نموذج الذكاء الاصطناعي الجديد يتنبأ بدقة بالتفاعلات الكيميائية باستخدام قانون الحفاظ على الكتلة

تمكن فريق من معهد ماساتشوستس للتكنولوجيا من إيجاد طريقة لدمج القيود الفيزيائية في نماذج الذكاء الاصطناعي التي تتنبأ بالتفاعلات الكيميائية، مما يؤدي إلى تقديم تنبؤات واقعية لمجموعة واسعة من التفاعلات بدقة مع احترام المبادئ الفيزيائية في العالم الحقيقي.

بُذلت محاولات عديدة لتسخير قوة الذكاء الاصطناعي ونماذج اللغات الكبيرة للتنبؤ بنتائج التفاعلات الكيميائية الجديدة. إلا أن النجاح كان محدودًا، ويعود ذلك أساسًا إلى عدم ارتباط هذه النماذج بالمبادئ الفيزيائية الأساسية، مثل قانون حفظ الكتلة.

والآن، تمكن فريق من معهد ماساتشوستس للتكنولوجيا من إيجاد طريقة لدمج القيود الفيزيائية في نماذج التنبؤ بردود الفعل، مما أدى إلى تحسين دقة وموثوقية النتائج بشكل كبير.

يتيح نظام FlowER (مطابقة التدفق لإعادة توزيع الإلكترونات) تتبعًا دقيقًا لحركة الإلكترونات، مما يضمن عدم إضافة أو فقدان أي إلكترونات بشكل مصطنع. الصورة: أخبار معهد ماساتشوستس للتكنولوجيا

نُشر هذا العمل في مجلة Nature في 20 أغسطس، وشارك في تأليفه جون يونج جونج (وهو الآن أستاذ مساعد في جامعة كوكمين في كوريا الجنوبية)، ومهندس البرمجيات السابق مون هونغ فونج (وهو الآن في جامعة ديوك)، وطالب الدراسات العليا في الهندسة الكيميائية نيكولاس كاسيتي، والباحث ما بعد الدكتوراه جوردان لايلز، وطالب الفيزياء ني داساناياكي، والمؤلف الرئيسي كونور كولاي، أستاذ التطوير المهني لعام 1957 في قسم الهندسة الكيميائية وقسم العلوم والهندسة الكهربائية.

لماذا يعد التنبؤ بردود الفعل مهمًا؟

يوضح جونغ قائلاً: "إن التنبؤ بنتيجة أي تفاعل أمرٌ بالغ الأهمية". على سبيل المثال، إذا أردتَ صنع دواء جديد، "فأنت بحاجة إلى معرفة كيفية تصنيعه. وهذا يتطلب معرفة المنتجات التي يُحتمل ظهورها" من مجموعة من المواد الأولية.

كانت المحاولات السابقة تركز في أغلب الأحيان على البيانات المدخلة والمخرجة فقط، متجاهلة الخطوات الوسيطة والقيود المادية مثل عدم القدرة على إنشاء الكتلة أو فقدانها بشكل طبيعي.

يشير يونغ إلى أنه على الرغم من أن برامج ماجستير الفيزياء، مثل ChatGPT، قد حققت بعض النجاح في البحث، إلا أنها تفتقر إلى آلية تضمن توافق نتائجها مع قوانين الفيزياء. ويقول: "بدون الحفاظ على "الرموز" (التي تمثل الذرات)، ستقوم برامج ماجستير الفيزياء بإنشاء أو تدمير الذرات عشوائيًا في التفاعل". "هذا أشبه بالكيمياء منه بالعلم".

حل FlowerER: يعتمد على المنصة القديمة، ويتم تطبيقه على التكنولوجيا الجديدة

وللتغلب على هذه المشكلة، استخدم الفريق طريقة من سبعينيات القرن العشرين طورها الكيميائي إيفار أوجي - مصفوفة الرابطة والإلكترون - لتمثيل الإلكترونات في التفاعل.

