قام معهد ماساتشوستس للتكنولوجيا بتطوير SCIGEN، وهي مادة مستهدفة لتحقيق الاستقرار المستهدف، والتي يمكن تكييفها مع أي نموذج انتشار مدرب مسبقًا.

في علم المواد، لا توجد الخصائص الكمومية للمواد (مثل العزل الطوبولوجي، والموصلية الفائقة، والترتيب المغناطيسي) بمعزل عن غيرها، بل تُحدد مباشرةً من خلال خصائصها الهيكلية، مثل تماثل ترتيب ذراتها وهندسة الشبكة. يوفر هذا أساسًا نظريًا لتصميم المواد الكمومية بدقة من خلال المعالجة الهيكلية. ومع ذلك، فإن الانتقال من "الإمكانية النظرية" إلى "التطبيق العملي" ليس بالأمر السهل. فنظرًا لعوامل عملية، مثل تعقيد المعالجة الهيكلية وندرة البيانات ذات الصلة، كان التقدم في تصميم مواد مستقرة ذات خصائص كمومية مثالية بطيئًا. على سبيل المثال، بعد عقد من البحث، لم يتم تحديد سوى اثنتي عشرة مادة مرشحة لسوائل الدوران الكمومية.

يُعيد التحول في النموذج العلمي المُحرك بالذكاء الاصطناعي صياغة أساليب ومنهجيات تصميم المواد. على سبيل المثال، أظهرت نماذج توليد المواد الشائعة، مثل CDVAE وUniMat وDiffCSP وGNoME (والتي تعتمد في الغالب على نماذج الانتشار أو بنى الشبكات العصبية البيانية)، إمكانات هائلة في تحديد هياكل بلورية مستقرة وتوليد ملايين المواد المُرشحة دفعةً واحدة.**ومع ذلك، لا تزال معظم الطرق تعتمد على أخذ العينات من التوزيع الإحصائي لبيانات التدريب، مما يؤدي إلى تقييد المواد الناتجة بالأنواع الشائعة في قواعد البيانات الموجودة من حيث الطوبولوجيا الهيكلية وخصائص الأداء.**ومع ذلك، لا توفر مجموعات الفضاء البلورية سوى إطار هيكلي عياني للمادة، وتعجز عن التقاط الأنماط الهندسية المحلية الأساسية. لذلك، يُعد تطوير أساليب تعلم آلي قادرة على تضمين قيود أنماط هندسية محددة بدقة أمرًا أساسيًا لتجاوز عقبات المواد المعروفة واستكشاف ظواهر كمية جديدة.

لاحظ الصعوبات في البحث والتطوير للمواد الكمومية،**اقترح فريق البروفيسور مينجدا لي في معهد ماساتشوستس للتكنولوجيا، بالتعاون مع جامعة ولاية ميشيغان ومختبر أوك ريدج الوطني وآخرين، طريقة لدمج القيود الهيكلية الهندسية تسمى SCIGEN (دمج القيود الهيكلية في نموذج توليدي).**يمكن تكييف هذه الطريقة مع أي نموذج انتشار توليدي مُدرَّب مسبقًا، وذلك لدمج قيود التماثل والأنماط الهندسية، مما يُولِّد مواد مستهدفة بقيود محددة. ومن أهم مزايا هذه الطريقة أنها تُلغي الحاجة إلى إعادة تدريب النموذج الأساسي أو ضبطه بدقة، مما يزيد بشكل كبير من مرونة وتنوع الإطار، ويُتيح التكيف السريع مع مختلف نماذج الانتشار المُدرَّبة مسبقًا، مما يُحسِّن الكفاءة والسرعة.

نُشر البحث ذو الصلة في المجلة العلمية المرموقة Nature Materials تحت عنوان "تكامل القيود الهيكلية في نموذج توليدي لاكتشاف المواد الكمومية".

أبرز الأبحاث:

* تقترح الدراسة حلاً لتكييف أي نموذج توليدي انتشاري مدرب مسبقًا دون إعادة تدريب أو ضبط النموذج الأساسي، مما يكسر اعتماد نموذج توليد القيود التقليدي على التدريب الثانوي للنموذج الأساسي.

