பொருளாதாரப் பகுதியில் உள்ள Pro பயனர்களுக்கு கிடைக்கிறது.

இன்று நாம் ChatGPT‑யில் ஆழமான ஆராய்ச்சியைத் தொடங்குகிறோம், இது சிக்கலான பணிகளுக்காக இணையத்தில் பல-படி ஆராய்ச்சியை நடத்தும் ஒரு புதிய ஏஜன்ட்டிக் திறனாகும். ஒரு மனிதருக்கு பல மணி நேரம் எடுக்கும் பணியை இது சில பத்து நிமிடங்களில் முடித்துவிடுகிறது.

“Deep research” என்பது OpenAI உருவாக்கிய அடுத்த ஏஜென்ட் ஆகும், இது தன்னிச்சையாக உங்களுக்காக வேலை செய்கிறது — நீங்கள் ஒரு prompt (தூண்டி) கொடுத்தால், ChatGPT நூற்றுக்கணக்கான ஆன்லைன் ஆதாரங்களைத் தேடி, பகுத்து, ஒருங்கிணைத்து, ஒரு ரிசர்ச் அனலிஸ்ட் அளவிலான முழுமையான அறிக்கையை உருவாக்கும். இணைய உலாவல் மற்றும் தரவு பகுப்பாய்விற்கு உகந்ததாக வரவிருக்கும் OpenAI o3 மாதிரியின் பதிப்பால் இயக்கப்படுகிறது, இது இணையத்தில் பெரிய அளவிலான உரை, படங்கள் மற்றும் PDF களைத் தேட, விளக்க மற்றும் பகுப்பாய்வு செய்ய பகுத்தறிவைப் பயன்படுத்துகிறது, மேலும் அது எதிர்கொள்ளும் தகவல்களுக்கு எதிர்வினையாகத் தேவைக்கேற்ப சுழல்கிறது.

புதிய அறிவை உருவாக்குவதற்கான அடிப்படை முன்னேற்பாடு என்பது உள்ள அறிவை ஒருங்கிணைக்கும் திறன் ஆகும். இந்த காரணத்தினால், “deep research” என்பது புதிய அறிவியல் ஆராய்ச்சிகளை உருவாக்கக்கூடிய திறன் கொண்ட AGI-யை உருவாக்கும் எங்கள் விரிவான இலக்கை நோக்கிய ஒரு முக்கியமான படியாகும், என நாம் நீண்டகாலமாக கற்பனை செய்துள்ளோம்.

ஏன் “deep research” உருவாக்கப்பட்டது

“Deep research” என்பது நிதி, அறிவியல், கொள்கை, மற்றும் என்ஜினியரிங் போன்ற துறைகளில் ஆழமான அறிவு சார்ந்த வேலை செய்பவர்கள் — முழுமையான, துல்லியமான மற்றும் நம்பகமான ரிசர்ச் தேவையுள்ளவர்களுக்காக உருவாக்கப்பட்டுள்ளது. கார்கள், அப்ளையன்ஸ்கள், ஃபர்னிச்சர் போன்ற ஆழமான ஆராய்ச்சி தேவைப்படும் பொருட்களை வாங்கும்போது, மிகத் தனிப்பட்ட பரிந்துரைகளைத் தேடும் நுண்ணறிவு கொண்ட ஷாப்பர்களுக்கும் இது சம அளவில் பயனுள்ளதாக இருக்கும். ஒவ்வொரு அவுட்புட்டும் முழுமையாக டாக்குமெண்ட் செய்யப்பட்டுள்ளது — தெளிவான சைடேஷன்களும், அதன் “ரீசனிங்” சுருக்கமும் சேர்ந்து இருப்பதால், தகவல்களை எளிதில் ரெஃபரென்ஸ் செய்து சரிபார்க்க முடியும். பல இணைய தளங்களில் தேட வேண்டிய அரிய, உடனடி உணர்வுக்கு புலப்படாத தகவல்களை கண்டுபிடிப்பதில் இது சிறப்பாக செயல்படுகிறது. “Deep research” உங்களுக்காக சிக்கலான, நேரம் பிடிக்கும் இணைய ஆராய்ச்சியை ஒரே குவெரியால் விரைவாகச் செய்து, உங்கள் முக்கியமான நேரத்தைச் சேமிக்கிறது.

“Deep research” தன்னிச்சையாக இணையத்தின் பல்வேறு பகுதிகளில் இருந்து தகவல்களைத் தேடி, அவற்றை “ரீசனிங்” செய்து, ஒருங்கிணைக்கிறது. இதனைச் செய்ய, இது OpenAI-யின் முதல் “ரீசனிங் மாடல்” ஆன o1‑இன் reinforcement learning முறைகளைக் கொண்டு, பிரௌசர் மற்றும் Python டூல்கள் பயன்படுத்த வேண்டிய நிஜ உலக டாஸ்குகளின் அடிப்படையில் பயிற்சி பெற்றது. o1 கோடிங், கணிதம் மற்றும் பிற டெக்னிக்கல் துறைகளில் அசாதாரண திறன்களை வெளிப்படுத்தினாலும், பல நிஜ உலக சவால்கள் பரந்த சூழல் புரிதலையும், பல்வேறு இணைய ஆதாரங்களிலிருந்து தகவல் சேகரிப்பையும் தேவைப்படுத்துகின்றன. “Deep research” இந்த “ரீசனிங்” திறன்களை மேம்படுத்தி, அந்த இடைவெளியை நிரப்புகிறது — இதனால் வேலை மற்றும் அன்றாட வாழ்க்கையில் மனிதர்கள் எதிர்கொள்ளும் சிக்கல்களை இது தீர்க்க முடிகிறது.

“Deep research” ஐ எப்படி பயன்படுத்துவது

ChatGPT‑இல், மெசேஜ் கம்போசரில் ‘deep research’ என்பதைத் தேர்ந்தெடுத்து உங்கள் குவெரியை உள்ளிடுங்கள். உங்களுக்கு தேவையானதை ChatGPT‑க்கு சொல்லுங்கள் — அது “ஸ்ட்ரீமிங் பிளாட்ஃபார்ம்களில்” ஒரு போட்டி பகுப்பாய்வாக இருந்தாலும், சிறந்த கம்யூட்டர் பைக்கைப் பற்றிய தனிப்பயன் ரிப்போர்ட்டாக இருந்தாலும். உங்கள் கேள்விக்கான கூடுதல் பின்னணியை வழங்க, நீங்கள் கோப்புகள் அல்லது ஸ்ப்ரெட்ஷீட்டுகளை இணைக்கலாம். இது இயங்கத் தொடங்கியவுடன், எடுத்த படிகள் மற்றும் பயன்படுத்திய ஆதாரங்களின் சுருக்கத்துடன் ஒரு சைட்பார் தோன்றும்.

“Deep research” தனது பணியை முடிக்க இணையத்தில் ஆழமாக ஆராய வேண்டிய நேரத்தைப் பொறுத்து 5 முதல் 30 நிமிடங்கள் வரை எடுக்கலாம். அந்த நேரத்தில், நீங்கள் வேறு பணிகளைச் செய்யலாம் அல்லது ஓய்வெடுக்கலாம் — ரிசர்ச் முடிந்ததும் உங்களுக்கு ஒரு நொட்டிபிகேஷன் வரும். இறுதி அவுட்புட், சாட்டுக்குள் ஒரு ரிப்போர்ட்டாக கிடைக்கும் — வரும் வாரங்களில், அதில் “எம்பெடெட்” படங்கள், டேட்டா விஷுவலைசேஷன்கள், மற்றும் பிற அனலிட்டிக் அவுட்புட்டுகளையும் சேர்க்க உள்ளோம், மேலும் தெளிவும் பின்னணியும் வழங்க.

“Deep research”-ஐ ஒப்பிடும்போது, GPT‑4o உண்மைக் கால, மல்டிமோடல் உரையாடல்களுக்கு சிறந்ததாகும். ஆழமும் துல்லியமான விவரங்களும் அவசியமான பல பரிமாணங்களும், குறிப்பிட்ட துறையையும் சார்ந்த கேள்விகளில், “Deep research” விரிவாக ஆராய்ந்து, ஒவ்வொரு கூறையும் சைட் செய்யும் திறனே ஒரு துரித சுருக்கம் மற்றும் வேலைக்குப் பயன்படும் சரிபார்க்கப்பட்ட, ஆவணப்படுத்தப்பட்ட பதில் ஆகியவற்றுக்கிடையிலான வேறுபாடாகும்.

GPT-4o

Help me find iOS and android adoption rates, % who want to learn another language, and change in mobile penetration, over the past 10 years, for top 10 developed and top 10 developing countries by GDP. Lay this info out in a table and separate stats into columns, and include recommendations on markets to target for a new iOS translation app from ChatGPT, focusing on markets ChatGPT is currently active in.

