عدد اليوم
بات بإمكان نماذج التعلم الآلي تسريع اكتشاف مواد جديدة من خلال التنبؤات واقتراح التجارب. لكن معظم النماذج اليوم لا تأخذ في الاعتبار سوى أنواع محددة من البيانات أو المتغيرات.
أما الآن، فقد طور باحثو معهد ماساتشوستس للتكنولوجيا (MIT) طريقة لتحسين وصفات المواد وتخطيط التجارب، تجمع بين معلومات من مصادر متنوعة، مثل الأدبيات، والتركيبات الكيميائية، والصور المجهرية، وغيرها. هذا النهج جزء من منصة جديدة تُسمى (CRESt)، والتي تستخدم أيضًا معدات روبوتية لاختبار المواد عالية الإنتاجية.
تتيح واجهة المستخدم CRESt للباحثين الدردشة مع المنصة وأن يطلبوا منها اقتراح وصفات مواد واعدة، أو بدء تحضير العينات، أو إجراء تحليل الصور على صور المجهر الإلكتروني الماسح.
يمكن للباحثين البشريين التواصل مع النظام بلغة طبيعية، دون الحاجة إلى برمجة، ويقوم النظام بإجراء ملاحظاته وفرضياته الخاصة أثناء العملية. كما تتيح الكاميرات ونماذج اللغة المرئية للنظام مراقبة التجارب واكتشاف المشكلات واقتراح التصحيحات.
يقول جو لي، أستاذ هندسة الطاقة في كلية الهندسة كارل ريتشارد سودربيرج "في مجال الذكاء الاصطناعي للعلوم، يكمن السر في تصميم تجارب جديدة". ويضيف "نستخدم التغذية الراجعة متعددة الوسائط، على سبيل المثال معلومات من الدراسات السابقة حول كيفية سلوك البلاديوم في خلايا الوقود عند درجة الحرارة هذه، والتغذية الراجعة البشرية، لتكملة البيانات التجريبية وتصميم تجارب جديدة. كما نستخدم الروبوتات لتركيب وتوصيف بنية المادة واختبار أدائها".
وُصف النظام في ورقة بحثية نُشرت في مجلة Nature. استخدم الباحثون تقنية CRESt لاستكشاف أكثر من 900 تركيبة كيميائية وإجراء 3500 اختبار كهروكيميائي، مما أدى إلى اكتشاف مادة محفزة وفرت كثافة طاقة قياسية في خلية وقود تعمل على ملح الفورمات لإنتاج الكهرباء.
نظام أذكى
قد تكون تجارب علوم المواد مستهلكة للوقت ومكلفة. فهي تتطلب من الباحثين تصميم سير عمل بعناية، وصنع مواد جديدة، وإجراء سلسلة من الاختبارات والتحليلات لفهم ما حدث. ثم تُستخدم هذه النتائج لتحديد كيفية تحسين المادة.
وقد ساعد التعلم النشط الباحثين على تحديد مواد جديدة لأشياء مثل البطاريات وأشباه الموصلات المتقدمة.
اقرأ أيضا... ما الذي يحمله مستقبل الذكاء الاصطناعي التوليدي؟
تشمل معدات CRESt الروبوتية روبوتًا لمعالجة السوائل، ونظام صدمات كربوحرارية لتصنيع المواد بسرعة، ومحطة عمل كهروكيميائية آلية للاختبار، ومعدات توصيف تشمل مجهرًا إلكترونيًا آليًا ومجهرًا ضوئيًا، وأجهزة مساعدة مثل المضخات وصمامات الغاز، والتي يمكن التحكم فيها عن بُعد أيضًا. كما يمكن ضبط العديد من معلمات المعالجة.
من خلال واجهة المستخدم، يمكن للباحثين الدردشة مع CRESt وتوجيهه لاستخدام التعلم النشط لإيجاد وصفات مواد واعدة لمشاريع مختلفة. يمكن لمنصة CRESt تضمين ما يصل إلى 20 جزيئًا أوليًا وركائز في وصفتها. لتوجيه تصميمات المواد، تبحث نماذج CRESt في الأوراق العلمية عن أوصاف العناصر أو الجزيئات الأولية التي قد تكون مفيدة. عندما يطلب الباحثون من المنصة البحث عن وصفات جديدة، فإن ذلك يُطلق آلية لتحضير العينات وتوصيفها واختبارها. كما يمكن للباحث أن يطلب من CRESt إجراء تحليل للصور من خلال تصوير المجهر الإلكتروني الماسح، وحيود الأشعة السينية، ومصادر أخرى. تُستخدم المعلومات المستمدة من هذه العمليات لتدريب نماذج التعلم النشط، التي تستخدم كلاً من المعرفة المنشورة ونتائج التجارب الحالية لاقتراح المزيد من التجارب وتسريع اكتشاف المواد.
استخدم الباحثون تقنية CRESt لتطوير مادة أقطاب كهربائية لنوع متطور من خلايا الوقود عالية الكثافة، تُعرف بخلية وقود الفورمات المباشرة. بعد دراسة أكثر من 900 تركيبة كيميائية على مدار ثلاثة أشهر، اكتشف CRESt مادة محفزة مصنوعة من ثمانية عناصر، حققت تحسنًا في كثافة الطاقة لكل دولار بمقدار 9.3 أضعاف مقارنةً بالبلاديوم النقي، وهو معدن ثمين باهظ الثمن.
وفي اختبارات أخرى، استُخدمت مادة CREST لتوفير كثافة طاقة قياسية لخلية وقود الفورمات المباشرة العاملة، على الرغم من أن الخلية احتوت على ربع المعادن الثمينة فقط في الأجهزة السابقة.
تُظهر النتائج قدرة CRESt على إيجاد حلول لمشاكل الطاقة الواقعية التي عانت منها مجتمعات علوم وهندسة المواد لعقود.
خيارات منخفضة التكلفة
يقول زينغ تشانغ المشارك في الدراسة "يُمثل استخدام المعادن الثمينة تحديًا كبيرًا لمحفزات خلايا الوقود. بالنسبة لخلايا الوقود، استخدم الباحثون معادن ثمينة متنوعة مثل البلاديوم والبلاتين. استخدمنا محفزًا متعدد العناصر يتضمن أيضًا العديد من العناصر الرخيصة الأخرى لخلق بيئة تنسيق مثالية للنشاط التحفيزي ومقاومة الأنواع السامة مثل أول أكسيد الكربون. لقد ظل الناس يبحثون عن خيارات منخفضة التكلفة لسنوات عديدة. وقد سرّع هذا النظام بشكل كبير بحثنا عن هذه المحفزات".
يقول لي: "CREST هو مساعد، وليس بديلاً، للباحثين البشر. لا يزال الباحثون البشر لا غنى عنهم. في الواقع، نستخدم اللغة الطبيعية ليتمكن النظام من شرح ما يفعله وتقديم الملاحظات والفرضيات. لكن هذه خطوة نحو مختبرات أكثر مرونةً وذاتية القيادة".
مصطفى أوفى (أبوظبي)