* لقد ساهمت الطريقة التي اقترحها المعهد في تعزيز التحول النموذجي لاكتشاف المواد الكمومية من "التجربة والخطأ" إلى "التوليد الموجه"، مما أدى إلى تسريع تطوير المواد الكمومية.

* قامت الدراسة بتصنيع وتوصيف مادتين متوقعتين، TiPd₀.₂₂Bi₀.₈₈ و Ti₀.₅Pd₁.₅Sb، والتي تظهر المغناطيسية البارامغناطيسية والمغناطيسية المضادة، على التوالي.

عنوان الورقة:

https://www.nature.com/articles/s41563\-025\-02355\-y
قم بمتابعة الحساب العام والرد على "سيجناحصل على ملف PDF كامل

مزيد من أوراق البحث الرائدة في مجال الذكاء الاصطناعي:

https://hyper.ai/papers

دعم البيانات: إنشاء وفحص قاعدة بيانات واسعة النطاق لمواد الشبكة الأرخميدية

في هذه الدراسة، استخدم الباحثون برنامج SCIGEN لتجميع قاعدة بيانات شاملة لمواد AL (الشبكات الأرخميدية) للاستكشاف التجريبي.

**تحتوي مجموعة البيانات على إجمالي 10.06 مليون مادة مع ALs.**بعد فحص أولي للاستقرار من أربع مراحل، احتفظ الباحثون بأكثر من 1.01 مليون مادة. ثم أجروا حسابات استرخاء هيكلي عالية الإنتاجية باستخدام نظرية الكثافة الوظيفية (DFT) على 26,000 مادة ذات أولوية عالية، ونجحوا في دمج 24,743 مادة. وتقارب أكثر من 951 هيكلًا من TP3T، ووصلت أكثر من 531 مادة من TP3T إلى أدنى مستويات الطاقة خلال 150 خطوة من التحسين الهيكلي.

لتحديد البنية المغناطيسية، استخدم الباحثون بعد ذلك نموذج تصنيف قائم على الشبكة العصبية البيانية لتحديدها، حيث تم تحديد البنية المحسّنة بواسطة DFT لـ 41% على أنها مغناطيسية.

وأخيرا، بعد فحص البيانات المادية،كما قام الباحثون بتصنيع مادتين جديدتين: TiPd₀.₂₂Bi₀.₈₈ و Ti₀.₅Pd₁.₅Sb.

تحليل النموذج: تحسين منطق التصميم وتحسين قدرات نموذج توليد المواد

يدمج SCIGEN القيود الهندسية مباشرةً في عملية توليد الانتشار، مما يُمكّن نماذج توليد المواد من استكشاف مواد كمومية مستقرة ذات هندسة مستهدفة وخصائص كمومية بكفاءة أكبر. باستخدام سلسلة منطقية "توجيه القيود - القناع - التكرار - تقارب إزالة الضوضاء"، بدءًا من القيد المستهدف، يتم نشر هياكل مقيدة عشوائية على مراحل زمنية متعددة. قبل كل انتشار، يُخفي الهيكل المقيد الهيكل المُزال الضوضاء، مُشكلًا انحيازًا استقرائيًا يُوجه عملية التوليد نحو إنتاج مُخرجات تُلبي القيود. بتطبيق الإخفاء بشكل متكرر في كل خطوة من خطوات إزالة الضوضاء، تتقارب جميع الذرات التابعة للقناع حتميًا إلى مواقع عبر جميع الهياكل الهندسية المفروضة. لذلك، يضمن SCIGEN أن المواد المُولدة تُلبي القيود الهندسية المُحددة مسبقًا مع الحفاظ على صحة التوليد للنموذج الأساسي.