وبناءً على ذلك، قاموا بتطوير برنامج FlowER (مطابقة التدفق لإعادة توزيع الإلكترونات)، والذي يسمح بتتبع تفصيلي لحركة الإلكترونات، مما يضمن عدم إضافة أو فقدان أي إلكترونات بشكل مصطنع.

تستخدم هذه المصفوفة قيمةً غير صفرية لتمثيل الرابطة أو زوج من الإلكترونات الحرة، وصفرًا للعكس. يوضح فونغ: "هذا يسمح لنا بالحفاظ على كلٍّ من الذرة والإلكترون". وهذا أساسيٌّ لدمج مبدأ الحفاظ على الكتلة في النموذج.

أدلة مبكرة ولكنها واعدة

ووفقا لكولي، فإن النظام الحالي هو مجرد عرض توضيحي - دليل على المفهوم يوضح أن طريقة "مطابقة التدفق" مناسبة تمامًا للتنبؤ بالتفاعلات الكيميائية.

وعلى الرغم من تدريبها على بيانات من أكثر من مليون تفاعل كيميائي (تم جمعها من مكتب براءات الاختراع الأمريكي)، فإن قاعدة البيانات لا تزال تفتقر إلى التفاعلات القائمة على المعادن والحفز.

قال كولي: "نحن متحمسون لقدرة النظام على التنبؤ بآلية التفاعل بشكل موثوق. فهو يحافظ على الكتلة والإلكترونات، ولكن هناك بالتأكيد طرق لتوسيع وتحسين متانة النظام في السنوات القادمة".

النموذج متاح الآن للعامة على GitHub. ويأمل كولي أن يكون أداةً مفيدةً لتقييم التفاعلية وبناء خرائط الاستجابة.

مصادر البيانات المفتوحة وإمكانات التطبيق الواسعة

وقال فونج: "لقد جعلنا كل شيء متاحًا للعامة - بدءًا من النموذج، إلى البيانات، إلى مجموعة البيانات السابقة التي بناها جونج والتي توضح الخطوات الميكانيكية المعروفة للتفاعل".

وفقًا للفريق، يُمكن لـ FlowER أن يُضاهي أو يتفوق على الطرق الحالية في إيجاد آليات قياسية، مع إمكانية تعميمه على فئات غير مسبوقة من التفاعلات. تتراوح التطبيقات المُحتملة بين الكيمياء الصيدلانية، واكتشاف المواد، وأبحاث الحرائق، وكيمياء الغلاف الجوي، وصولًا إلى الأنظمة الكهروكيميائية.

وبالمقارنة مع الأنظمة الأخرى، يلاحظ كولاي: "مع الاختيار المعماري الذي نستخدمه، نحقق قفزة نوعية في الصحة والنزاهة، مع الحفاظ على الدقة أو تحسينها قليلاً".

يقول كولي إن ما يميز هذا النموذج هو أنه لا "يخترع" آليات، بل يستنتجها بناءً على بيانات تجريبية من أدبيات براءات الاختراع. ويضيف: "نحن نستخلص الآليات من البيانات التجريبية، وهو أمر لم يسبق أن تم إجراؤه أو مشاركته بهذا النطاق".

الخطوة التالية

يخطط الفريق لتوسيع فهم النموذج للمعادن والتحفيز. ويعترف كولي قائلاً: "لم نكتشف إلا القليل".

على المدى البعيد، يعتقد أن النظام قد يُسهم في اكتشاف تفاعلات معقدة جديدة، بالإضافة إلى تسليط الضوء على آليات لم تكن معروفة من قبل. ويضيف: "إن الإمكانات على المدى البعيد هائلة، ولكن هذه مجرد البداية".

تم دعم البحث من قبل اتحاد التعلم الآلي لاكتشاف الأدوية وتوليفها والمؤسسة الوطنية للعلوم في الولايات المتحدة (NSF).

(المصدر: معهد ماساتشوستس للتكنولوجيا)

المصدر: https://vietnamnet.vn/moi-hinh-ai-moi-du-doan-phan-ung-hoa-hoc-chinh-xac-nho-bao-toan-khoi-luong-2444232.html