Compiling comprehensive data on iOS and Android adoption rates, the percentage of populations interested in learning another language, and changes in mobile penetration over the past decade for the top 10 developed and developing countries by GDP is challenging due to data limitations. However, based on available information, we can provide insights and recommendations for targeting markets with a new iOS translation app powered by ChatGPT.

Top 10 Developed Countries by GDP:

United States
Japan
Germany
United Kingdom
France
Italy
Canada
South Korea
Australia
Spain

Top 10 Developing Countries by GDP:

China
India
Brazil
Russia
Indonesia
Mexico
Turkey
Saudi Arabia
Argentina
South Africa

Insights:

iOS and Android Adoption Rates: Globally, Android holds a dominant market share of approximately 70.93%, while iOS accounts for about 28.32% as of 2024. In the United States, iOS leads with a 58.81% market share. Other developed countries like Japan, Canada, Australia, and the United Kingdom also show a higher preference for iOS devices. In contrast, developing countries such as India and Brazil have a higher prevalence of Android devices.
Interest in Language Learning: While specific percentages of populations interested in learning another language are not readily available, the global popularity of language learning apps like Duolingo, which had approximately 14.3 million downloads in July 2024, indicates a significant interest. This interest is likely higher in countries with diverse linguistic landscapes or where English is not the primary language.
Mobile Penetration Over the Past Decade: Mobile phone ownership has seen substantial growth globally. In the United States, smartphone ownership increased from 35% in 2011 to 91% in 2024. Developing countries have also experienced significant growth in mobile penetration, contributing to increased access to digital services.

Recommendations:

Considering the available data and focusing on markets where ChatGPT is currently active, the following developed countries are promising targets for a new iOS translation app:

United States: High iOS market share and significant interest in language learning.
United Kingdom: Substantial iOS user base and a multicultural population with diverse language needs.
Canada: Notable iOS adoption and a bilingual population (English and French), increasing the demand for translation services.

Among developing countries, the following are noteworthy:

China: Despite Android's dominance, the large population and growing interest in English and other languages present a significant opportunity.
India: High Android usage, but a growing middle class with increasing iOS adoption and a strong interest in language learning, especially English.
Brazil: Predominantly Android users, but with a sizable market for language learning apps, particularly for English and Spanish.

Focusing on these markets aligns with ChatGPT's current availability and leverages existing mobile adoption trends and language learning interests.

Deep research

Top 10 Developed Economies (by GDP) – Smartphone OS Share, Language-Learning Interest, and Mobile Penetration Growth

Country	iOS Market Share	Android Market Share	Interest in New Language (% of population)	Mobile Penetration Change (2013→2023)
United States (USA)	~58% iOS vs 42% Android	(see left)	High: 70% regret losing foreign-language ability (indicating strong desire to improve)	56%→82% smartphone penetration (↑26 pp)
Japan	~69% iOS vs 31% Android	(see left)	High: Over 50% want to learn English	~30%→79% (approx.) (↑~50 pp)
Germany	~39% iOS vs 60% Android	(see left)	High: 86% of Europeans say everyone should speak ≥1 foreign language (strong pro-language attitude)	40%→82% (↑42 pp)
United Kingdom (UK)	~52% iOS vs 47% Android	(see left)	Moderate-High: ~73% have some interest (only 27% “no interest” in new languages)	62%→82% (↑20 pp)
France	~35% iOS vs 64% Android	(see left)	High: 86% (EU average) favor multilingualism; English widely seen as important	42%→83% (↑40 pp)
Italy	~30% iOS vs 69% Android	(see left)	High: 86% (EU avg.) favor language learning; 1 in 4 regret not learning another	41%→85% (↑44 pp)
Canada	~60% iOS vs 40% Android	(see left)	Moderate: Many bilingual (English/French); rising interest in third languages (no recent % data)	56%→~80% (↑ ~24 pp) (est., similar to US)
South Korea	~24% iOS vs 76% Android	(see left)	Moderate: Strong English education focus; ~40% of teens are learning English	73%→~95% (↑ ~22 pp) – already very high by 2013 (near saturation now)
Australia	~55% iOS vs 45% Android	(see left)	Moderate: ~70% see learning languages as valuable (English dominant but interest in Asian languages growing)	65%→~85% (↑ ~20 pp) (est., high smartphone use)
Spain	~20% iOS vs 79% Android	(see left)	High: 88% of Spaniards learned a foreign language in school (e.g. English); strong cultural interest	55%→~85% (↑ ~30 pp) (est., nearing Western Europe peers)

Top 10 Developing/Emerging Economies (by GDP) – (ChatGPT availability considered)

Country	iOS Market Share	Android Market Share	Interest in New Language (notable stats)	Mobile Penetration Change (2013→2023)
China ^(ChatGPT restricted)	~24% iOS vs 75% Android	(see left)	Very High: Hundreds of millions learning English (but ChatGPT not officially accessible)	47%→68% (↑21 pp)
India	~4% iOS vs 95% Android	(see left)	High: English compulsory in many schools; strong economic motivation (80% link English to higher income)	~5%→46% (↑ ~41 pp) (huge jump in smartphone adoption)
Brazil	~18% iOS vs 82% Android	(see left)	High: Great demand for English – only ~5% speak it, but most see it as key skill	26%→67% (↑40 pp)
Russia ^(ChatGPT limited)	~30% iOS vs 69% Android	(see left)	Moderate: English learning common (compulsory in school); interest exists but ChatGPT availability is uncertain	36%→74% (↑38 pp)
Mexico	~24% iOS vs 76% Android	(see left)	High: Strong desire to learn English for US job/migration; ~50% of students study English in school (est.)	37%→62% (↑25 pp)
Indonesia	~12% iOS vs 88% Android	(see left)	High: English seen as gateway skill; government programs to improve English proficiency	<30%→68% (↑ ~40 pp)
Turkey	~15% iOS vs 85% Android (est.)	(see left)	High: English highly valued (universal in education); 80% link English to better jobs	30%→75% (↑45 pp)
Saudi Arabia	~24% iOS vs 76% Android	(see left)	Moderate: English widely taught; 92% smartphone ownership (many already bilingual in English/Arabic)	73%→~95% (↑ ~22 pp) (early adopter; near saturation now)
South Africa	~16% iOS vs 83% Android	(see left)	High: Multilingual society; English and Afrikaans taught alongside native languages – cultural impetus to learn others	40%→~60% (↑ ~20 pp) (est., steady growth)
Argentina	~12% iOS vs 88% Android	(see left)	High: Strong interest in English (Argentina leads Latin America in English proficiency)	31%→~70% (↑ ~39 pp) (est., sharp rise with smartphone adoption)

Sources: Smartphone OS shares are from StatCounter/Statista data (2023–24). Language-interest metrics come from surveys by Preply, Eurobarometer, Babbel, etc. (e.g. UK 73% interest; US 70% regret lack of languages; Japan >50% want English; Pearson global survey). Mobile penetration is measured as smartphone ownership percentage – dramatic growth is noted in developing markets (e.g. Brazil +40 points) and high saturation in developed ones (e.g. UK ~82%) over the last decade.

Recommendations: Based on the above, prime targets for a new ChatGPT‑powered iOS translation app would be countries with large iOS user bases and strong language-learning demand, where ChatGPT is accessible. Notably, Japan, the U.S., UK, Canada, and Australia emerge as top choices. These markets pair high iOS adoption (50–60%+ share) with significant enthusiasm for language learning – for example, Japan’s iPhone dominance and widespread desire to learn English make it ideal. English-speaking countries like the US, UK, Canada, and Australia, despite being monolingual societies, show substantial interest in learning other languages (e.g. Spanish or French), and all have over 80% smartphone penetration and millions of iPhone users.

Among emerging economies, Mexico and Brazil stand out as secondary targets: although Android prevails, their sheer population sizes mean tens of millions of iPhone users exist, and interest in English is very high for career and education reasons. These Latin American markets (where ChatGPT is active) could yield strong adoption for an iOS-only app, especially given the motivation to learn English. Conversely, China and Russia are less feasible – China’s OS split skews Android and ChatGPT is not officially available there, and Russia faces access and regulatory uncertainties.

In summary, focus on iOS-heavy, pro-learning markets: Japan and Western countries (US, UK, Canada, Australia, plus high-income Europe like Germany and France to a lesser degree) should be the first-tier targets. They combine robust iOS usage with favorable language-learning attitudes. A second tier includes large-population developing markets (Mexico, Brazil, perhaps Saudi Arabia for its historically high iPhone uptake) where interest in English is strong – these can be approached once the app gains traction in the primary markets. Such a strategy ensures the app launches where it has the greatest alignment of platform (iOS) presence and user demand for translation/language tools, maximizing the likelihood of adoption and growth.

“Deep research” கொடுக்கப்பட்ட “prompt”-க்கு மிகத் துல்லியமான பதிலை வழங்கி, முன்னேற்றம் பெற்ற முதல் 10 நாடுகள் மற்றும் வளர்ந்து வரும் முதல் 10 நாடுகளுக்கான தரவை ஒப்பிட எளிதாக அடுத்தடுத்து வழங்குகிறது. அந்த தகவல்களைப் பயன்படுத்தி, அறிவார்ந்த மற்றும் நடைமுறையில் பயன்படும் சந்தை நுழைவு பரிந்துரைகளையும் வழங்குகிறது.