**على وجه التحديد، فإن هدف توليد البنية البلورية هو العثور على بلورة دورية M، والتي يمكن أن تتكون من ثلاثة مكونات،**هذه هي: مصفوفة شبكية L = [l₁, l₂, l₃] ∈ R³ᕽ³، تحتوي على ثلاثة متجهات أساسية، تصف الإطار المكاني العام للبلورة؛ إحداثيات كسرية F = [f₁, f₂, …, f៷] ∈ [0, 1)³ᕽᴺ، تمثل المواضع النسبية للذرات في الشبكة (محصورة في النطاق [0, 1] لتعكس الدورية)؛ ونوع ذرة واحدة ساخنة تُرمّز A = [a₁, a₂, …, a៷] ∈ [0, 1)ʰᕽᴺ، والتي تستخدم رمزًا ثنائيًا لتحديد النوع المحدد لكل ذرة. أثناء توليد المواد بالانتشار، تُطبّق SCIGEN قيودًا هندسية على L وF وA لضمان توافق البنية المُولّدة مع مورفولوجيا الهدف.

كما هو موضح في الشكل أ أدناه،**تشمل الشبكات التمثيلية التي يمكن لـ SCIGEN تقييدها الشبكات المثلثية، وشبكات قرص العسل، وشبكات Kagome.**هذه هي الهياكل الأساسية التي تستضيف ظواهر كمية فريدة مثل السوائل المغزلية الكمية.

يوضح الشكل ب أدناه عملية تهيئة البنية المقيدة. تستند القواعد الأساسية لتهيئة البنى المقيدة إلى "شبكة أرخميدية مكونة من ذرات مغناطيسية"، مما يضمن امتلاك البنية المقيدة لخصائص كمية كامنة منذ البداية. يوضح الشكل ج خوارزمية توليد مكونات القيد المتكاملة، ويعرض بصريًا العملية الكاملة لـ "انتشار البنية المقيدة - تهيئة البنية غير المقيدة - دمج الاثنين - إزالة الضوضاء التكرارية".

ومن بينها، فإن جوهر SCIGEN من التهيئة إلى إنشاء الهيكل النهائي M₀ هو "التكامل التكراري للمكونات المقيدة وغير المقيدة".**أولاً، يتم إخضاع بنية القيد المبدئية (مثل AL المكون من ذرات مغناطيسية) لإضافة الضوضاء لخطوات T=1000 للحصول على بنية القيد Mᶜₜ (t∈[1, T]) في كل خطوة زمنية.**توفر هذه الخطوة مسارًا مُحددًا مسبقًا لإزالة الضوضاء من المكونات المقيدة، مما يمنع انحراف عمليات التوليد اللاحقة عن الهندسة المستهدفة. تتكون البنية غير المقيدة في البداية من Mᵘₜ مشوشة تمامًا، تمثل جزءًا من عملية التوليد يمكن تحسينه بحرية. ثم تُدمج هاتان البنيتان لتشكيل البنية المركبة MT، والتي تُزال الضوضاء منها لإنتاج Mᵘₜ₋₁. يُكرر هذا المنطق في جميع الخطوات اللاحقة، مما يُوجه في النهاية بعض الذرات لتشكيل البنية المستوية AL من خلال التكرار، مما ينتج عنه البنية البلورية المستهدفة M₀.

لإثبات فعالية قيود SCIGEN،**وأثبتت الدراسة أيضًا من خلال الإثبات الرياضي والتحقق الحسابي أن SCIGEN لا يدمر التوزيع الأصلي للنموذج الأساسي عند فرض القيود.**بعد إنشاء عدد كبير من المواد، يتم تقييم الاستقرار من خلال "الفحص المسبق المكون من أربع مراحل + استرخاء DFT عالي الإنتاجية" لضمان فحص مرشحي المواد الكمية المستقرة المحتملة.

* تجمع عملية الفحص المسبق المكونة من أربع مراحل بين القواعد الكيميائية التي تتحقق من حيادية الشحنة وحجم الخلية الوحدوية التي تشغلها الذرات مع شبكة عصبية مساعدة تتنبأ بالاستقرار بناءً على قيمة طاقة الغلاف المحدب Eₕᵤₗₗ (كلما انخفضت قيمة Eₕᵤₗₗ، كانت المادة أكثر استقرارًا من الناحية الديناميكية الحرارية).

