Discovering High-Strength Alloys via Physics-Transfer Learning

إن قوة المعدن ليست مجرد رقم واحد مكتوب على ملصق؛ بل هي قصة مكتوبة عبر مقاييس الحجم والزمن. عند المستوى الأصغر، تترتب الذرات في صفوف منظمة، مثل جنود يقفون في تشكيل عسكري. وعندما ينثني المعدن أو يتمدد، فإن هذه الصفوف لا تنزلق بسلاسة فوق بعضها البعض، بل تتحرك بطريقة متعرجة وخطوة بخطوة، مدفوعة بعيوب ضئيلة في الاصطفاف الذري تسمى "الخلوع" (dislocations). تخيل سجادة ثقيلة تحتاج إلى تحريكها عبر أرضية؛ أنت لا تسحب السجادة بأكملها دفعة واحدة، بل تصنع تموجاً، أو نتوءاً، وتدفع هذا النتوء على طول السجادة حتى تتحرك. في البلورة، يكون هذا النتوء هو الخلع. والقوة المطلوبة لدفع هذا النتوء هي المقياس الأساسي لمدى قوة المعدن. وقد عرف العلماء منذ زمن طويل أنهم إذا استطاعوا حساب هذه القوة، فبإمكانهم التنبؤ بالسبائك الجديدة التي ستكون الأكثر صلابة. ومع ذلك، فإن حسابها بدقة يمثل كابوساً للحواسيب؛ فالفيزياء المعنية معقدة وتمتد عبر مسافات كبيرة جداً لتناسب المحاكاة الذرية الأكثر دقة، وصغيرة جداً لتناسب القواعد البسيطة المستخدمة في الهندسة. ولعقود من الزمن، ظل الباحثون عالقين بين خيارين سيئين: استخدام طريقة سريعة ولكنها خاطئة، أو استخدام طريقة صحيحة ولكنها تستغرق وقتاً طويلاً يجعل من المستحيل اختبار أكثر من عدد قليل من المواد.

لقد وجد فريق من الباحثين من جامعة تسينغوا والأكاديمية الصينية للعلوم مخرجاً من هذا الفخ. فقد طوروا نهجاً جديداً يعمل كمترجم بين لغتين مختلفتين من الفيزياء. قاموا بتدريب برنامج حاسوبي، وهو نوع من الذكاء الاصطناعي، لفهم قواعد حركة الذرات من خلال دراسة ملايين الأمثلة الناتجة عن عمليات محاكاة تقريبية سريعة. وبمجرد أن تعلم البرنامج هذه القواعد، قام الباحثون بتغذيته ببيانات من عمليات المحاكاة البطيئة وفائقة الدقة التي عادة ما تكون مكلفة للغاية للمشاريع الكبيرة. استخدم البرنامج فهمه للفيزياء لترجمة البيانات الدقيقة إلى تنبؤ بالقوة. سمحت هذه الطريقة، التي يسميها المؤلفون "تعلم نقل الفيزياء" (physics-transfer learning)، بفحص آلاف التوليفات المعدنية المحتملة في غضون ثوانٍ، وتحديد السبائك التي ينبغي أن تكون قوية للغاية. ولم يتوقفوا عند شاشة الكمبيوتر، بل استرشدوا بهذه التنبؤات لصنع مجموعة جديدة من السبائك الثنائية - وهي مخاليط من معدنين - باستخدام تقنية ترسيب عالية السرعة. وعندما اختبروا هذه المواد الجديدة، تطابقت النتائج إلى حد كبير مع التنبؤات، رغم أن تركيبة محددة شكلت بنية زجاجية بدلاً من البلورة المتوقعة. لقد صنعوا سبائك أقوى بعشرين مرة من النسخ التقليدية لنفس المعادن، مما أثبت أن نموذج الكمبيوتر يمكن أن يوجه بنجاح عملية ابتكار مواد حقيقية لم تُصنع من قبل.

