نموذج مايكروسوفت الرائد للذكاء الاصطناعي في تصميم المواد يعزز الدقة 10 أضعاف

تقديم MatterGen: نموذج ذكاء اصطناعي ثوري لتصميم المواد

كشفت مايكروسوفت عن MatterGen، وهو نموذج لغوي كبير رائد مصمم خصيصًا لإنشاء مواد غير عضوية. هذا النموذج المبتكر، المبني على بنية نموذج الانتشار، قادر على التحسين التدريجي لأنواع الذرات والإحداثيات والشبكات الدورية. يتيح ذلك التوليد السريع لمواد غير عضوية جديدة ومتنوعة. مثال رئيسي على إمكاناته هو في قطاع الطاقة، حيث يمكن لـ MatterGen توليد مواد جديدة لكاثود بطاريات الليثيوم أيون.

من خلال تعديل أنواع الذرات، وإدخال عناصر معدنية انتقالية ذات هياكل إلكترونية فريدة، وتحديد موقعها بدقة داخل الشبكة، يتيح MatterGen تطوير شبكات بلورية ذات هياكل دقيقة فريدة. هذا لديه القدرة على تحسين عمر البطارية وأدائها بشكل كبير.

اكتشاف مواد محسّن مع MatterGen

بالمقارنة مع الطرق التقليدية لاكتشاف المواد، يزيد MatterGen بشكل كبير من نسبة المواد المستقرة والفريدة والجديدة التي يتم إنتاجها بأكثر من الضعف. علاوة على ذلك، فإن الهياكل التي تم إنشاؤها أقرب بحوالي عشر مرات إلى الحد الأدنى المحلي للطاقة في نظرية الكثافة الوظيفية (DFT). هذا يجعل MatterGen أداة لا تقدر بثمن للقطاعات ذات التقنية العالية مثل السيارات الكهربائية والفضاء والرقائق الإلكترونية.

تشبيه مبسط: البناء مع MatterGen

لتسهيل فهم هذا المفهوم المعقد، تخيل أنك تريد بناء منزل. تتضمن الطرق التقليدية الاختيار من التصميمات الموجودة، والتي قد لا تتوافق تمامًا مع متطلباتك.

من ناحية أخرى، يسمح لك MatterGen بتحديد احتياجاتك بدقة. يمكنك أن تقول، 'أريد منزلًا بخمس غرف نوم مع صالة ألعاب رياضية وغرفة ألعاب وغرفتي نوم صغيرتين وغرفة نوم رئيسية وحديقة صغيرة. أريد تصميمًا معماريًا صينيًا بزخارف التنين والعنقاء.'

في جوهره، يفكك MatterGen العملية المعقدة لاكتشاف المواد غير العضوية من خلال عملية توليد مفصلة. يستكشف ويبني تركيبات المواد المثالية والتخطيطات الهيكلية بناءً على متطلبات محددة.

• يبدأ باختيار أنواع الذرات المناسبة، تمامًا مثل اختيار مواد البناء بخصائص مختلفة.
• ثم يحدد بدقة إحداثيات هذه الذرات في الفضاء، على غرار وضع كل طوبة بدقة.
• أخيرًا، يقوم ببناء شبكة دورية مثالية، مما يخلق إطارًا قويًا وفريدًا.

قوة الذكاء الاصطناعي في علم المواد

تعيد التطورات السريعة في الذكاء الاصطناعي تشكيل مجالات مختلفة، وعلم المواد ليس استثناءً. إن قدرة MatterGen على اكتشاف مواد فائقة التوصيل جديدة، وتعزيز أداء الحوسبة، واكتشاف المزيد من المواد فائقة التوصيل لاحقًا، هي شهادة على ذلك. إنها دورة تعزيز ذاتي حيث يقوم الذكاء الاصطناعي باستمرار بتحسين كل شيء.

التطبيقات المحتملة والتأثير

• تقنية البطاريات: يمكن أن يحدث MatterGen ثورة في إضافات خلايا البطاريات، وهو مجال شهد مناقشة وطلبًا كبيرين. النموذج لديه القدرة على المساعدة في إنتاج مواد نشطة للقطب الموجب.
• تداعيات الذكاء الاصطناعي العام (AGI): تشير قدرات النموذج إلى أنه تقدم نحو الذكاء الاصطناعي العام.
• التحديات العالمية: تحمل هذه التكنولوجيا وعدًا بمعالجة التحديات العالمية، مثل تغير المناخ.