* يُجري استرخاء تحويل فورييه عالي الإنتاجية حسابات نظرية الكثافة الوظيفية على المواد المُغربلة. ومن خلال الاسترخاء الهيكلي (تحسين مواقع الذرات وأبعاد الخلية الوحدوية)، نحدد في النهاية موادًا مرشحة ذات استقرار محتمل، مما يوفر أساسًا لتوليف تجريبي لاحق أو بحث متعمق.

التحقق التجريبي: تُظهر SCIGEN قدرات متميزة في توليد الاتجاهات والتنبؤ بالمواد

في التجربة المحددة، اعتمد النموذج الأساسي نموذج DiffCSP، والذي أكد أيضًا على الاحتفاظ بإمكانيات نموذج التوليد الأساسي.

أولاً،**تظهر التجارب نتائج توليد المواد في ظل ثلاثة قيود رئيسية للذكاء الاصطناعي:**تم التحقق من قدرة SCIGEN على التوليد الاتجاهي بناءً على الشبكة المثلثة وشبكة قرص العسل وشبكة Kagome، كما هو موضح في الشكل أدناه.

وتظهر النتائج أن**يمكن لـ SCIGEN توجيه الذرات المقيدة بدقة لترتيبها في أنماط هندسية محددة مسبقًا، وتؤثر القيود فقط على المكونات المستهدفة.**مواقع الذرات غير المقيدة ليست محددة بدقة، مما يضمن عملية توليد موجهة ومرنة. يتم تحديد مواقع الذرات غير المقيدة بشكل طبيعي أثناء عملية التوليد، متأثرة بالعوامل المكانية وعوامل الترابط. بالنسبة للشبكات المثلثية، تميل الذرات غير المقيدة إلى شغل مواقع تربط ثلاث ذرات مغناطيسية، مكونة مثلثات متساوية الأضلاع. بالنسبة للشبكات العسلية، تظهر الذرات غير المقيدة عادةً في مركز المسدسات التي تشكلها الذرات المغناطيسية، متوازية مع مستويات الشبكة. بالنسبة لشبكات كاغومي، تربط الذرات غير المقيدة المثلثات متساوية الأضلاع والمسدسات لكل طبقة من طبقات شبكة كاغومي. إذا كانت المساحة الداخلية لمضلع الشبكة ضيقة جدًا، فسيتم إزاحتها خارج مستوى AL. بالنسبة للمضلعات الأكبر، مثل المسدسات، يمكن ترتيبها متوازية مع الذرات المقيدة.

لتوليد هياكل مادية محصورة ذات احتمالية أعلى للاستقرار، صمم الباحثون أيضًا مخططًا لأخذ العينات في الحالة الأولية من خلال تحليل معدلات بقاء الفرز المسبق. يكمن السر في تحديد الخيار الأمثل لـ "عدد الذرات لكل وحدة خلية (N)" و"نوع الذرات المغناطيسية عند رؤوس AL". أخذ الباحثون أولًا عينات من قيم N من توزيع موحد، وحساب "معدلات بقاء الفرز المسبق متعددة المراحل" المقابلة لقيم N مختلفة للحصول على توزيع احتمالي مستقر لـ N. بناءً على هذا التوزيع، تم أخذ عينات من N لبدء توليد واسع النطاق: الشبكات المثلثية أكثر ملاءمة لقيم N الأصغر، بينما شبكات قرص العسل وشبكات كاغومي أكثر ملاءمة لقيم N الأكبر. يوضح الشكل د أدناه ذلك.

كما هو موضح في الشكل هـ أعلاه، تم اختبار 10 ذرات مغناطيسية شائعة (Mn، Fe، Co، Ni، Ru، Nd، Gd، Tb، Dy، Yb) تجريبيا.**تم إنشاء 3000 مادة لكل نوع من أنواع الشبكة وكل ذرة مغناطيسية، وتم حساب عدد المواد المستقرة بعد الفحص المسبق.**تُظهر النتائج أنه على الرغم من اختلاف كمية المواد المستقرة باختلاف الذرات المغناطيسية، فإن جميع أنواع الذرات المغناطيسية العشرة قادرة على تكوين هياكل AL. لذلك، عند توليدها على نطاق واسع، يُستخدم "أخذ عينات احتمالية متساوية" لأنواع ذرات رؤوس AL لمراعاة التنوع والاستقرار.

