متابعة – أمل علوي
تتطور نماذج الذكاء الاصطناعي التي تحول النصوص إلى صور لتصبح مفيدة أيضاً في تصميم مواد جديدة. خلال السنوات الأخيرة، استخدمت شركات مثل جوجل ومايكروسوفت ومتا نماذج المواد التوليدية لمساعدة الباحثين في تصميم ملايين المواد الجديدة. ومع ذلك، تواجه هذه النماذج تحديات عند تصميم مواد ذات خصائص كمومية غريبة مثل الموصلية الفائقة أو حالات مغناطيسية فريدة.
تقنية جديدة لتوليد مواد كمومية واعدة
طور باحثو MIT تقنية جديدة تسمح لنماذج المواد التوليدية الشهيرة بإنشاء مواد كمومية واعدة من خلال اتباع قواعد تصميم محددة. هذه القواعد توجه النماذج لإنشاء مواد ذات هياكل فريدة تعطي خصائص كمومية.
يقول مينغدا لي، أستاذ تطوير المهارات في MIT: “النماذج من هذه الشركات الكبرى تولد مواد محسنة من أجل الاستقرار. لكننا نعتقد أن ذلك ليس عادةً كيف يتقدم علم المواد. لا نحتاج إلى 10 ملايين مادة جديدة لتغيير العالم، بل نحتاج إلى مادة واحدة جيدة حقاً”.
النتائج والتطبيقات العملية
في دراسة نشرت في مجلة Nature Materials، استخدم الباحثون هذه التقنية لتوليد ملايين من المواد المرشحة، وتمكنوا من تصنيع مادتين حقيقيتين ذات خصائص مغناطيسية غريبة. وقد أظهرت النتائج توافقاً كبيراً بين توقعات النموذج وخصائص المواد الفعلية.
SCIGEN: أداة مبتكرة للتصميم الهيكلي
لتوجيه نماذج الذكاء الاصطناعي المعروفة باسم نماذج الانتشار، أنشأ الباحثون أداة SCIGEN (اختصار لدمج القيود الهيكلية في النموذج التوليدي). هذه الأداة تضمن التزام نماذج الانتشار بالقواعد الهيكلية المحددة من قبل المستخدم في كل خطوة من خطوات التوليد.
تسريع الابتكارات في المواد
تعتبر المواد الكمومية مثل السوائل الكمومية المفتاحية لفتح آفاق جديدة في الحوسبة الكمومية. ومع ذلك، لم يتم تأكيد أي مواد سوائل كمومية حتى الآن. يعتقد الباحثون أن SCIGEN يمكن أن يسرع من البحث عن هذه المواد.
تؤكد هذه الدراسات على أهمية التجارب في تقييم ما إذا كانت المواد التي تولدها الذكاء الاصطناعي يمكن تصنيعها وكيفية مقارنة خصائصها الفعلية مع توقعات النموذج. كما يمكن أن تتضمن الأعمال المستقبلية على SCIGEN قواعد تصميم إضافية تشمل قيوداً كيميائية ووظيفية.
الخاتمة
تقدم هذه الأداة الجديدة، التي تستفيد من التعلم الآلي، وسيلة للتنبؤ بالمواد التي ستحتوي على عناصر معينة في نمط هندسي مرغوب. من خلال تعزيز قدرة نماذج الذكاء الاصطناعي، يمكن تسريع تطوير مواد جديدة غير مستكشفة لتطبيقات في التكنولوجيا الإلكترونية والمغناطيسية والبصرية.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي.
