طور باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) نموذج ذكاء اصطناعي قادر على اكتشاف وقياس العيوب الذرية في المواد بدقة عالية دون الحاجة لتدمير العينات أو فتحها. تُعد العيوب الذرية في علوم المواد أداة قوية يمكن هندستها لتحسين خصائص المنتجات مثل أشباه الموصلات والخلايا الشمسية والبطاريات، لكن قياس أنواعها وتركيزاتها بدقة كان تحديًا كبيرًا باستخدام الطرق التقليدية. قال مويانغ تشينغ، الباحث الرئيسي في الدراسة، إن التقنيات الحالية لا تستطيع وصف العيوب بطريقة كمية وشاملة دون إتلاف المادة، مما يجعل اكتشاف ستة أنواع مختلفة من العيوب في وقت واحد أمرًا مستحيلًا بالطرق التقليدية. يعتمد النموذج الجديد على بيانات تقنية تشتت النيوترونات غير الغازية، والتي تقيس الترددات الاهتزازية للذرات في المواد الصلبة. تم تدريب النموذج على قاعدة بيانات حسابية تحتوي على 2000 مادة شبه موصلة، وقام بتمييز الاختلافات الدقيقة بين العينات ذات العيوب وتلك الخالية منها. تمكن هذا النموذج من التنبؤ بأنواع الشوائب المستخدمة وتركيزها بدقة، حيث أثبت قدرته على رصد ما يصل إلى ستة أنواع من العيوب النقطية في وقت واحد، حتى عندما تصل تركيزاتها إلى 0.2 في المئة فقط. يشرح المبدأ العلمي للنموذج بأنه يستخدم آلية "انتباه متعدد الرؤوس"، وهي التقنية نفسها التي تعتمد عليها نماذج الذكاء الاصطناعي التوليدي مثل ChatGPT، لاستخلاص الأنماط المعقدة من البيانات التي تبدو متشابهة للعين البشرية. أكد البروفيسور مينغدا لي، المؤلف المشارك وأستاذ الهندسة النووية، أن الاكتشاف يمثل تحولًا جوهريًا في علم العيوب، مشبّهًا الطرق القديمة بمحاولة رؤية "الفيل" من خلال جزء صغير فقط، بينما يوفر هذا النموذج رؤية شاملة. ورغم أن تقنية تشتت النيوترونات قوية، إلا أنها قد تكون صعبة التطبيق المباشر في خطوط الإنتاج الصناعية بسبب تعقيد أجهزتها. لذلك، ينوي الباحثون في المرحلة التالية تطوير نموذج مماثل يعتمد على بيانات مطيافية رامان، وهي تقنية لقياس تشتت الضوء وأسهل في الاستخدام، لزيادة قابلية تبني الطريقة في عمليات ضبط الجودة. تشير الدراسة إلى أن الشركات أبدت اهتمامًا كبيرًا بالنهج الجديد، خاصة مع قدرته على التمييز بين العيوب المفيدة والضارة التي قد تقلل من أداء المواد. وتم دعم هذا العمل جزئيًا من قبل وزارة الطاقة الأمريكية وصندوق العلوم الوطني. يفتح هذا التقدم بابًا جديدًا لعلم المواد، حيث يمكن للذكاء الاصطناعي أن يساعد المهندسين في التحكم الدقيق في خصائص المواد من خلال فهم دقيق لطبيعة وكمية العيوب فيها، مما يؤدي إلى منتجات أكثر كفاءة وموثوقية في المستقبل.