بنية MatterGen: عملية الانتشار

يكمن جوهر MatterGen في عملية الانتشار، المستوحاة من الظاهرة الفيزيائية حيث تتحرك الجسيمات من مناطق ذات تركيز عالٍ إلى مناطق ذات تركيز منخفض حتى تصل إلى توزيع متساوٍ. في تصميم المواد، يتم تكييف هذه العملية لتوليد بنية بلورية منظمة ومستقرة من حالة أولية عشوائية تمامًا.

تبدأ العملية بهيكل أولي عشوائي يفتقر إلى أي أهمية فيزيائية. ثم، من خلال سلسلة من الخطوات التكرارية، يقلل MatterGen من 'الضوضاء' في الهيكل الأولي، مما يجعله أقرب إلى هيكل بلوري حقيقي. هذا ليس عشوائيًا؛ إنه موجه بالقوانين الفيزيائية ومبادئ علم المواد.

في كل تكرار، يقوم MatterGen بتحسين أنواع الذرات والإحداثيات ومعلمات الشبكة. تعتمد هذه التعديلات على توزيع محدد مسبقًا ومحفز فيزيائيًا، مما يضمن أن النموذج يأخذ في الاعتبار الخصائص الفيزيائية الفعلية مثل أطوال الروابط وزوايا الروابط وتماثل الشبكة.

يحترم انتشار الإحداثيات الحدود الدورية للبلورة، باستخدام توزيع طبيعي ملتف لتعديل مواضع الذرات، ومنع الذرات من مغادرة الهيكل الدوري للبلورة.

يستخدم انتشار الشبكة شكلًا متماثلًا، حيث يكون متوسط التوزيع عبارة عن شبكة مكعبة، ويتم اشتقاق متوسط الكثافة الذرية من بيانات التدريب، مما يضمن استقرار وأهمية الهياكل التي تم إنشاؤها من الناحية الفيزيائية.

دور شبكات التسجيل المتساوية التغير

تعد شبكة التسجيل المتساوية التغير مكونًا حيويًا آخر في MatterGen. تتعلم استعادة الهيكل البلوري الأصلي من عملية الانتشار. يعتمد تصميم هذه الشبكة على مبدأ التساوي، مما يعني أن النظام يحتفظ بخصائص معينة في ظل تحولات معينة. بالنسبة للمواد البلورية، فهذا يعني أن خصائص المادة تظل دون تغيير أثناء الدوران والانتقال.

تخرج الشبكة علامات متساوية التغير لأنواع الذرات والإحداثيات والشبكات. تمثل هذه العلامات 'عدم التوافق' لكل ذرة ومعلمة شبكة في الهيكل الحالي، أو انحرافها عن الهيكل البلوري المثالي. من خلال حساب هذه العلامات، توجه الشبكة النموذج لضبط الذرات ومعلمات الشبكة، وتقليل الضوضاء والاقتراب من هيكل بلوري مستقر.

القدرة على التكيف من خلال وحدات المحول

لزيادة المرونة، يشتمل MatterGen على وحدات محول، مما يتيح الضبط الدقيق لمهام المصب المختلفة. يمكن لهذه الوحدات تغيير إخراج النموذج بناءً على تسميات الخصائص المحددة.

تقدم المحولات مجموعة إضافية من المعلمات في كل طبقة من النموذج، قابلة للتعديل بناءً على تسميات الخصائص الخاصة بالمهمة. يتم تحسين هذه المعلمات أثناء الضبط الدقيق لضمان تلبية الهياكل التي تم إنشاؤها لمتطلبات المهام المحددة. لا يعزز هذا التصميم القدرة على التكيف فحسب، بل يقلل أيضًا من كمية البيانات المصنفة المطلوبة للضبط الدقيق.

على سبيل المثال، عند تصميم مواد بطاريات جديدة، قد يركز النموذج على التوصيل الكهربائي ومعدلات انتشار الأيونات. ومع ذلك، إذا كان تصميم محفز، فقد يركز النموذج على نشاط السطح والانتقائية. تتيح وحدات المحول للنموذج تعديل استراتيجيات توليد الهيكل وفقًا لهذه الاحتياجات المتغيرة.

التقدير والنشر

نشرت مايكروسوفت هذا البحث بالفعل في مجلة Nature، وحصلت على تقدير واسع النطاق من كبار خبراء التكنولوجيا. تتم مقارنته بسلسلة AlphaFold من Google، وهو نموذج لتوقع البروتين حصل على جائزة نوبل في الكيمياء العام الماضي.