أطلق باحثون من غوغل ديب مايند ومعهد BIFOLD في برلين والجامعة التقنية في برلين طريقة ذكاء اصطناعي جديدة تسمى "الانتباه السريع الإقليدي" (EFA)، تهدف إلى تمثيل التفاعلات الذرية بعيدة المدى في الجزيئات المعقدة بكفاءة غير مسبوقة. نُشر هذا العمل، الذي يحمل عنوان "تمثيل الذرات العالمي باستخدام الانتباه السريع الإقليدي"، في مجلة Nature Machine Intelligence في مارس 2026. تهدف هذه الطريقة إلى تحسين دقة محاكاة العمليات الكيميائية وعلم المواد، مما قد يسرع من تطوير أدوية جديدة، وبطاريات أكثر كفاءة، ومواد مستدامة. وتكمن المشكلة في المحاكاة الذرية في أن كل ذرة تتأثر ليس فقط بجيرانها المباشرين، بل بقوى قادمة من ذرات بعيدة جدًا داخل الجزيء. هذا يجعل النظام معقدًا للغاية، حيث يمكن لتغير طفيف في مكان واحد أن يؤثر على سلوك النظام بأكمله. تعتمد نماذج الذكاء الاصطناعي التقليدية على مفهوم يسمى "الانتباه الذاتي" لاكتشاف العلاقات بعيدة المدى، لكن كفاءته تنخفض بشدة مع زيادة عدد الذرات، حيث تنمو عدد التفاعلات المطلوبة تقريبًا بمربع عدد الذرات. هذا يجعل الحسابات مكلفة للغاية ومعقدة تقنيًا، مما يحد من حجم الجزيئات التي يمكن محاكاتها بدقة. في المقابل، طورت الفريق الجديد طريقة تعتمد على تمثيل خطي لهذه التفاعلات، مصمم خصيصًا للبيانات في الفضاء الإقليدي حيث تنطبق قواعد الهندسة الكلاسيكية، مما يحافظ على المواقع النسبية واتجاهات الذرات. تتيح هذه الطريقة تمثيل المعلومات المكانية بكفاءة دون انتهاك تناظرات الفيزياء الأساسية. أظهرت التجارب أن الطريقة قادرة على التقاط تأثيرات بعيدة المدى بدقة، وتصحيح الأخطاء التي قد تقع فيها حقول القوة التقليدية للذكاء الاصطناعي، مع استهلاك موارد حسابية أقل بكثير. يوضح البروفيسور كلاوس-روبرت مولر، المشارك في إدارة معهد BIFOLD والأستاذ بالجامعة التقنية في برلين، أن هذه الخطوة تمثل تقدمًا هامًا نحو نمذجة الأنظمة متعددة الأجسام بدقة ميكانيكية كمية باستخدام تقنيات التعلم العميق. تركز هذه الدراسة على السؤال الجوهري حول كيفية دمج المعلومات الهيكلية العالمية في النماذج الذرية دون التضحية بالكفاءة الحسابية اللازمة للتعامل مع الأنظمة الكبيرة. نظرًا لأن الطريقة مصممة للعمل بكفاءة مع الجزيئات الضخمة، فإنها قابلة للتطبيق على أنظمة معقدة وتحديًا عاليًا في المستقبل، مثل المواد الجديدة ذات البنية المعقدة. يرى المؤلفون أن هذه الطريقة الواعدة ستمنح أساليب الذكاء الاصطناعي متانة وكفاءة أكبر في محاكاة كيمياء المواد المعقدة، مما يفتح آفاقًا جديدة في البحث العلمي والصناعي.