#

النقاط الرئيسية

• طوّر باحثون في MIT نموذجًا متعدد الوسائط للمواد البلورية.

• يجمع النموذج بين البنى الذرية ثلاثية الأبعاد والوصف باللغة الطبيعية.

• يقول الفريق إن التدريب المعتمد على النص فقط يفوّت معلومات هندسية أساسية.

• في المقارنات المعلنة، وجد النظام تصاميم مواد أفضل من النماذج المدربة على النص فقط.

• هذا العمل نتيجة بحثية، وليس منتجًا تجاريًا أو عملية نشر.

نهج MIT متعدد الوسائط في الذكاء الاصطناعي للمواد

أفادت MIT News في 18 أكتوبر بأن الباحثين بنوا نموذجًا متعدد الوسائط للمواد البلورية. يجمع هذا النهج بين البنى الذرية ثلاثية الأبعاد والأوصاف باللغة الطبيعية المستمدة من الأوراق التجريبية وقواعد البيانات الحاسوبية من المبادئ الأولى. وتعرض MIT هذا العمل في ورقة منشورة في Nature Communications. ويقدّم التقرير النموذج بوصفه وسيلة لمنح أنظمة الذكاء الاصطناعي معلومات أكثر اكتمالًا عن المواد.

يمكن أن يتضمن الوصف الموحد التركيب الكيميائي للمادة، وبنيتها، وخصائصها، واعتبارات معالجتها، والتطبيقات المحتملة لها. وهذا مهم لأن البلورات ثلاثية الأبعاد بطبيعتها. أما نماذج اللغة القياسية فتعالج النص أساسًا. ويقول الباحثون إن التدريب المعتمد على النص فقط يفوّت معلومات عن الترتيبات الذرية والروابط.

ما الذي صُمم النموذج لفعله

يقدّم المقال هذا العمل بوصفه خطوة نحو مساعدة الباحثين على البحث عن المواد المرشحة والاستدلال على خصائصها. ويقول الفريق إن النموذج تعلّم تمثيلات هندسية لم تتعلمها الأنظمة المعتمدة على النص فقط. وفي المقارنات المعلنة، حدّد النظام تصاميم مواد أفضل من النماذج المدربة على النص فقط. وتشير هذه النتيجة إلى أن النهج الواعي بالبنية يمكن أن يحسن كيفية ترتيب الذكاء الاصطناعي للمواد المرشحة أو استكشافها.

ويورد التقرير مثالًا يتعلق بإلكتروليتات بطاريات الليثيوم-أيون ذات الحالة الصلبة. وعند سؤاله عن هذا الموضوع، تضمنت أفضل النتائج مواد جرى تحديدها بشكل مستقل على أنها واعدة. وهذه إشارة مفيدة، لكن المصدر حذر بشأن حدوده. فهو يقول إن هذه نتيجة بحثية، وليست منتج بطارية تجاريًا. كما أنها لا تثبت أن المواد المقترحة ستعمل في خلية مصنّعة.

لماذا تهم بيانات التدريب

تشير MIT إلى عقبتين يعالجهما هذا الأسلوب. أولًا، البلورات ثلاثية الأبعاد، بينما تعالج نماذج اللغة القياسية النص أساسًا. ثانيًا، السجلات التجريبية المنشورة تفرط في تمثيل الفئات الشائعة من المواد. ويشير المصدر إلى أن نموذجًا متعدد الوسائط يمكن أن يساعد في موازنة هذه الفجوات من خلال الجمع بين المعلومات الهندسية والنصية.

هذا الاختيار التصميمي مهم لأبحاث المواد. فقد يتعلم النظام المعتمد على النص فقط من الأوصاف، لكنه لا يستطيع ملاحظة البنية التي تشكل سلوك المادة مباشرة. ومن خلال ربط البنية باللغة، يمكن للنموذج أن يصل بين ممّا تتكون منه المادة وكيف توصف في الأدبيات. ويقول المقال إن هذا يمنح أنظمة الذكاء الاصطناعي معلومات يفتقر إليها التدريب المعتمد على النص فقط.

الحدود واعتبارات الحوكمة

المصدر واضح بشأن ما لا يثبته هذا العمل. فهو لا يدعي أن الذكاء الاصطناعي أصبح الآن قادرًا على اختيار أفضل مادة لأي تطبيق مطلوب بشكل موثوق. كما أنه لا يذكر أي نشر في المغرب. لذلك ينبغي قراءة النتيجة بوصفها تقدمًا بحثيًا، لا نظام قرار مكتملًا.

وتترتب على هذا الحد ملاحظة عملية. فما يزال الباحثون بحاجة إلى التحقق من أي مادة مقترحة عبر التجارب ومراجعة الخبراء في المجال. يمكن للنموذج دعم البحث والاستدلال، لكن المصدر لا يجيز التعامل مع مخرجاته بوصفها إجابات نهائية. وهذا التمييز مهم عندما يُستخدم النظام لتضييق قوائم المرشحين أو توجيه دراسات لاحقة.

الصلة بالمغرب

لا يذكر المصدر أي نشر أو شراكة أو حالة استخدام خاصة بالمغرب. وبالنسبة للقراء، فالدرس العالمي المشروط بسيط: يمكن أن يكون الذكاء الاصطناعي متعدد الوسائط أكثر فائدة من الذكاء الاصطناعي المعتمد على النص فقط عندما يكون الموضوع ذا بنية ولغة معًا.

الخلاصة

يُظهر عمل MIT كيف يمكن للذكاء الاصطناعي أن يجمع بين البنى البلورية والأوصاف المكتوبة في نموذج واحد. وتأتي المكاسب المعلنة من إضافة المعلومات الهندسية التي تفوتها الأنظمة المعتمدة على النص فقط. ويعرض المقال هذه النتيجة بوصفها خطوة بحثية نحو اكتشاف أفضل للمواد، لا دليلًا على منتج جاهز أو حل شامل.