இது எப்படி செயல்படுகிறது

பல்வேறு களங்களில் கடினமான உலாவல் மற்றும் பகுத்தறிவுப் பணிகளில் முழுமையான வலுவூட்டல் கற்றலைப் பயன்படுத்தி ஆழமான ஆராய்ச்சி பயிற்சி அளிக்கப்பட்டது. அந்த பயிற்சியின் மூலம், தேவையான தரவைக் கண்டுபிடிக்க பல கட்ட திட்டமிடல் மற்றும் நிறைவேற்றத்தை கற்றது; தேவையானபோது பின்திரும்பலும், நேரடி தகவல்களுக்கு உடனடி பிரதிகிரியும் செய்யும் திறனை அபிவிருத்தி செய்தது. இந்த மாதிரி பயனர் பதிவேற்றிய கோப்புகளை உலாவவும், பைதான் கருவியைப் பயன்படுத்தி வரைபடங்களில் வரைபடங்களை வரைந்து மீண்டும் செய்யவும், வலைத்தளங்களிலிருந்து உருவாக்கப்பட்ட வரைபடங்கள் மற்றும் படங்களை அதன் பதில்களில் உட்பொதிக்கவும், அதன் மூலங்களிலிருந்து குறிப்பிட்ட வாக்கியங்கள் அல்லது பத்திகளை மேற்கோள் காட்டவும் முடியும். இந்த பயிற்சியின் விளைவாக, நிஜ உலகப் பிரச்சினைகளைக் குறிவைக்கும் பல பொது மதிப்பீடுகளில் இது புதிய உச்சங்களை எட்டுகிறது.

மனிதகுலத்தின் கடைசித் தேர்வு

மனிதநேயத்தின் கடைசி தேர்வில்⁠(புதிய சாளரத்தில் திறக்கும்), நிபுணர் அளவிலான கேள்விகளில் பரந்த அளவிலான பாடங்களில் AI ஐ சோதிக்கும் சமீபத்தில் வெளியிடப்பட்ட மதிப்பீடு, ஆழமான ஆராய்ச்சியை இயக்கும் மாதிரி 26.6% துல்லியத்தில் ஒரு புதிய உயர்வைப் பெறுகிறது. இந்த தேர்வு மொழியியல் முதல் ராக்கெட் அறிவியல் வரை, கிளாசிக்ஸ் முதல் சூழலியல் வரை 100-க்கும் மேற்பட்ட பாடங்களில், 3,000-க்கும் அதிகமான பல்தேர்வு மற்றும் குறு-பதில் கேள்விகளை கொண்டுள்ளது. OpenAI o1 உடன் ஒப்பிடும்போது, வேதியியல், மனிதநேயம் மற்றும் சமூக அறிவியல் மற்றும் கணிதத்தில் மிகப்பெரிய லாபங்கள் தோன்றின. “ஆழ்ந்த ஆய்வை” இயக்கும் மாடல், தேவையான போது சிறப்பு தகவல்களை திறம்படத் தேடி கண்டுபிடிக்கும் மனிதனைப் போன்ற அணுகுமுறையை வெளிப்படுத்தியது.

மாடல்	துல்லியம் (%)
GPT-4o	3.3
Grok-2	3.8
கிளாட் 3.5 சானட்	4.3
Gemini Thinking	6.2
OpenAI o1	9.1
DeepSeek-R1*	9.4
OpenAI o3-mini (நடுத்தரம்)*	10.5
OpenAI o3-mini (உயர்)*	13.0
OpenAI டீப் ரிசர்ச்**	26.6

* மாதிரி பல முறை செயல்படக்கூடியது அல்ல, உரை மட்டுமே கொண்ட துணை தொகுப்பில் மதிப்பீடு செய்யப்பட்டது.

** உலாவல் + பைதான் கருவிகளுடன்

GAIA

GAIA⁠(புதிய சாளரத்தில் திறக்கும்)¹ என்ற நிஜ உலக கேள்விகளை மதிப்பீடு செய்யும் பொது அளவுகோலில், ஆழமான ஆராய்ச்சியை இயக்கும் மாதிரி வெளிப்புற லீடர்போர்டில்⁠(புதிய சாளரத்தில் திறக்கும்) முதலிடத்தை எட்டியுள்ள புதிய கலை நிலையை (SOTA) அடைகிறது. மூன்று நிலை சிரமங்களைக் கொண்ட கேள்விகளை உள்ளடக்கிய இந்த பணிகளை வெற்றிகரமாக முடிக்க, காரணவிளக்கம், மல்டிமோடல் புலமை, இணைய உலாவல் மற்றும் கருவி பயன்பாட்டு திறன் போன்ற திறன்கள் தேவைப்படுகிறது.

GAIA
	நிலை 1	நிலை 2	நிலை 3	சராசரி
முந்தைய SOTA(புதிய சாளரத்தில் திறக்கும்)	67.92	67.44	42.31	63.64
Deep Research (pass@1)	74.29	69.06	47.6	67.36
Deep Research (cons@64)	78.66	73.21	58.03	72.57

GAIA பணி எடுத்துக்காட்டுகள்

In Nature journal's Scientific Reports conference proceedings from 2012, in the article that did not mention plasmons or plasmonics, what nano-compound is studied? Don't use the prefix nano in your answer if there is one.

[The remaining Chain-of-Thought messages and the final answer are hidden to protect the benchmark's ground truth answer.]

தேடலைத் தெளிவுபடுத்துதல்

Scientific Reports-இல் 2012-இல் வெளியான, “plasmonics”-இல் தொடர்பில்லாத ஒரு நானோ கம்பவுண்டைப் பற்றிய கட்டுரையைத் தேடுகிறேன். இது சாத்தியமாக சில்வர் அல்லது கிராஃபீன் போன்ற குறிப்பிட்ட தலைப்புகள் அல்லது கம்பவுண்டுகளை வடிகட்டுவதை உள்ளடக்கியிருக்கலாம்.

விவரங்களை இணைத்து அமைத்தல்

“Scientific Reports 2012 nanoparticle” எனத் துணை தேடல் செய்து, நானோ கம்பவுண்டுகள் தொடர்பான தகவலைக் கண்டுபிடிக்க முயற்சிக்கிறேன். “plasmon”-ஐ சார்ந்த தலைப்புகளை நீக்கி, சாத்தியமாக சில்வர், கிராஃபீன் அல்லது க்வாண்டம் டாட்ஸ் ஆகியவற்றில் கவனம் செலுத்துகிறேன்.

[தேடல் செயல்]

தேடல் ஃபில்டர்களில் வழிசெலுத்தல்

nature.com மற்றும் Scientific Reports தளங்களில் 2012-க்கான மேம்பட்ட “சர்ச் ஃபில்டர்ஸ்” பயன்படுத்தி, உணவுக் கரமேல்களில் உள்ள “அமோர்பஸ் கார்பன் நானோபார்டிகிள்ஸ்” பற்றிய கட்டுரைகளை துல்லியமாகக் கண்டுபிடிக்க முயற்சிக்கிறேன்.

கான்ஃபரன்ஸ் ப்ரொசீடிங்ஸ் அடையாளம் காணுதல்

தேடல் முடிவுகளில், 2012-இல் வெளியிடப்பட்ட “2D குவாஸி-பீரியாடிக் பிளாஸ்மானிக் கிரிஸ்டல்ஸ்” என்ற கான்ஃபரன்ஸ் ப்ரொசீடிங் காணப்படுகிறது, இது சாத்தியமாக Scientific Reports-இன் “Conference Proceedings” பிரிவில் இருக்கும்.

[உலாவல் செயல்]

சாத்தியமான பிரச்சினைகள் குறித்து சிந்தித்தல்

ஒரு “வெப் பேஜ்” தவறான புரிதலுக்கான காரணங்களைப் பரிசீலிக்கிறேன் — இது பழைய “ஏஜென்ட் டைப்” அல்லது தற்செயலான “பிளாக்கேஜ்” காரணமாக இருக்கலாம்.

[உலாவல் செயல்]

டைனமிக் விருப்பங்களைப் பரிசீலித்தல்

டைனமிக் கண்டென்ட் கொண்ட அல்லது “கேஷ்டு” பதிப்பாக இருக்கும் nature தளத்தைப் பற்றி நினைக்கிறேன். மாற்றாக, குறிப்பிட்ட சொற்றொடர்களைக் கொண்டு “சர்ச்” செய்வது உதவியாக இருக்கலாம்.

