أداة جديدة لابتكار مواد كمومية ثورية باستخدام نماذج الذكاء الاصطناعي التوليدي
مقدمة:
تُظهر نماذج الذكاء الاصطناعي التوليدي، القادرة على تحويل النص إلى صور، كفاءةً متزايدة في مجال تصميم المواد الجديدة. فخلال السنوات القليلة الماضية، استخدمت نماذج توليد المواد من شركات مثل جوجل ومايكروسوفت وميتا بيانات تدريبية ضخمة لمساعدة الباحثين في تصميم عشرات الملايين من المواد الجديدة. لكن هذه النماذج تواجه صعوبةً في تصميم مواد ذات خصائص كمومية فريدة، مثل الموصلية الفائقة أو الحالات المغناطيسية الفريدة، وهو ما يُمثل تحديًا كبيرًا نظرًا لأهمية هذه المواد في التقدم التكنولوجي. فعلى سبيل المثال، بعد عقد من البحث في فئة من المواد التي يمكن أن تحدث ثورة في الحوسبة الكمومية، تُعرف باسم السوائل الكمومية الدورانية، لم يتم تحديد سوى اثني عشر مادة مرشحة فقط. هذا الازدحام يُحدّ من عدد المواد المتاحة كأساس لاختراقات تكنولوجية جديدة.
منهجية البحث:
طور باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) تقنيةً جديدة تُمكّن نماذج توليد المواد الشائعة من ابتكار مواد كمومية واعدة من خلال اتباع قواعد تصميم محددة. تُوجه هذه القواعد أو القيود النماذج لإنشاء مواد ذات هياكل فريدة تُؤدي إلى ظهور خصائص كمومية مميزة. يُعبّر البروفيسور مينغدا لي، أستاذ تطوير المهنة في MIT، عن هذه الفكرة بقوله: “نماذج هذه الشركات الكبرى تُنتج مواد مُحسّنة من حيث الاستقرار، لكن منظورنا يختلف. فلا نحتاج إلى 10 ملايين مادة جديدة لتغيير العالم، بل نحتاج فقط إلى مادة واحدة فعّالة حقًا”.
وقد تم وصف هذا النهج في ورقة بحثية نُشرت في مجلة Nature Materials. طبّق الباحثون تقنيتهم لإنشاء ملايين المواد المرشحة التي تتألف من هياكل شبكية هندسية مرتبطة بالخصائص الكمومية. ومن هذه المجموعة، تم تصنيع مادتين فعليتين تتميزان بخصائص مغناطيسية فريدة. يوضح لي قائلاً: “يهتم مجتمع الفيزياء الكمومية حقًا بهذه القيود الهندسية، مثل شبكات كاغومي التي تُشكل مثلثين متداخلين مقلوبين. لقد قمنا بإنشاء مواد ذات شبكات كاغومي لأن هذه المواد يمكنها محاكاة سلوك العناصر الأرضية النادرة، مما يجعلها ذات أهمية تقنية عالية”.
أداة SCIGEN:
لتوجيه فئة شائعة من النماذج التوليدية المعروفة باسم نماذج الانتشار (diffusion models) نحو إنتاج مواد تتوافق مع أنماط هندسية محددة، ابتكر الباحثون أداة برمجية أسموها SCIGEN (اختصارًا لـ Structural Constraint Integration in GENerative model). تضمن SCIGEN التزام نماذج الانتشار بالقيود المُحددة من قِبل المستخدم في كل خطوة من خطوات التوليد المتكررة. باستخدام SCIGEN، يمكن للمستخدمين إعطاء أي نموذج توليدي للذكاء الاصطناعي قواعد هيكلية هندسية يجب اتباعها أثناء توليد المواد.
تُعمل نماذج الانتشار من خلال أخذ عينات من مجموعة البيانات التدريبية لإنشاء هياكل تعكس توزيع الهياكل الموجودة في مجموعة البيانات. يقوم SCIGEN بحظر الأجيال التي لا تتوافق مع القواعد الهيكلية.
النتائج والتجارب:
طبّق الباحثون SCIGEN على نموذج توليد مواد ذكاء اصطناعي شائع يُعرف باسم DiffCSP. قاموا بتوليد مواد ذات أنماط هندسية فريدة تُعرف باسم شبكات أرخميدس، وهي مجموعات من تخطيطات شبكية ثنائية الأبعاد لأشكال مضلّعة مختلفة. يمكن أن تؤدي شبكات أرخميدس إلى مجموعة من الظواهر الكمومية، وقد كانت محورًا للعديد من الأبحاث.
ولّد النموذج أكثر من 10 ملايين مادة مرشحة ذات شبكات أرخميدس. نجا مليون من هذه المواد من عملية فحص للاستقرار. باستخدام الحواسيب العملاقة في مختبر أوك ريدج الوطني، قام الباحثون بعد ذلك بأخذ عينة أصغر من 26000 مادة وقاموا بتشغيل محاكاة مفصلة لفهم سلوك الذرات الأساسية للمواد. وجد الباحثون مغناطيسية في 41% من هذه الهياكل.
من هذه المجموعة الفرعية، قام الباحثون بتوليف مركبين غير مكتشفين سابقًا، هما TiPdBi و TiPbSb، في مختبري شي وكافا. أظهرت التجارب اللاحقة أن تنبؤات نموذج الذكاء الاصطناعي تتوافق إلى حد كبير مع خصائص المواد الفعلية.
الاستنتاج:
يُشدد الباحثون على أن التجريب لا يزال أمرًا بالغ الأهمية لتقييم ما إذا كان يمكن تصنيع المواد التي تم توليدها بواسطة الذكاء الاصطناعي، وكيفية مقارنة خصائصها الفعلية مع تنبؤات النموذج. يمكن أن يُدمج العمل المستقبلي على SCIGEN قواعد تصميم إضافية في النماذج التوليدية، بما في ذلك القيود الكيميائية والوظيفية. يُؤكد هذا البحث على إمكانية تسريع الاكتشافات في مجال المواد من خلال دمج تقنيات الذكاء الاصطناعي مع المعرفة العلمية المتخصصة.
اترك تعليقاً