في إنجاز علمي كبير، طور باحثون إطاراً حسابياً جديداً للذكاء الاصطناعي يسمى THOR، والذي يستخدم شبكات الموترات لحل مشكلة “التكامل التكويني” المعقدة في الفيزياء الإحصائية، مما يفتح الباب أمام اكتشافات أسرع وفهم أعمق للمواد.
محتويات المقالة:
- إنجاز حسابي يحل تحدياً قديماً
- لغز “التكامل التكويني”: مشكلة شبه مستحيلة
- “لعنة الأبعاد” والحاجة إلى الحواسيب الفائقة
- حل THOR: تحويل المستحيل إلى ممكن
- نتائج مذهلة: أسرع بـ 400 مرة من المحاكاة التقليدية
- تداعيات واسعة على علوم المواد والكيمياء
- بداية عصر جديد في الحسابات الفيزيائية
- أسئلة شائعة
إنجاز حسابي يحل تحدياً قديماً
طور باحثون من جامعة نيو مكسيكو ومختبر لوس ألاموس الوطني إطاراً حسابياً جديداً يعالج تحدياً طال أمده في الفيزياء الإحصائية. يستخدم إطار الذكاء الاصطناعي THOR (Tensors for High-dimensional Object Representation) خوارزميات شبكة الموترات لضغط وتقييم التكاملات التكوينية الكبيرة للغاية والمعادلات التفاضلية الجزئية التي تلعب دوراً محورياً في تحديد الخصائص الديناميكية الحرارية والميكانيكية للمواد بكفاءة.
لغز “التكامل التكويني”: مشكلة شبه مستحيلة
لفهم أهمية هذا الإنجاز، يجب أن نفهم المشكلة التي يحلها. «التكامل التكويني» هو مفهوم رياضي في الفيزياء يلتقط جميع التفاعلات الممكنة بين الجسيمات في مادة ما. إن حساب هذا التكامل بدقة يسمح للعلماء بالتنبؤ بسلوك المادة في ظل ظروف مختلفة (مثل الضغط ودرجة الحرارة).
قال بويان ألكسندروف، كبير علماء الذكاء الاصطناعي في لوس ألاموس الذي قاد المشروع: «من المعروف أن تقييم التكامل التكويني أمر صعب ويستغرق وقتاً طويلاً، لا سيما في تطبيقات علوم المواد التي تنطوي على ضغوط قصوى أو تحولات طورية».
“لعنة الأبعاد” والحاجة إلى الحواسيب الفائقة
حتى الآن، اعتمد العلماء على طرق تقريبية مثل ديناميكيات الجزيئات ومحاكاة مونت كارلو لتقدير هذا التكامل. هذه الأساليب تعمل بشكل غير مباشر، حيث تحاكي حركات ذرية لا حصر لها على مدى فترات زمنية طويلة في محاولة لتجاوز «لعنة الأبعاد» – وهي النمو الأسي للتعقيد في المشكلات عالية الأبعاد التي تطغى حتى على أقوى الحواسيب الفائقة. غالباً ما تتطلب مثل هذه الحسابات أسابيع من وقت الحواسيب الفائقة، ومع ذلك لا تزال تواجه قيوداً كبيرة.
قال ديميتر بيتسيف، الأستاذ في قسم الهندسة الكيميائية والبيولوجية بجامعة نيو مكسيكو: «تقليدياً، كان حل التكامل التكويني مباشرة يعتبر مستحيلاً لأن التكامل غالباً ما يتضمن أبعاداً تصل إلى الآلاف. كانت تقنيات التكامل الكلاسيكية تتطلب أوقات حساب تتجاوز عمر الكون، حتى مع أجهزة الكمبيوتر الحديثة».