[தேடல் செயல்]

முக்கிய அம்சங்களை துல்லியமாக அடையாளம் காணுதல்

சரி, Sci Rep-இல் 2012-இல் வெளியிடப்பட்ட நான்கு கான்ஃபரன்ஸ் ப்ரொசீடிங்ஸ்-ஐ அடையாளம் காண்கிறேன். சிலவற்றில் “பிளாஸ்மானிக்” குறிப்பிடப்பட்டிருப்பதால் அவற்றை நீக்க வேண்டும்.

[உலாவல் செயல்]

அறிவுகளை இணைத்தல்

முழுமையான “அனாலிசிஸ்க்காக,” குறிப்பிட்ட தலைப்புகளுக்கான “கேஷ்டு” பதிப்புகள் அல்லது “ஸ்னிப்பெட் எக்ஸ்பான்ஷன்ஸ்” எவ்வாறு அணுகலாம் என்பதற்கான தகவல்களைச் சேகரிக்கிறேன்.

[தேடல் செயல்]

விவரங்களை ஒன்றிணைத்தல்

2012 “யூரோப்பியன் மெட்டீரியல்ஸ் ரிசர்ச் சொசைட்டி” ஸ்ப்ரிங் மீட்டிங்கிலிருந்து “சயன்டிஃபிக் ரிப்போர்ட்” வரை நடந்த முன்னேற்றத்தைக் குறிப்பிட்டு, கான்ஃபரன்ஸ் ப்ரொசீடிங்ஸ்-இல் கவனம் செலுத்துகிறேன். இந்த அணுகுமுறை பின்னணியையும் பொருத்தத்தையும் நிறுவ உதவுகிறது.

[தேடல் செயல்]

ஜர்னல் குறிகுறிகளைத் தொடர்தல்

2012 இறுதியில் வெளியிடப்பட்ட கான்ஃபரன்ஸ் ப்ரொசீடிங்ஸை “Scientific Reports” ஜர்னலுடன் இணைக்க முயல்கிறேன், இதில் “பிளாஸ்மானிக் 2D குவாஸி-பீரியாடிக் மேட்டீரியல்ஸ்” மீது கவனம் செலுத்துகிறேன். இந்த அணுகுமுறை முறையானதும் துல்லியமானதும் என்று தோன்றுகிறது.

[தேடல் செயல்]

நிகழ்வு விவரங்களைப் பகுப்பாய்வு செய்தல்

தேடல் முடிவுகளில் [8] “யூரோப்பியன் மெட்டீரியல்ஸ் ரிசர்ச் சொசைட்டி 2012 ஸ்ப்ரிங் மீட்டிங்”-ஐ 25 “சிம்போசியா” உடன் சுருக்கமாகக் காண்பிக்கும் ஒரு பக்கம் இருப்பதை கவனிக்கிறேன்.

[உலாவல் செயல்]

ஆராய்ச்சியை இணைத்து அமைத்தல்

நான்கு கட்டுரைகள் கொண்ட ஒரு “கலெக்ஷன் பேஜ்”-ஐ ஆய்வு செய்கிறேன், இதில் “பிளாஸ்மானிக்” மற்றும் “மெட்டாமேட்டீரியல்” தலைப்புகளைப் பொருத்தியும், “யூரோப்பியன் மெட்டீரியல்ஸ் ரிசர்ச் சொசைட்டி 2012 ஸ்ப்ரிங் மீட்டிங்”-இல் இருந்து முக்கியமான குறிப்புகளை அடையாளம் காண்கிறேன்.

[உலாவல் செயல்]

கவனத்தின் மையத்தைத் துல்லியமாகக் கண்டறிதல்

நான் E-MRS வெளியிட்ட “Scientific Reports” ஜர்னலில் 2012-இல் வெளிவந்த கான்ஃபரன்ஸ் ப்ரொசீடிங்ஸில் கவனம் செலுத்துகிறேன் — இதில் “2D குவாஸி-பீரியாடிக் பிளாஸ்மானிக் கிரிஸ்டல்ஸ்” மற்றும் “லேயர்டு பிளாஸ்மானிக் க்ளோக்ஸ் டூ டெய்லர் தி ஆப்டிக்கல் ஸ்காட்டரிங் அட் தி நானோஸ்கேல்” போன்ற தலைப்புகள் இடம்பெற்றிருக்கலாம்.

[உலாவல் செயல்]

நூலக ஆதாரங்களை மதிப்பீடு செய்தல்

E-MRS 2012 “Scientific Reports” சிறப்பு இதழில், Monticone மற்றும் “மெட்டாமேட்டீரியல்ஸ் லாப்” எழுதிய “இன்வைட்டெட் பேப்பர்” பற்றிய 2012 “நியூஸ் ஆர்கைவ்ஸ்” பதிவைச் சிந்திக்கிறேன்.

[உலாவல் செயல்]

அணுகல் சாத்தியத்தை மதிப்பீடு செய்தல்

தளம் பழையதா அல்லது “பிளாக்கேஜ்” இருப்பதா என்பதைப் பொருத்து, அணுகல் பிரச்சினைகள் இருக்கிறதா எனத் தகவல் சேகரிக்கிறேன். மேலும், “மொண்டிகோன்” தளத்தை ஒரு குறிப்பு பட்டியலுக்காக மதிப்பாய்வு செய்கிறேன்.

[உலாவல் செயல்]

E-MRS 2012 ஐ இணைத்து அமைத்தல்

“லேயர்டு பிளாஸ்மானிக் க்ளோக்ஸ்” என்ற தலைப்பை E-MRS 2012-இன் தொடர்புடன் இணைக்க முயல்கிறேன். அதோடு “கிராஃபீன்” மற்றும் “கேடலிசிஸ்” போன்ற பிற சாத்தியமான தலைப்புகளையும் பரிசீலிக்கிறேன்.

[உலாவல் செயல்]

தொடர்புடைய தலைப்புகளை அடையாளம் காணுதல்

“கிராஃபீன்”, “போட்டோவோல்டாயிக்ஸ்”, மற்றும் “நானோஸ்ட்ரக்சர்டு கம்பவுண்ட்ஸ்” போன்ற தலைப்புகள் குறித்த தகவல்களைச் சேகரிக்கிறேன், ஆனால் “பிளாஸ்மானிக்” தொடர்பானவற்றை நீக்குகிறேன். இதனால் நான் “நானோடெக்னாலஜி” சார்ந்த அம்சங்களில் விரிவாக கவனம் செலுத்துகிறேன்.

[உலாவல் செயல்]

என் கவனத்தைச் சரிசெய்தல்

“Nature Scientific Reports” (2012) தளத்தில் உள்ள “2D குவாஸி-பீரியாடிக் பிளாஸ்மானிக் கிரிஸ்டல்ஸ்” பற்றிய கட்டுரைகளை துல்லியமாகக் கண்டுபிடிக்க, குறிப்பிட்ட “சைட்” மற்றும் “ஸ்காலர் ஐடென்டிஃபையர்கள்” சேர்த்து தேடல் அளவுகோல்களை விரிவாக்குகிறேன்.

[தேடல் செயல்]

பிளாஸ்மானிக் அல்லாத சாத்தியங்களை அடையாளம் காணுதல்

2012 “E-MRS” சிறப்பு இதழில் (“Scientific Reports”) வெளியிடப்பட்ட கட்டுரைகளை அடையாளம் காண, தேடலைக் குறுக்கமாகச் செய்கிறேன். இதில் “கிராஃபீன்” அல்லது “ஃபங்க்ஷனல் ஆக்சைட்ஸ்” போன்ற பிளாஸ்மானிக் அல்லாத தலைப்புகளைச் சரிபார்க்கிறேன். பிளாஸ்மானிக் கட்டுரைகளை நீக்கி மேற்கொண்ட தேடல்கள் மூலம் முன்னேற்றம் தெளிவாக தெரிகிறது.

[தேடல் செயல்]

குறிகுறிகளை இணைத்தல்

“சை ரெப்” கட்டுரையில் இருந்து இருக்கக்கூடிய “கிராஃபீன் சூப்பர்லாட்டிஸ்” பற்றிய இணைப்புகளைப் பகுப்பாய்வு செய்கிறேன். “படூரு”, “யாகோவ்லெவ்”, “சென்”, மற்றும் “அலூ” போன்ற ஆசிரியர்களின் தலைப்புகளையும் பரிசீலிக்கிறேன்.

[தேடல் செயல்]

பழகத்தை இணைத்தல்

“E-MRS 2012 ஸ்ப்ரிங் மீட்டிங்”-இன் “சை ரெப் ப்ரொசீடிங்ஸ்”-இல் உள்ள “இன்வைட்டெட் பேப்பர்ஸ்”-ஐ (பிளாஸ்மானிக் சம்பவங்கள் இல்லாமல்) பற்றிய தகவல்களைச் சேகரிக்கிறேன். இதில் ஆய்வில் உள்ள பிரிவுகள் — “கிராஃபீன்”, “கேடலிசிஸ்”, “எனர்ஜி மேட்டீரியல்ஸ்”, “நானோமெடிசின்”, மற்றும் “சென்சர்ஸ்”.

