طوّر فريق بحثي دولي منصة رقمية مدعومة بالذكاء الاصطناعي تحت مسمى DigMethpy، تهدف إلى تسريع عملية اكتشاف محفزات التحلل الحراري للميثان، وهي تقنية واعدة لإنتاج الهيدروجين منخفض الانبعاثات الكربونية. يهدف هذا الابتكار إلى تجاوز التحديات التقليدية في تصميم المحفزات المنصهرة التي تتسم بفضاء كيميائي معقد يصعب استكشافه عبر التجارب العشوائية. تعمل المنصة عبر سير عمل مغلق الحلقة يدمج قواعد البيانات العلمية، والمحاكاة الحاسوبية، ونماذج التعلم الآلي، والنماذج اللغوية الكبيرة في إطار اكتشاف موحد. تستند المنصة حالياً إلى أكثر من أربعين ألف نقطة بيانات مُصنفة مستمدة من أكثر من خمسمئة مصدر علمي وتسجيل حاسوبي، تغطي أنظمة المعادن المنصهرة، والسبائك، والأملاح، والمحفزات المختلطة. من خلال التحليل المتسلسل، حدد الفريق خصائص كيميائية رئيسية مرتبطة بأداء المحفزات، بما في ذلك المؤشرات المرتبطة بالشحنة الذرية، وسلوك الانتشار، وخصائص امتزاز الهيدروجين. وقد استُخدمت هذه الرؤى لتوجيه تصميم سبائك منصعة متعددة المكونات ذات فعالية عالية. ويؤكد الباحثون أن هذا الإطار لا يعزز فقط الاستفادة المثلى من الضخومات المعلوماتية العلمية، بل يقلل بشكل كبير من الوقت والتكاليف المخصصة لاكتشاف المواد المحفزة الجديدة. وأشار البروفيسور هاو لي، الأستاذ المميز في معهد توهوكو المتقدم لعلوم المواد، إلى أن المنصة تمثل خطوة جوهرية نحو الاكتشاف الذاتي للمحفزات المعتمد على البيانات. وأوضح أن دمج المعرفة التجريبية مع النمذجة الحسابية والتعلم الآلي والنماذج اللغوية الكبيرة في سير عمل واحد يسرع بشكل فعال تطوير التقنيات المحفزة اللازمة لإنتاج الهيدروجين النظيف وتقنيات الطاقة المستدامة الأخرى. نُشرت الدراسة في مجلة AI Agents، والتي يترأس البروفيسور هاو لي تحريرها. وتخطط الفرق البحثية لتوسيع نطاق قاعدة البيانات الرقمية للمنصة، ورفع دقة التنبؤات، وتطوير أنظمة متعددة العوامل ذاتية تعمل على دعم الجيل القادم من أبحاث اكتشاف المحفزات، مما يرسخ دور الذكاء الاصطناعي كأداة محورية في أبحاث علوم المواد وتوجيه القرارات العلمية بكفاءة أعلى.