بالإضافة إلى الشبكات الرئيسية الثلاث المذكورة أعلاه، يُمكن تطبيق SCIGEN أيضًا على شبكات أرخميدية أخرى، مثل المربعات والمثلثات المطولة والمربعات المقطوعة، ليصل إجماليها إلى سبعة أنواع من المواد المقيدة بالذكاء الاصطناعي. تلعب الذرات غير المقيدة أيضًا دورًا رئيسيًا في هذه الشبكات، حيث تُسدّ الفجوات بين طبقات الشبكة، مُعززةً بذلك الاستقرار الميكانيكي والحراري للهيكل. بل يُمكنها أيضًا تكوين أنماط ذكائية اصطناعية واضحة تلقائيًا، مما يُشير إلى أن هياكل الذكاء الاصطناعي تتميز بـ"تفضيل استقرار ثابت" في الإحداثيات المحلية، مما يُوفر أساسًا لاستكشاف مواد كمية أكثر تفردًا. (انظر الشكل أدناه).

كنوع من التغيير في المربع AL،**وأظهر الباحثون تجريبياً الإنجاز الذي أحرزته شركة SCIGEN في توليد مواد شبكية Lieb.**تُظهر النتائج أن SCIGEN قادر على توليد مواد شبكية مستقرة شبيهة بـ Lieb من خلال قيود هندسية، مما يُثبت قدرته على توليد هياكل شبكية نادرة. في هذه المواد الشبيهة بـ Lieb، تتجه الذرات المغناطيسية مثل Tb وDy نحو عقد شبكة Lieb، مما يُرسي أسس دراسات الخواص المغناطيسية. كشفت حسابات الاسترخاء الهيكلي اللاحقة باستخدام تقنية DFT على المواد المُولّدة أن البنية العامة لشبكة Lieb لا تزال سليمة. كشفت حسابات النطاقات الإضافية أن هذه المواد تُظهر خصائص النطاق الإلكتروني المسطح المتوقعة بالقرب من مستوى Fermi، مما يؤكد أن المواد المُولّدة بواسطة SCIGEN ليست مستقرة هيكليًا فحسب، بل تُظهر أيضًا السلوك الإلكتروني الكمي الفريد لشبكة Lieb. ويوضح الشكل أدناه ذلك.

لدفع مواد الشبكة الشبيهة بشبكات ليب نحو نظائر أكسيدية للمواد الفائقة التوصيل العملية، قدمت شركة SCIGEN استراتيجية "إزالة القناع التكيفية" التي توازن بين صلابة القيود والمرونة البنيوية، وبناء جسر بين البحث الأساسي في شبكات ليب واستكشاف تطبيقات الموصلية الفائقة.

للتحقق من القدرة التنبؤية وفعالية SCIGEN،**قام الباحثون بتصنيع واختبار مركبين جديدين تمامًا - TiPd₀.₂₂Bi₀.₈₈ و Ti₀.₅Pd₁.₅Sb.**تُظهر التجارب أنه على الرغم من وجود اختلافات طفيفة في قياسات التكافؤ وتماثل البلورات بينها وبين نظيراتها التي تنبأت بها SCIGEN، إلا أن النتائج التجريبية لا تزال متوافقة إلى حد كبير مع النتائج المحسوبة. فالأولى تُظهر مغناطيسية مسايرة، والثانية تُظهر مغناطيسية مضادة.يوضح هذا قدرة SCIGEN على اقتراح نماذج هيكلية معقولة من الناحية الكيميائية، والتي على الرغم من أنها ليست في شكل مثالي، إلا أنها لا تزال قادرة على توفير أساس وقيمة لمزيد من الاستكشاف.

باختصار، SCIGEN، باعتباره إطار عمل مبتكرًا عامًا قائمًا على التعلم الآلي، يفتح مجالات لم يكن من الممكن الوصول إليها سابقًا في مجال تصميم المواد، مما يمهد الطريق لتحقيق اختراقات في المواد الكمومية بناءً على العلاقة بين البنية والأداء.