[தேடல் செயல்]

நிபுணர் நிலை பணிகள்

பல்வேறு களங்களில் நிபுணர் நிலை பணிகளின் உள் மதிப்பீட்டில், ஆழமான ஆய்வு கள நிபுணர்களால் பல மணிநேர கடினமான கையேடு விசாரணையை தானியக்கமாக்கியதாக மதிப்பிடப்பட்டது.

வெற்றி விகிதம் மற்றும் அதிகபட்ச கருவி அழைப்புகள்

மாதிரி அதிகமாக உலாவி, அது பார்க்கும் விஷயங்களை ஆழமாக சிந்திக்கும் போது அதன் செயல்திறன் மேம்படுகிறது — அதனால்தான் அதற்கு சிந்திக்க நேரம் கொடுப்பது முக்கியம்.

நிபுணர் நிலை பணிகளுக்கான எடுத்துக்காட்டுகள்

பணியில் சேமிக்கப்பட்ட நேரம்: 4 மணி நேரம்

I am a researcher interested in bringing mixed-gas sorption capabilities to my lab. Please discuss the differences between pure- and mixed-gas sorption for glassy polymers, how the dual-mode sorption model can be used to predict mixed-gas sorption behavior in glassy polymers (include equations where applicable), and what challenges there are in accurately predicting pure- and mixed-gas sorption using the dual-mode sorption model. Only include open-source information as of October 1, 2024.

Pure vs. mixed-gas sorption in glassy polymers: In a glassy polymer (below $T_g$ ), a single gas typically exhibits a concave sorption isotherm: uptake rises sublinearly with pressure, unlike the linear Henry’s-law behavior above $T_g$ . This is attributed to “dual-mode” sorption: some penetrant dissolves in the dense polymer matrix (obeying Henry’s law) while additional penetrant saturates specific microvoid “sites” (a Langmuir-type adsorption in the polymer’s nonequilibrium free volume). By contrast, when two or more gases are present, they compete for those limited Langmuir sorption sites. As a result, each component’s sorbed concentration in a mixture is generally lower than it would be at the same partial pressure alone. In particular the less soluble (lower-affinity) gas tends to be more strongly suppressed, often causing the mixed-gas solubility selectivity (ratio of concentrations) to exceed the ideal value predicted from pure-gas isotherms. For example, in CO₂/CH₄ mixtures both components sorb less than in their pure-gas cases (especially CH₄), so the CO₂/CH₄ sorption selectivity is higher under mixture conditions. In extreme cases, mixed-gas effects can even reverse performance trends observed with single gases. (We note that unlike competitive sorption, synergistic sorption – where one gas increases the sorption of another via polymer swelling – is usually minor in rigid high-free-volume polymers under moderate pressures.)

Dual-mode sorption model and mixed-gas prediction: The dual-mode sorption (DMS) model quantitatively captures glassy polymer sorption by superposing a Henry’s-law term and a Langmuir term. For a single gas, the sorbed concentration $C$ (e.g. in cm³(STP) gas per cm³ polymer) is written as:

$C(p) = k_D\,p \;+\; \frac{C'_H\,b\,p}{\,1 + b\,p\,}\,.$

Here $k_D$ is the Henry’s law coefficient for dissolution, $C'_H$ is the Langmuir capacity constant (proportional to the polymer’s unrelaxed free-volume or “hole” capacity), and $b$ is the Langmuir affinity constant. This empirical formula yields the characteristic concave isotherm of glassy polymers and reduces to simple Henry’s law at the glass-transition (since $C'_H \to 0$ as $T \to T_g$ ). The same three parameters ( $k_D, C'_H, b$ ) are obtained by fitting pure-gas sorption data and are then used to predict mixture sorption. For a binary mixture of gases A and B (with partial pressures $p_A, p_B$ ), the DMS model assumes each gas obeys its own Henry’s term and that both compete for the same Langmuir sites. One convenient form is to write the total sorbed concentration as the sum of contributions from each gas:

$C_{\text{tot}} = k_{D,A}p_A + k_{D,B}p_B \;+\; \frac{\,C'_{H,A}\,b_A\,p_A \;+\; C'_{H,B}\,b_B\,p_B\,}{\,1 + b_A p_A + b_B p_B\,}\,,$

which implicitly means the concentration of component i in the mixture is $C_i = k_{D,i} p_i + \frac{C'_{H,i} b_i p_i}{\,1+\sum_j b_j p_j\,}$ . This reduces to the single-gas formula when the other component’s pressure is zero. In practice, partial pressure in these equations is often replaced by fugacity for accuracy at high pressures, though using fugacities or pressures gives nearly the same results if applied consistently. The DMS mixed-gas model predicts the competitive sorption effect observed experimentally – namely, each gas’s uptake is depressed relative to its pure-gas sorption isotherm.

Challenges and limitations: Although the dual-mode model is widely successful in correlating sorption data, it has notable limitations in predicting sorption behavior. First, the DMS model is empirical – its fitted parameters are not universal constants but can vary with polymer formation history, physical aging, and temperature/pressure range. This means a parameter set obtained under one set of conditions may lack predictive power outside its calibration range. For instance, sorption isotherms measured only over a limited pressure range can be fit well by DMS, but extrapolating beyond that (especially approaching plasticization pressures) may be unreliable. Indeed, multiple distinct combinations of $k_D$ , $C'_H$ , $b$ can sometimes fit the same pure-gas isotherm almost equally well – yet they yield markedly different mixed-gas predictions. This sensitivity undermines confidence in mixture forecasts, as one study showed that using different pure-gas fit sets led to only qualitative agreement with some mixed-CO₂/CH₄ data.

Furthermore, DMS inherently assumes a fixed population of Langmuir sites (microvoids) and ignores polymer relaxation or swelling induced by sorbate. In reality, penetrant-induced swelling (plasticization) can increase free volume and sorption capacity, especially for highly condensable gases at high activity – an effect the basic DMS model cannot capture. In binary sorption, this means any synergistic increase in sorption due to a second gas (or due to polymer dilation) is unaccounted for in the standard model. Conversely, the model also cannot describe sorption isotherm shapes that deviate from concave Langmuir-type behavior (e.g. sigmoidal isotherms caused by specific polymer-penetrant interactions or clustering). For example, glassy polymers absorbing polar molecules like alcohols can show sigmoidal sorption isotherms, which the simple dual-mode framework fails to represent. Finally, accurately measuring mixed-gas sorption itself is challenging, and discrepancies between idealized model assumptions (e.g. truly zero downstream pressure, no competitive diffusion limitations) and experimental realities can add to prediction error. Despite these challenges, the dual-mode sorption model – with appropriate care – remains a valuable first approximation for interpreting sorption in glassy polymers, and it highlights the key role of competitive site occupancy in mixed-gas environments. Researchers often turn to more elaborate models (e.g. non-equilibrium lattice fluid or thermodynamic theories) when the dual-mode model’s assumptions break down, but such models come at the cost of additional parameters or complexity. In summary, dual-mode sorption provides a useful baseline for pure- and mixed-gas sorption in glassy polymers, but one must be mindful of its empirical nature and the above limitations when predicting multicomponent sorption behavior in practice.

Sources: Dual-mode sorption model and mixed-gas extension; competitive sorption effects in mixtures; model equations and parameters; limitations of DMS model; parameter sensitivity and predictivity issues.

உட்கவர்தல் மாதிரிகளைப் புரிந்துகொள்தல்

நான் வெளிப்படையான மற்றும் கலவைக் வாயுக்களின் உட்கவர்தல் குறித்து தகவலைச் சேகரிக்கிறேன், குறிப்பாக இரட்டை முறை உட்கவர்தல் மாதிரியை மையமாகக் கொண்டு, மாதிரி கணிப்புகளில் உள்ள சவால்களை சமாளிக்கிறேன்.

[தேடல் செயல்]

திறந்த அணுகலை மதிப்பீடு செய்தல்

சரி, பார்க்கிறேன். கண்ணாடி பலபடிகளில் கலப்பு-வாயு உட்கவர்சுதலில் MDPI இன் முடிவு அநேகமாக திறந்த அணுகலாகும்.

[உலாவல் செயல்]

பிரிவுகளை ஆராய்தல்நான் இரட்டை முறை உட்கவர்தல் மாதிரி மற்றும் MDPI ஆவணத்தில் அதன் விரிவான பகுப்பாய்வு ஆகியவற்றிலிருந்து நுண்ணறிவுகளை ஒன்றாகச் சேர்க்கிறேன்.

[உலாவல் செயல்]

முக்கிய பண்புகளைத் தெளிவுபடுத்தல்

வாயு உட்கவர்தல் பற்றிய விளக்கத்திற்காக “ஹென்றி விதியின் மாறிலி”, “லாங்ம்யூர் ஈர்ப்பு மாறிலி” மற்றும் “லாங்ம்யூர் திறன் மாறிலி” ஆகியவற்றைப் புரிந்துகொள்வதற்காக ஆய்வக அறிக்கையைப் பரிசீலிக்கிறேன்.