حل THOR: تحويل المستحيل إلى ممكن
يحول إطار THOR AI هذا التحدي عالي الأبعاد إلى مشكلة قابلة للحل عن طريق تمثيل مكعب البيانات عالي الأبعاد للتكامل كسلسلة من المكونات الأصغر المتصلة باستخدام تقنية رياضية تسمى «استيفاء تقاطع قطار الموترات». تحدد نسخة مخصصة من هذه الطريقة التماثلات البلورية المهمة، مما يتيح حساب التكامل التكويني في ثوانٍ بدلاً من آلاف الساعات – دون فقدان الدقة. بعبارة أخرى، يجد الذكاء الاصطناعي طريقة ذكية لتبسيط المشكلة الهائلة دون التضحية بالدقة.
نتائج مذهلة: أسرع بـ 400 مرة من المحاكاة التقليدية
عند تطبيقه على معادن مثل النحاس والغازات النبيلة عند ضغط مرتفع، مثل الأرجون في الحالة البلورية، وكذلك على حساب تحول الطور الصلب-الصلب للقصدير، أعاد THOR AI إنتاج نتائج من أفضل محاكاة لوس ألاموس – ولكن بسرعة تزيد عن 400 مرة. كما أنه يعمل بسلاسة مع النماذج الذرية الحديثة القائمة على التعلم الآلي، مما يجعله أداة متعددة الاستخدامات لعلوم المواد والفيزياء والكيمياء.
تداعيات واسعة على علوم المواد والكيمياء
قال دوك ترونغ، عالم في لوس ألاموس والمؤلف الرئيسي للدراسة: «يستبدل هذا الإنجاز المحاكاة والتقريبات التي تعود إلى قرن من الزمان للتكامل التكويني بحساب من المبادئ الأولى. يفتح THOR AI الباب أمام اكتشافات أسرع وفهم أعمق للمواد».
يمكن أن يؤدي هذا التسريع الهائل في الحسابات إلى ثورة في تصميم المواد. سيتمكن العلماء من فحص عدد أكبر بكثير من المركبات المحتملة بسرعة، واكتشاف مواد جديدة ذات خصائص مرغوبة (مثل الموصلات الفائقة الأفضل، أو السبائك الأقوى، أو المحفزات الأكثر كفاءة) في جزء صغير من الوقت الذي كان يستغرقه الأمر سابقاً.
بداية عصر جديد في الحسابات الفيزيائية
يُظهر هذا العمل كيف يمكن لتطبيق مفاهيم الذكاء الاصطناعي المتقدمة، مثل شبكات الموترات، أن يحل بعض أقدم وأصعب المشاكل في العلوم الأساسية. من خلال توفير طريقة دقيقة وسريعة بشكل لا يصدق لحساب الخصائص الأساسية للمادة، يمهد إطار THOR الطريق لعصر جديد من الابتكار في اكتشاف وتصميم المواد.
أسئلة شائعة
س1: ما هو “الموتر” (Tensor) في هذا السياق؟
ج1: في الرياضيات والفيزياء، الموتر هو كائن رياضي يعمم مفاهيم الأرقام (التي ليس لها أبعاد) والمتجهات (التي لها بعد واحد) والمصفوفات (التي لها بعدان) إلى أبعاد أعلى. “شبكة الموترات” هي طريقة لتمثيل هذه الكائنات عالية الأبعاد كمجموعة من الموترات الأصغر المتصلة، مما يبسط الحسابات بشكل كبير.
س2: ما هي “الفيزياء الإحصائية”؟
ج2: هي فرع من فروع الفيزياء يستخدم نظرية الاحتمالات والإحصاء لوصف سلوك الأنظمة التي تحتوي على عدد كبير جداً من الجسيمات (مثل الذرات في غاز أو معدن). وهي أساس فهمنا لخصائص مثل درجة الحرارة والضغط.
س3: هل إطار THOR متاح للجميع؟
ج3: نعم، ذكر الباحثون أن مشروع THOR متاح على منصة GitHub، مما يسمح للعلماء الآخرين في جميع أنحاء العالم باستخدام هذه التقنية والبناء عليها في أبحاثهم الخاصة.
