من حيث المبدأ، يمكن للذكاء الاصطناعي أن يجعل العثور على المادة المناسبة لوظيفة ما أمرًا سهلاً مثل طلب العشاء: قم بوصف ما تحتاجه لنموذج لغوي كبير، وسيقدم لك بلورة مصممة للمهمة. ومن الناحية العملية، ظل هذا السيناريو بعيد المنال، لأن النماذج التي تقف وراء روبوتات الدردشة اليوم لم تتمكن قط من رؤية الشكل الذي تبدو عليه معظم المواد.

أفاد باحثون من معهد ماساتشوستس للتكنولوجيا أنهم اتخذوا خطوة ملموسة نحو إصلاح ذلك. في بحث جديد نُشر في Nature Communications، يصف فريق من قسم علوم وهندسة المواد في معهد ماساتشوستس للتكنولوجيا (DMSE) نموذجًا متعدد الوسائط للذكاء الاصطناعي يجمع بين الهياكل الذرية ثلاثية الأبعاد وأوصاف اللغة الطبيعية، مما يسمح للنظام بالتفكير في الهندسة البلورية والنص في نفس الوقت. وفقًا لأخبار معهد ماساتشوستس للتكنولوجيا، يحدد النموذج تصميمات مادية أفضل من الأنظمة المدربة على النص وحده من خلال السماح للذكاء الاصطناعي برؤية الترتيبات الذرية وأنماط الترابط التي تحدد كيفية تصرف المواد. يضيف العمل إلى نطاق مزدحم من [تغطية صناعة الذكاء الاصطناعي] (https://aibuzzwire.news) التي تركز على النماذج التي تتجاوز النص إلى العالم المادي.

لماذا تتعثر النماذج المدربة على النص في المادة

وتتعلق العقبة بشكل أساسي بالبيانات. معظم المواد بلورية: ترتيبات دورية ثلاثية الأبعاد للذرات يتم تخزين بنياتها في تنسيقات حسابية متخصصة بدلاً من التدفقات النصية التي يتم تدريب النماذج اللغوية الكبيرة عليها. علاوة على ذلك، فإن الأدبيات التجريبية منحازة بشدة نحو عدد قليل من فئات البلورات الشائعة، مما يؤدي إلى تحريف مخرجات أي ذكاء اصطناعي تم تدريبه بشكل أساسي على الأبحاث المنشورة.

والنتيجة هي نقطة عمياء لها عواقب حقيقية. أكثر من 90% من المواد الصلبة على الأرض عبارة عن مواد بلورية، والعديد من الهياكل التي يمكن أن تكون ذات أهمية للبطاريات أو الإلكترونيات أو المحفزات من الجيل التالي تعيش في قواعد بيانات حسابية لا تستطيع الأنظمة اللغوية فقط قراءتها بشكل فعال.

تدريس نموذج لمواءمة البنية مع اللغة

كانت إجابة فريق معهد ماساتشوستس للتكنولوجيا هي بناء ما يعتبر نموذجًا فعالاً للغة الرؤية للبلورات. قام الباحثون بتدريب نموذج لغوي لإنتاج أوصاف نصية للهياكل البلورية باستخدام التعلم التقابلي، وهو نهج يقوم فيه النموذج بمقارنة الأمثلة المتشابهة والمختلفة للهياكل والأوصاف حتى يطور فهمًا موحدًا - وهي عملية يقارنها معهد ماساتشوستس للتكنولوجيا بكيفية محاذاة الدماغ لمناطقه البصرية واللغوية.

والأهم من ذلك هو أن الفريق اختار تجميع رواياته الخاصة حول المواد بدلاً من الاعتماد فقط على الأوراق الموجودة. وبالاعتماد على الأدبيات البحثية التجريبية وقواعد البيانات الحسابية للمبادئ الأولى، أنتج النموذج أوصافًا غنية لا تغطي التركيب والبنية الكيميائية فحسب، بل أيضًا الخصائص، واعتبارات المعالجة، والتطبيقات المحتملة.