[உலாவல் செயல்]

தகவல்களை இணைத்தல்

“சமன்பாடு (3)” மற்றும் “சமன்பாடு (4)” படங்களாகவோ அல்லது சூத்திர வடிவங்களாகவோ இருக்கக்கூடும் என்பதற்கான சாத்தியத்தை ஆராய்ந்து, அவற்றை சிறப்பாகப் புரிந்துகொள்ள PDF-ஐப் பார்ப்பதையோ அல்லது முந்தைய மேற்கோள்களைத் தேடுவதையோ கருதுகிறேன்.

[உலாவல் செயல்]

தலைப்பின் பொருத்தத்தைக் கண்டறிதல்

“ப்ரீமன் மற்றும் கொரோஸ் (1980)” ஆவணம் “Model for sorption of mixed gases in glassy polymers” என்ற மேற்கோளுடன் துல்லியமாகப் பொருந்துகிறதா என்பதை அதன் சுருக்கம் மற்றும் தலைப்பைப் பார்த்து சரிபார்க்கிறேன்.

[தேடல் செயல்]

கட்டுரை தொடர்புகளை ஆய்வு செய்தல்

“pmc.ncbi.nlm.nih.gov”-இல் கிடைத்த முடிவு அதே “MDPI” கட்டுரை போல் தெரிகிறது — அது முழு உரையையா அல்லது எளிய வடிவையா வழங்குகிறது என்பதைக் காண ஆர்வமாக இருக்கிறேன்.

[உலாவல் செயல்]

தகவலைச் சேகரித்தல்

கண்ணாடி பலபடிகளில் தூய மற்றும் கலவைக் வாயுக்களின் உட்கவர்தல் பற்றிய தகவல்களைச் சேகரிக்கிறேன். இது பல்வேறு வாயு சூழ்நிலைகளில் பொருளின் நடத்தைப் புரிந்துகொள்வதற்கான முக்கியமான கட்டமாகும்.

[தேடல் செயல்]

வாயு உட்கவர்தலை ஒப்பிடுதல்

ஒரு கலவையில் கார்பன் டை ஆக்சைடு இருப்பது பலபடியில் மீத்தேன் உட்கவர்தலைப் பாதிக்கிறது, தூய வாயு சூழ்நிலையுடன் ஒப்பிடும்போது மீத்தேன் உட்கவர்தலைக் குறைக்கிறது என்பதை நான் கவனித்தேன்.

[உலாவல் செயல்]

கருத்துகளை இணைத்தல்

“விரிவாக்கப்பட்ட இரட்டை முறை சமன்பாடு கலவை” என்ற சொல் “இரட்டை முறை சூப்பர் கண்டக்டிங் கேபிள்” சமன்பாடுகளுடன் எப்படி தொடர்புடையது என்பதை சிந்திக்கிறேன். இது துறைகள் இடையே கருத்துகளை இணைக்கும் சாத்தியத்தை காட்டுகிறது.

[தேடல் செயல்]

மதிப்பீட்டு விவரங்களை கோருதல்

"பலபடி சவ்வில் உட்கவர்தல் மற்றும் கடத்து கோட்பாடுகளை" மதிப்பாய்வு செய்வதற்கான கோரிக்கையை நான் கவனிக்கிறேன்.

[உலாவல் செயல்]

PDF இணைப்பைச் சரிபார்த்தல்

“முடிவு [2]” குறித்து ஆர்வமாக இருக்கிறேன் — அதில் “இரட்டை முறை உட்கவர்தல் மாதிரி” ஈருறுப்புக் கலவையை (binary mixture) விரிவாக்கி, கூறு A-வின் ஈர்ப்பை பகுதி அழுத்தங்கள் மற்றும் மாறிலிகள் அடிப்படையில் வெளிப்படுத்துவது பற்றி ஒரு பகுதி உள்ளது.

[தேடல் செயல்]

உட்கவர்தல் நடத்தை முன்னறிதல்

“இரட்டை முறை மாதிரி”யின் படி, இரண்டாவது வாயுவைச் சேர்ப்பது நிலையான பகுதி அழுத்தத்தில் உறிஞ்சலைக் குறைக்கிறது — இது தூய வாயுவின் நிலைக்கு மாறுபட்டதாகும்.

[உலாவல் செயல்]

PDF ஐ பெறுதல்

“nature.com” தளத்தில் உள்ள PDF பற்றிய தகவலைச் சேகரிக்கிறேன் — இது பழைய “யாம்பொல்ஸ்கி” கட்டுரையாக இருக்கலாம். ஆனால் மாற்றாக, “யூனிவர்சிட்டி ஆஃப் டெக்சாஸ் அட் ஆஸ்டின்” களஞ்சியத்தில் உள்ள உரை பகுதியை ஆராய்கிறேன்.

[உலாவல் செயல்]

களஞ்சிய விருப்பங்களை மதிப்பீடு செய்தல்

“UT” களஞ்சியத்தில் உள்ள முடிவு சரியாகக் காட்டப்படவில்லை என்பதை கண்டறிந்தேன். அதில் தேடுவது உறுதியானதல்ல. மாற்றாக, முடிவு [3] இரட்டை முறை கலவை உட்கவர்தல் மாதிரியை விவரிக்கும் ஒரு துணுக்கைக் கொண்டுள்ளது, இது போட்டி விளைவுகள் மற்றும் சோதனைத் தரவை மாதிரியாக்குவதில் அதன் போதுமான தன்மையை விளக்குகிறது.

[தேடல் செயல்]

கவனத்தைச் செம்மைப்படுத்தல்

தேடல் சரியான பின்னணியை அடையும் வகையில் எனது அணுகுமுறையைச் சீரமைக்கிறேன்.

[தேடல் செயல்]

உட்கவர்தல் மாதிரிகளைப் புரிந்துகொள்வது

நான் தூய வாயுக்களுக்கான இரட்டை பயன்முறை உட்கவர்தல் மாதிரியை விவரிக்கிறேன்: ஹென்றி கரைதல் மற்றும் லாங்முயர் மைக்ரோவைட் நிரப்புதல். கலப்பு வாயுக்களுக்கு, போட்டி உட்கவர்சுதல் மற்றும் இலட்சியமற்ற தன்மைகள் வலியுறுத்தப்படுகின்றன.

[தேடல் செயல்]

hero.epa.gov தளத்தை ஆராய்தல்

hero.epa.gov இன் மூலம் சிந்தித்தல் சாத்தியமான சுருக்கம் அல்லது உள்ளடக்கம்.

[உலாவல் செயல்]

மாதிரியைச் செம்மைப்படுத்தல்

போட்டி, நெகிழிமயமாக்கல் மற்றும் அளவுரு நிலைத்தன்மை போன்ற காரணிகளைக் கருத்தில் கொண்டு, தூய மற்றும் கலப்பு வாயு உட்கவர்தல் குறித்த நுண்ணறிவுகளைச் சேகரித்து வருகிறேன். மேலும் துல்லியமான கணிப்புகளுக்காக கலவை-வாயு டேட்டாவை சேர்க்கிறேன்.

[உலாவல் செயல்]

இரட்டை உட்கவர்தல் மாதிரி சவால்களை எதிர்கொள்வது

அளவுரு இணைப்பு மற்றும் தனித்துவமின்மை தாக்க கணிப்புகள். பலபடி நிலை மாற்றங்கள் இல்லாதது மேற்பார்வைகளுக்கு வழிவகுக்கும்.

[உலாவல் செயல்]

சிதறலை அளவிடுதல்

6FDA-mPDA-வில் நல்லியல்பற்ற CO₂–CH₄ கரைதிறனை (solubility) அளவிடுகிறேன்; கலவை வாயுக்கள் கரைதிறனுக்கு ஏற்படுத்தும் விளைவுகளை இது காட்டுகிறது. உட்புகு தேர்வு-திறன் குறைவிற்கு போட்டி உட்கவர்தல் மட்டும் காரணமல்ல.

[உலாவல் செயல்]

ஆதாரங்களைச் சேர்த்தல்

பலபடி சவ்வுகளில் வாயு உட்கவர்தலுக்கான இரட்டை-முறை மாதிரியில் உள்ள வேறுபாடுகள் மற்றும் சவால்கள் குறித்த விவாதத்தை ஆதரிக்க, MDPI 2019 மற்றும் Vopicka 2014 போன்ற திறந்த மூலப் பொருட்களில் கவனம் செலுத்தி, மேற்கோள்களைச் சேகரித்து வருகிறேன்.

[உலாவல் செயல்]

பிரிவுகளை முன்மொழிதல்

நான் தூய மற்றும் கலவை வாயுக்களின் உட்கவர் பகுதிகளை ஒழுங்குபடுத்தி, இரட்டை முறை உட்கவர் மாதிரியை ஆராய்ந்து அளவுரு நிச்சயமின்மை மற்றும் கலவை வாயு கணிப்பு போன்ற சவால்களை விரிவாக விவரிக்கிறேன்.

