أداة SCIGEN الجديدة تدفع نماذج الذكاء الاصطناعي لاستكشاف إنشائها لمواد مبتكرة ذات خصائص كمومية

أداة SCIGEN تدفع الذكاء الاصطناعي نحو ابتكار مواد كمومية مُوجَّهة

في تطور لافت في تقاطع الذكاء الاصطناعي وعلوم المواد، أعلن فريق بحثي دولي بقيادة باحثين مرتبطين بمعهد ماساتشوستس للتكنولوجيا عن أداة تُدعى SCIGEN (اختصارًا لـ Structural Constraint Integration in a GENerative model)، تهدف إلى توجيه نماذج التوليد القائمة على الانتشار (diffusion models) لإنتاج تراكيب بلورية تلتزم بقواعد هندسية معينة، مما يزيد احتمال أن تظهر هذه المواد خواصًا كمومية قيمة.

ما الذي يميز SCIGEN وما آلية عملها؟

بدلًا من أن يُترك نموذج التوليد لينهار في بحر ضخم من الاحتمالات، تؤسس SCIGEN إطارًا يُدمج قناعات هيكلية أثناء سير خطوات التوليد. على سبيل المثال، إذا كان الهدف توليد مادة لها بنية “شبكة أركميدية” أو “شبكة كاغومي”، فإن الأداة تطبّق في كل خطوة من خطوات إزالة الضوضاء (denoising) كبسلة (mask) تُعيد توجيه العينة لتوافق جزئيًا النموذج الهندسي المرغوب، مع السماح للنموذج نفسه بأن يحتفظ ببعض الحرية في التباين. بهذه الطريقة

تصبح العينات المُولَّدة ليست عشوائية بالكامل، بل مشروطة ضمن الفضاء الهندسي المستهدف.

الفريق البحثي أظهر أيضًا بشكل نظري أن SCIGEN تؤدي في الممارسة إلى ما يُعرف بأخذ عينات شرطية (conditional sampling) من التوزيع الأصلي للنموذج، مما يضمن أن القيود لا تُفسد الواقعية الأساسية للنموذج بل تُوجّهه نحو الأفضل.

التجارب والنتائج

من بين أهم ما ورد في الورقة البحثية التي نشرها الفريق عبر أرشيف arXiv:

تم توليد نحو ثمانية ملايين مادة مرشحة باستخدام SCIGEN، في إطار نماذج متعددة القوالب الهندسية (مثل الشبكات الأركميدية). 

بعد خضوع هذه المرشحات لكيفية أولية للفحص من حيث الثبات البنيوي، نجا أكثر من 10٪ منها، أي ما يقارب مئات آلاف المركبات المحتملة. 

من بين هذه المجموعة، تم تنفيذ حسابات بمستوى دالة الكثافة (DFT) على حوالي 26,000 مرشح، وأشارت النتائج إلى أن أكثر من نصف هذه العينات نجحت في إجراءات التوليف البنيوي والتحسين الهيكلي. 

الأداة لم تقتصر على العمل الحسابي النظري؛ إذ أعلن المعهد المتعاون

(من كلية تقنية الكم في MIT) أن العمل قد قُبل للنشر في مجلة، مما يدل على تقبل المجتمع الأكاديمي للمنهجية والنتائج المحتملة. 

هذه النتائج توضح أن SCIGEN قادرة على تضييق نطاق البحث إلى مرشحين أكثر جدوى من حيث البنية الكمومية المحتملة، بدلًا من إنتاج ملايين المواد التي تشمل كثيرًا من “الفضاء الخاوي”.

أهمية هذا التوجّه في سياق البحث الكمومي

خصائص المواد الكمومية مثل الموصلية الفائقة، المغنطيسية على مستويات دقيقة، أو حالات “سائل لف مغزلي” (spin-liquid) غالبًا ما تعتمد على أنماط توزيع الذرات وتراكيب الشبكات البلورية بدقة متناهية. الطريقة التقليدية (البحث العشوائي داخل فضاء المواد) تُنتج غالبًا عددًا هائلًا من المرشحين ذوي جدوى ضئيلة.

ما تفعله SCIGEN هو توجيه عملية البحث نحو تلك التراكيب التي يُعتقد نظريًّا أنها ترتبط بمظاهر كمومية مميزة، مما يزيد من كفاءة الاكتشاف ويخفض العبء الحاسوبي على التخلص من المرشحين غير المفيدين.

ما يُحتَذَر منه والتحديات القائمة

رغم التفاؤل، هناك تحديات واضحة يجب التعامل

معها بحذر:

صياغة في المختبر: المواد التي تُنتج نظريًا قد تكون صعبة التركيب التجريبي، أو تتطلب شروطًا قاسية أو مواد أولية نادرة.

الدقة التنبؤية: الحسابات باستخدام DFT أو نظائرها هي مؤشرات وليس ضمانات. التجارب الفعلية قد تبيّن اختلافات كبيرة نتيجة العيوب أو التأثيرات الحرارية أو الشوائب.

تحيّز القيد: فرض هيكل معين قد يتسبب في تجاهل تراكيب مبتكرة غير متوقعة لكنها قد تحمل خصائص مميزة. لذلك قد يكون من الحكمة دمج استراتيجيات توليد مقيدة وغير مقيدة في البحث العلمي.

إمكانات على المدى الطويل

إذا ما أثبتت التجارب العملية أن المواد التي تولدها SCIGEN قابلة للتركيب وتحتوي الخصائص المرجوة، فإن التطبيقات المحتملة ضخمة:

في الحوسبة الكمومية، قد يُستخدم هذا الأسلوب لاكتشاف مواد الوسائط التي تدعم التشابك الكمومي المستقر.

في الإلكترونيات المتطوّرة، تحويل البنى الهندسية إلى تراكيب يمكن استخدامها في أجهزة فائقة الأداء.

في علوم المواد بوجه عام، قد يُوسّع المبدأ ليشمل قيودًا وظيفية (مثل التصاق، الموصلية

الحرارية، الثبات تحت الظروف البيئية) إلى جانب القيود الهندسية.