اكتشاف المواد الكمومية والذكاء الاصطناعي يتصادمان لخلق ألعاب نارية رائعة

أصبحت "علاقة البنية بالأداء" مفهومًا أساسيًا في البحث والتطوير الحالي للمواد الجديدة. ولهذا المفهوم فائدتان رئيسيتان: أولًا، فهم الظواهر الكمومية الوظيفية للمواد من خلال البنية؛ ثانيًا، التنبؤ بالبنية الدقيقة للمادة من خلال الأداء، ومن ثم، من خلال التلاعب بالبنية، مما يُمكّن من تصميم المواد المستهدفة بدقة. ولا شك أن تطوير الذكاء الاصطناعي يُمهد الطريق للعلماء لدراسة العلاقة بين هذين الجانبين بشكل منهجي، مما يُتيح فرصًا جديدة لتسريع البحث والتطوير في مجال المواد الجديدة.

وبالإضافة إلى الإنجازات المذكورة أعلاه، فإن مجتمع البحث العلمي لديه تاريخ طويل في دراسة العلاقة بين البنية والأداء، مثل البحث حول النموذج الأساسي المذكور في المقالة.**ومن بينهم فريق Google DeepMind الذي نشر دراسة بعنوان "توسيع نطاق التعلم العميق لاكتشاف المواد".**تم اقتراح طريقة تسمى GNoME (شبكات الرسم البياني لاستكشاف المواد) لتحقيق توسع التعلم الآلي لاستكشاف المواد من خلال التعلم النشط على نطاق واسع.

تعتمد هذه الطريقة على عنصرين رئيسيين: أولاً، إرساء أساليب لتوليد هياكل مرشحة متنوعة، مثل الاستبدال الجزئي المراعي للتناظر (SAPS) والبحث العشوائي عن الهياكل؛ وثانياً، استخدام الشبكات العصبية الرسومية المتقدمة (GNNs) للتنبؤ بطاقة البلورة الكلية. في عملية تكرارية، يستخدم نموذج GNoME البيانات المتاحة لتدريب الهياكل المرشحة وفحصها. تتحقق حسابات طاقة تحويل فورييه المنفصل (DFT) من صحة التنبؤات وتوفر بيانات للجولة التالية من التدريب. في النهاية، تم اكتشاف أكثر من 2.2 مليون هيكل مستقر.**يحتوي الهيكل المحدب المحدث على 381000 إدخالاً جديدًا.**لقد تم توسيع عدد البلورات المستقرة بمقدار كبير مقارنة بما كان عليه في السابق.
عنوان الورقة:

https://www.nature.com/articles/s41586-023-06735-9

النموذج الأساسي المستخدم في التجارب المذكورة أعلاه يأتي من دراسة بعنوان "التنبؤ بالبنية البلورية من خلال الانتشار المتغير المشترك"، والتي أجرتها فرق من جامعة تسينغهوا، وجامعة رينمين الصينية، وجامعة صن يات صن.**اقترحت الدراسة طريقة تسمى DiffCSP لحل المشكلة الصعبة المتمثلة في التنبؤ بالبنية البلورية.**تم تصميم النموذج على أساس نموذج إزالة الضوضاء المتغير الدوري ويولد بشكل مشترك إحداثيات الشبكة والذرة لكل بلورة، مما يمكنه من نمذجة هندسة البلورة بشكل أفضل.
عنوان الورقة:

https://arxiv.org/abs/2309.04475

باختصار، تُعدّ طريقة SCIGEN ابتكارًا قائمًا على نتائج سابقة. فهي تُحسّن نموذج الانتشار الأساسي من خلال "التكامل المُقيّد"، وتفتح آفاقًا جديدة ومُستهدفة وفعّالة لاكتشاف المواد الكمومية، وتُعزز البحث والتطوير في مجال المواد الكمومية من "التجربة والخطأ المُتدرّج" إلى "التصميم المُوجّه". كما تُرسي تنوعها الأساسَ الإطاري الأساسي لاستكشاف المواد ذات البنى والخصائص الكمومية غير المعروفة لاحقًا.