உள்ளடக்கத்தை ஒழுங்குபடுத்தல்

நான் இரட்டை முறை உட்கவர்தல் மாதிரிக்கு கவனம் செலுத்தி, தூய மற்றும் கலவை வாயுக்களின் உட்கவர்தல் நடத்தை பற்றி விரிவாக விளக்குகிறேன், முக்கிய வேறுபாடுகள் மற்றும் சவால்களை தெளிவாகக் காட்ட புள்ளி வடிவ பட்டியல்கள் மற்றும் கட்டமைக்கப்பட்ட பிரிவுகளை பயன்படுத்துகிறேன்.

[தேடல் செயல்]

மேற்கோள்களைத் தேர்ந்தெடுத்தல்

சரி, பார்க்கிறேன். “இரட்டை முறை உட்கவர்தல்” மற்றும் “வாயு கலவைகள்” பற்றிய தெளிவான விளக்கத்திற்காக [3], [20], [22], மற்றும் [21] ஆகிய மேற்கோள்களை நம்புகிறேன்.

அளவுருக்களை வரைபடமாக்கல்

குழப்பத்தைத் தவிர்க்க அளவுரு பெயர்களை ஒழுங்குபடுத்துகிறேன். தெளிவுக்காக (k), (C_H') மற்றும் (b) என்ற குறியீடுகளைப் பயன்படுத்துகிறேன். தூய வாயு மற்றும் கலவை வாயுக்களுக்கான சமன்பாடுகள் விரிவாகவும் தெளிவாகவும் வடிவமைக்கப்பட்டுள்ளன.

சவால்களை சமாளித்தல்

பல தீர்வு கொண்ட அளவுரு பொருத்தங்கள், பலபடி நெகிழியாக்கல் மற்றும் காலமாற்ற விளைவுகளை கையாள்கிறேன். இந்த நுணுக்கமான அம்சங்கள் தூய மற்றும் கலவை வாயுக்களின் உட்கவர் கணிப்பை சிக்கலாக்குகின்றன.

தகவல்களை இணைத்தல்

நான் உட்கவர்தல் வேறுபாடுகள், தூய வாயுக்களுக்கான இரட்டை-முறை மாதிரி, கலப்பு வாயுக்களுக்கான அதன் நீட்டிப்பு மற்றும் தொடர்புடைய சவால்கள் குறித்த பிரிவுகளை உருவாக்கி வருகிறேன். இந்த அமைப்பு தர்க்கபூர்வமானதும் பயனுள்ளதுமாகத் தெரிகிறது.

மதிப்பிடப்பட்ட பொருளாதார மதிப்பின் அடிப்படையில் நிபுணத்துவ நிலை பணிகளின் தேர்ச்சி விகிதம்

மதிப்பிடப்பட்ட நேரத்தின் அடிப்படையில் நிபுணத்துவ பணிகளின் தேர்ச்சி விகிதம்

ஒரு பணியின் பொருளாதார மதிப்பு, மனிதர்களுக்கு எவ்வளவு நேரம் ஆகும் என்பதைக் காட்டிலும் தேர்ச்சி விகிதத்துடன் அதிகமாக தொடர்புடையது — மாதிரிகள் கடினமாகக் கருதும் பணிகள், மனிதர்கள் நேரம் எடுக்கும் பணிகளிலிருந்து வேறுபட்டவை.

வரம்புகள்

டீப் ரிசர்ச் பல புதிய திறன்களை திறக்கிறது, ஆனால் இது இன்னும் ஆரம்ப கட்டத்தில் இருப்பதால் சில வரம்புகள் உள்ளன. உள்துறை மதிப்பீடுகளின்படி, இது தற்போது உள்ள ChatGPT மாதிரிகளைவிட மிகக் குறைந்த அளவில் இருந்தாலும், சில சமயங்களில் உண்மையற்ற தகவல்களை உருவாக்கவோ அல்லது தவறான முடிவுகளைக் கொண்டுவரவோ முடியும். நம்பகமான தகவல்களையும் வதந்திகளையும் வேறுபடுத்துவதில் சிரமப்படலாம்; மேலும் நம்பிக்கை அளவீட்டில் பலவீனத்தைக் காட்டுகிறது, இதனால் உறுதியின்மையைத் துல்லியமாக வெளிப்படுத்த முடியாமல் போகிறது. தொடக்கத்தில், அறிக்கைகள் மற்றும் மேற்கோள்களில் சிறிய வடிவமைப்பு பிழைகள் இருக்கலாம்; மேலும் பணிகள் தொடங்க சிறிது நேரம் எடுக்கக்கூடும். அதிகப்படியான பயன்பாடு மற்றும் காலத்தால் இந்த பிரச்சினைகள் விரைவில் மேம்படும் என்று நாங்கள் எதிர்பார்க்கிறோம்.

அணுகல்

ChatGPT இல் டீப் ரிசர்ச் தற்போது அதிக கணிப்பீட்டு திறனை (compute power) தேவைப்படுத்துகிறது. ஒரு கேள்வியை ஆராய்வதற்குக் கூடுதல் நேரம் எடுத்துக்கொண்டால், அதற்கேற்ப அதிக inference கணிப்பீட்டு திறன் தேவைப்படும். இன்று ப்ரோ பயனர்களுக்காக சிறப்பாக ஒழுங்குபடுத்தப்பட்ட ஒரு பதிப்பை அறிமுகப்படுத்துகிறோம்; இதில் மாதத்திற்கு 100 கேள்விகள் வரை அனுமதி உள்ளது. அடுத்ததாக ப்ளஸ் மற்றும் டீம் பயனர்கள் க்கு அணுகல் வழங்கப்படும்; அதன் பின்னர் என்டர்பிரைஸ் பயனர்களுக்கு கிடைக்கும். இங்கிலாந்து, ஸ்விட்சர்லாந்து மற்றும் ஐரோப்பிய பொருளாதார மண்டல பயனர்களுக்கு அணுகலை வழங்கும் பணிகள் இன்னும் நடைபெற்று வருகின்றன.

சிறிய ஆனால் உயர்தர முடிவுகளை வழங்கும் மாடலில் இயங்கும் வேகமான மற்றும் செலவுக் குறைவான டீப் ரிசர்ச் பதிப்பை வெளியிடும் போது, அனைத்து கட்டணப் பயனர்களுக்கும் அதிகமான பயன்பாட்டு வரம்புகள் வழங்கப்படும்.

வரவிருக்கும் வாரங்களிலும் மாதங்களிலும், தொழில்நுட்ப அடித்தளத்தை மேம்படுத்தி, தற்போதைய வெளியீட்டை நெருக்கமாகக் கண்காணித்து, மேலும் தீவிரமான சோதனைகளை நடத்தப் போகிறோம். இது எங்கள் படிப்படியான வெளியீட்டு கொள்கையுடன் இணங்குகிறது. அனைத்து பாதுகாப்பு சோதனைகளும் எங்கள் வெளியீட்டு தரநிலைகளை பூர்த்தி செய்தால், டீப் ரிசர்ச் சுமார் ஒரு மாதத்திற்குள் ப்ளஸ் பயனர்களுக்கு வெளியிடப்படும் என எதிர்பார்க்கிறோம்.

அடுத்தது என்ன

டீப் ரிசர்ச் தற்போது ChatGPT வலை பதிப்பில் கிடைக்கிறது; இது ஒரு மாதத்திற்குள் மொபைல் மற்றும் டெஸ்க்டாப் பயன்பாடுகளுக்கும் வழங்கப்படும். தற்போது, ஆழ்ந்த ஆய்வு திறந்த இணையத்தையும் மற்றும் பதிவேற்றப்பட்ட எந்த கோப்புகளையும் அணுக முடியும். எதிர்காலத்தில், நீங்கள் மிகவும் சிறப்பு வாய்ந்த தரவு மூலங்களுடன் இணைக்க முடியும் - சந்தா அடிப்படையிலான அல்லது உள் வளங்களுக்கான அணுகலை விரிவுபடுத்துவதன் மூலம் - அதன் வெளியீட்டை இன்னும் வலுவானதாகவும் தனிப்பயனாக்கப்பட்டதாகவும் மாற்ற முடியும்.

மேலும் முன்னோக்கிப் பார்க்கும்போது, ஒத்திசைவற்ற, நிஜ உலக ஆராய்ச்சி மற்றும் செயல்படுத்தலுக்காக ChatGPT இல் ஏஜன்ட்டிக் அனுபவங்கள் ஒன்றிணைவதை நாங்கள் கற்பனை செய்கிறோம். ஒத்திசைவற்ற ஆன்லைன் விசாரணையைச் செய்யக்கூடிய ஆழமான ஆராய்ச்சி மற்றும் நிஜ உலக நடவடிக்கை எடுக்கக்கூடிய ஆபரேட்டர் ஆகியவற்றின் கலவையானது, ChatGPT உங்களுக்காக பெருகிய முறையில் அதிநவீன பணிகளைச் செய்ய உதவும்.