وقال جو لي، أستاذ هندسة الطاقة في معهد كارل ريتشارد سودربيرج في معهد ماساتشوستس للتكنولوجيا وأحد كبار مؤلفي الورقة: "أردنا إنشاء نموذج للذكاء الاصطناعي يعمل على نطاق واسع عبر المواد". "لهذا السبب قررنا تجميع السرد بدلاً من الاعتماد فقط على الأوراق الموجودة. لقد وجدنا أنه عندما استخدمنا مجموعة البيانات السردية هذه، كانت النماذج أفضل في التنبؤ بالوظيفة."

الاختبار: العثور على إلكتروليتات بطارية الحالة الصلبة

لتقييم النهج، قارن الباحثون نسختين من النموذج: أحدهما تم تدريبه على الأوصاف الهيكلية الناتجة عن الذكاء الاصطناعي والآخر تم تدريبه فقط على نص من الأوراق البحثية. لقد تعلمت النسخة التي تم تدريبها على الأوصاف المركبة بنجاح محاذاة الهياكل الهندسية مع اللغة، في حين أن النسخة النصية فقط لم تفعل ذلك.

ثم طلب الفريق من النموذج تحديد المواد البلورية المناسبة لإلكتروليتات بطاريات أيونات الليثيوم ذات الحالة الصلبة، وهو ما يمثل تحديًا رئيسيًا لبطاريات الجيل التالي. وفقًا لأخبار معهد ماساتشوستس للتكنولوجيا، تضمنت أهم نتائج النموذج المواد التي تم تحديدها بشكل مستقل على أنها مرشحات واعدة، وتفوق النظام في الأداء على خط الأساس النصي فقط عندما تم تقديم استعلامات باللغة الطبيعية تصف إحدى الخصائص وطُلب منه العثور على بلورات بهذه الخاصية.

وقال لي: "البنية هي في الواقع جوهر مجال علوم المواد". "إذا فهمت البنية، يمكنك استنتاج الكثير عن خصائص المواد وأدائها. أردنا بناء العلاقة بين البنية الذرية للمادة وخصائصها ومعالجتها للنموذج."

أين يتناسب ذلك مع اكتشاف المواد المعتمدة على الذكاء الاصطناعي

على مدار العقد الماضي، أعاد الذكاء الاصطناعي بالفعل تشكيل كيفية اقتراح وتصميم البلورات الجديدة؛ ومع ذلك، فإن معظم هذه الأنظمة تتعامل مع المواد البلورية على أنها رسوم بيانية ثلاثية الأبعاد تتم معالجتها بواسطة بنيات متخصصة، منفصلة عن نماذج اللغة التي تدعم الذكاء الاصطناعي للأغراض العامة. من خلال تدريس نموذج قائم على اللغة لفهم الهندسة بشكل مباشر، يشير عمل معهد ماساتشوستس للتكنولوجيا إلى مساعدين يمكنهم في يوم من الأيام التعامل مع طلب المواد المذكور باللغة الإنجليزية البسيطة من البداية إلى النهاية.

ضم فريق البحث المؤلف الأول يانغ جيونغ بارك، وهو باحث سابق في معهد ماساتشوستس للتكنولوجيا، إلى جانب مايانك كوماران، خريج هندسة الكمبيوتر بجامعة إلينوي أوربانا شامبين حديثًا، وتشيا وي هسو، وإلسا أوليفيتي، أستاذة جيري مكافي (1940) في الهندسة في معهد ماساتشوستس للتكنولوجيا.

ما يأتي بعد ذلك

يظل النموذج نظامًا بحثيًا، ولم يعلن معهد ماساتشوستس للتكنولوجيا عن أي إنتاج. ولكن الآثار المترتبة على ذلك واسعة النطاق: فقد كانت إلكتروليتات الحالة الصلبة إحدى حالات الاختبار، ومن الممكن أن ينطبق نفس النهج القائم على البنية بالإضافة إلى اللغة على المحفزات، أو أشباه الموصلات، أو المواد الهيكلية. إذا تم تعميم هذا النهج، فإن عنق الزجاجة في اكتشاف المواد قد يتحول من توليد بلورات مرشحة إلى التحقق من صحتها في المختبر - وهو التحول الذي من المرجح أن يرحب به التجريبيون.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →