ابتكر باحثون بريطانيون أداة ذكاء اصطناعي قوية قد تُحدث ثورة في كيفية اكتشاف وتصميم العلماء للمواد الجديدة.
فقد كشف فريق من جامعة ليفربول وجامعة ساوثهامبتون عن نموذج CrystalGPT، المعروف رسمياً باسم "تمثيل البلورات الجزيئية باستخدام المحولات" (MCRT). تم تدريب هذا النموذج القائم على تقنية المحولات مسبقاً على 706,126 بنية بلورية تجريبية من قاعدة بيانات كامبريدج للتركيبات البنيوية، مما أتاح له تعلّم اللغة المعقدة للبلورات الجزيئية ذاتياً.
ما يميز CrystalGPT هو منهجه ذو التمثيل المزدوج؛ حيث يجمع بين تحليل الروابط الذرية القائم على الرسوم البيانية وقدرات التصوير الطوبولوجي، ما يمكّنه من معالجة البنى الجزيئية الدقيقة والأنماط العامة في الوقت ذاته. هذا النهج متعدد الوسائط يمنح الذكاء الاصطناعي فهماً شاملاً لخصائص البلورات على المستويين الدقيق والكلي.
وأوضح عضو الفريق زينوفون إيفانجيلوبولوس من جامعة ليفربول: "كان الهدف من MCRT أن يكون نموذجاً أساسياً يمكن ضبطه بسهولة حسب المشكلة المطروحة، حتى مع توفر كميات صغيرة من البيانات". وتُعد هذه القدرة على العمل بكفاءة مع بيانات محدودة ذات قيمة خاصة في مجال الكيمياء، حيث تكون التجارب المخبرية والحسابات غالباً مكلفة وتستغرق وقتاً طويلاً.
يعتمد النموذج على أربع مهام تدريبية مختلفة لاستخلاص تمثيلات محلية وعالمية من البلورات. وعند ضبطه لتطبيقات محددة، يستطيع CrystalGPT التنبؤ بدقة ملحوظة بخصائص المواد الأساسية مثل الكثافة والمسامية والتماثل، باستخدام جزء بسيط فقط من البيانات المطلوبة تقليدياً.
وتحمل هذه التطورات آثاراً كبيرة على علوم المواد، إذ أن الطرق الحسابية التقليدية للتنبؤ بالبنى البلورية وخصائصها معروفة باستهلاكها الكبير للموارد. أما CrystalGPT فيتجاوز هذه القيود، مما قد يسرّع الاكتشافات في مجالات الأدوية والإلكترونيات العضوية وتطوير البطاريات والمواد المسامية لتخزين الغازات. وكما يشير البروفيسور آندي كوبر من ليفربول، فقد "تعلّم النموذج أكثر الأنماط تميزاً داخل هذه البلورات" و"كيف ترتبط هذه الأنماط بالخصائص العملية"، مما يجعله أداة قوية للابتكار في مجال المواد.