பிப்ரவரி 3, 2025 இணைப்பு: ஆழமான ஆராய்ச்சிக்கு சக்தி அளிக்கும் o3 இன் ஆரம்ப பதிப்பில் கடுமையான பாதுகாப்பு சோதனை, தயார்நிலை மதிப்பீடுகள் மற்றும் நிர்வாக மதிப்பாய்வுகளை நாங்கள் மேற்கொண்டோம், இது நடுத்தர⁠(புதிய சாளரத்தில் திறக்கும்) ஆபத்து என அடையாளம் காணப்பட்டது. ஆழமான ஆராய்ச்சியின் வலையை உலாவவும் திறனுடன் தொடர்புடைய அதிகரிக்கும் அபாயங்களை நன்கு புரிந்துகொள்ள கூடுதல் பாதுகாப்பு சோதனையையும் நடத்தினோம், மேலும் புதிய தணிப்புகளைச் சேர்த்துள்ளோம். தற்போதைய கட்டுப்பாடு வெளியீட்டை நாங்கள் தொடர்ந்து முழுமையாகச் சோதித்து உன்னிப்பாகக் கண்காணிப்போம். Plus பயனர்களுக்கான அணுகலை விரிவுபடுத்தும்போது, சிஸ்டம் கார்டில் ஆழமான ஆராய்ச்சிக்கான எங்கள் பாதுகாப்பு நுண்ணறிவுகள் மற்றும் பாதுகாப்புகளைப் பகிர்ந்து கொள்வோம்.

அடிக்குறிப்புகள்

1
இந்த தரவுத்தொகுப்பின் உண்மையான பதில்கள் இணையத்தில் பரவலாக கசிந்திருந்ததால், மாடலை நியாயமான முறையில் மதிப்பிடுவதற்காக சில வலைத்தளங்கள் மற்றும் URLகளைத் தடைசெய்துள்ளோம்.

ஆசிரியர்கள்

OpenAI

ஆராய்ச்சி தலைவர்கள்

Isa Fulford மற்றும் Zhiqing Sun

அடித்தள பங்களிப்பாளர்கள்

Alex Tachard Passos, Alexandra Barr, Allison Tam, Charlotte Cole, Hyung Won Chung, Jason Wei, Jon Blackman, Scott Mayer McKinney மற்றும் Valerie Qi

முக்கிய பங்களிப்பாளர்கள்

ஆராய்ச்சி

எலெய்ன் யா லே, எரிக் மிட்செல், எரிக் வாலஸ், ஹியூங் வான் சுங், இக்நாசி கிளாவேரா, லியோ லியூ, லோரன்ஸ் குஹ்ன், லூயிஸ் ஃபேவ்ரியர், மேக்ஸ் ஸ்வார்ஸ்சர், சாச்சி ஜெயின், ஸ்காட்டி யான், ஷுன்யு யாவோ, விச்சீர் பாங்

வெளியீடு

கார்பஸ் சாங், ஹாரி ஷாவோ, ஜோசப் ட்ராசட்டி, ஜோஷுவா டிக்கன்ஸ், மேட் காஃபர், மைக் ட்ரப்சிக், மின்னியா ஃபெங், நீல் அஜ்ஜரப்பு, பீட்டர் விடானி, சான் ஃபிட்ஸ்கெரால்ட்

பங்களிப்பாளர்கள்

ஆராய்ச்சி

அகமது எல்-கிஷ்கி, ஏ.ஜே. ஓஸ்ட்ரோ, அலெக்ஸாண்டர் வேய், ஆண்ட்ரே கியோர்ஹே, ஆண்ட்ரூ கான்ட்ரிச், ஆண்ட்ரே மிஷ்சென்கோ, அனுஜ் நாயர், பெஹ்ரூஸ் கோர்பானி, ப்ரைடன் ஈஸ்ட்மேன், சாக் லி, போய்வோஸ் சிம்போர்லாஸ், பிரான்சிஸ் சாங், ஜியம்பட்டிஸ்டா பராச்கான்டோலோ, கில்டாஸ் சாபோ, ஹெசாம் பகெரிநேஜாத், ஹைடாங் ஹூ, ஹொங்யூ ரென், ஹென்றி அஸ்பெக்ரென், ஹண்டர் லைட்மேன், இல்யா கோஸ்ட்ரிகோவ், இல்கே அகாயா, ஜேம்ஸ் லெனன், ஜீன் ஹார்ப், ஜோனதன் வார்ட், கை சென், கேட்டி ஷி, கேவின் லியூ, கேவின் யூ, மனுகா ஸ்ட்ராட்டா, மார்வின் சாங், மென்யுவான் யான், மொஸ்தஃபா ரோஹனினேஜாத், நோயம் ப்ரவுன், பீபி தாக்கர், ராஸ் கோயன், ரீயா மியாரா, ஸ்பென்சர் பபே, டெய்லர் கார்டன், வென்டா ஜோ, வென்லே சி, யாஷ் பட்டீல், யான் டுபாய்ஸ், யூலாங் செங், யுஷி வாங், வையட் தாம்சன்

+ o3க்கு பங்களித்த அனைத்து பங்களிப்பாளர்கள்.

பாதுகாப்பு அமைப்புகள்

ஆடம் கலாய், அலெக்ஸ் பியூட்டல், ஆண்ட்ரியா வாலோன், ஆண்டி ஆப்பிள்பாம், டேவிட் ராபின்சன், எலிசபெத் ப்ரோயல், எவான் மேய்ஸ், கிரேஸ் ஷாவோ, இரினா கோஃப்மேன், ஜேசன் ஃபாங், ஜோஆகின் குவினோனேரோ கண்டெலா, ஜோயல் பாரிஷ், கேவின் லியூ, கிறிஸ்டன் யிங், லாமா அக்மத், லியோன் மேக்சின், லெய்டன் ஹோ, மேகன் ஷா, மிச்செல்லே வாங், மைல்ஸ் வாங், பிலிப் குவோ, ஒலிவியா வாட்கின்ஸ், ஓவென் காம்பெல்-மூர், பாட்ரிக் சாவோ, சாம் டாய்சர், சாமுவேல் மிசெரெண்டினோ, சாந்தினி அகர்வால், தேஜல் பட்ட்வார்தன், டீனா ஸ்ரீஸ்கந்தராஜா, ட்ராய் பீட்டர்சன், யாவோடாங் யூ, யுன்யுன் வாங்

வெளியீடு

ஆடம் கோப்பல், ஆடம் வெல்ஸ், அடெல் லி, ஆண்டி ஆப்பிள்பாம், ஆண்ட்ரே மாலெவிச், ஆண்ட்ரூ டுபர்ஸ்டீன், ஆண்ட்ரூ ஹோவெல், அன்டன் டனனாயெவ், ஆஷ்லி டைரா, பிராண்டன் வாக்கின், பிரையன் ஆஷ்லி, கேரி பாஸின், கேரி ஹட்சன், கோரி டெகரோ, கிறிஸ்டினா ஷாவ், டெரெக் சென், திவ்யா பட்டாசார்ஜி, ட்ரியா லோபஸ், எரிக் ஆன்டனோ, எரிக் பெர்க், ஃபிலிப்போ ராஸோ, ஃபோடிஸ் சாண்ட்சிஸ், ஃப்ரெடி சூலிட், ஹாரிஸ் கோஹென், ஹீதர் விட்னி, ஜெய் டிக்சிட், ஜெஃப்ரி ஹான், ஜென் ராபின்சன், ஜெசிகா ஷி, ஜோயல் பாரிஷ், கான் வூ, கேவின் கிளாட்ஸ்டோன், க்ஷிதிஜ் வட்வா, லியோ வான்ட்ரியல், லெய்டன் ஹோ, லியாங் சென், மடலின் கிறிஸ்டியன், மாமி ரெயின்கோல்ட், மேட் ஜோன்ஸ், மிசெல்லே ஃப்ராடின், மைக் மெக்லே, மிங்ஷுவான் வாங், நாசோ சோட்டோ, நிக்கோ ஃபெலிக்ஸ், பாட்ரிக் டெலானி, பால் மெக்மில்லன், பிலிப் ப்ரோனின், ரொட்ரிகோ ரியாசா பெரெஸ், சாமுவேல் மிசெரெண்டினோ, ஸ்காட் ஈதர்ஸ்மித், ஸ்டீவன் பால்ட்வின், தோமஸ் டிம்சன், டோமோ ஹிரட்சுகா, யாமிங் லின், யாரா காக்பாஸ், யினிங் சென்

தலைமைத்துவம்

Akshay Nathan, Greg Brockman, Hannah Wong, Jakub Pachocki, Jerry Tworek, Johannes Heidecke, Josh Tobin, Liam Fedus, Mark Chen, Mia Glaese, Nick Turley, Sam Altman மற்றும் Wojciech Zaremba