يكمن جوهر هذا الإنجاز في كيفية تعامل الباحثين مع "معضلة الدقة والأداء". في الماضي، لمعرفة قوة المعدن، كان على العلماء الاختيار بين السرعة والحقيقة. كان بإمكانهم استخدام حقول القوة التجريبية، وهي قواعد رياضية مبسطة تحاكي السلوك الذري؛ وهي سريعة بما يكفي للعمل على جهاز كمبيوتر محمول، لكنها غالباً ما تخطئ في التفاصيل، مما يؤدي إلى أخطاء تتجاوز مائتين بالمائة مقارنة بالواقع. وعلى الطرف الآخر من الطيف، كانت حسابات المبادئ الأولى (first-principles calculations)، التي تحل المعادلات الأساسية لميكانيكا الكم لكل ذرة على حدة. هذه الحسابات دقيقة للغاية، لكنها ثقيلة حسابياً بحيث لا يمكن استخدامها إلا للبلورات الصغيرة والمثالية، ولا يمكنها التعامل مع العيوب الكبيرة والفوضوية حيث تفشل المعادن الحقيقية فعلياً. أدرك الباحثون أن العلاقة بين البنية الذرية وقوة المادة هي قانون فيزيائي موجود بغض النظر عن طريقة الحساب المستخدمة. وإذا استطاع الكمبيوتر تعلم هذا القانون الفيزيائي من البيانات السريعة وغير الكاملة، فقد يتمكن من تطبيق نفس القانون على البيانات البطيئة والمثالية.

لاختبار هذه الفكرة، بنى الفريق مكتبة رقمية من المعادن، بما في ذلك النحاس والحديد والتيتانيوم الشائع، بالإضافة إلى عناصر أندر. أجروا عمليات محاكاة باستخدام كل من الطرق السريعة التقريبية والطرق البطيئة الدقيقة لمعرفة كيف تتغير قوة هذه المعادن مع تعديل الترتيبات الذرية. ثم قاموا بتدريب شبكة عصبية، وهي نوع من الذكاء الاصطناعي المستوحى من الدماغ البشري، لإيجاد النمط الذي يربط التفاصيل الذرية بالقوة. تعلمت الشبكة التعرف على الفيزياء الكامنة وراء حركة الخلع عبر البلورة. وبمجرد تدريب الشبكة، تم تزويدها بالبيانات الدقيقة وعالية الجودة من عمليات المحاكاة البطيئة. ولأن الشبكة كانت قد تعلمت بالفعل قواعد اللعبة من عمليات المحاكاة السريعة، فقد تمكنت فوراً من التنبؤ بقوة المواد الجديدة بدقة كيميائية. كانت النتائج مذهلة؛ فبالنسبة للأنظمة الصغيرة، قللت الطريقة الجديدة الخطأ من أكثر من مائتين بالمائة إلى أقل من خمسين بالمائة، وبالنسبة للأنظمة الأكبر والأكثر تعقيداً، تباينت الأخطاء، حيث تراوحت بين حوالي 4% و48% اعتماداً على المادة ونظام الانزلاق المحدد. أما الوقت الذي استغرقته عملية التنبؤ فكان جزءاً من الثانية، وهي سرعة جعلت من الممكن فحص آلاف المرشحين في يوم واحد.

بامتلاك هذه الأداة القوية، وجه الباحثون اهتمامهم إلى المكتبة الواسعة من البلورات المعروفة والنظرية. ركزوا على إيجاد السبائك عالية القوة التي تم التغاضي عنها. قام الكمبيوتر بمسح آلاف الاحتمالات، بحثاً عن التوليفات التي ستخلق البنية الذرية أكبر مقاومة لحركة تلك النتوءات الصغيرة. حددت الخوارزمية عدة مرشحات واعدة، بما في ذلك مخاليط محددة من النحاس والتيتانيوم، والألومنيوم والتيتانيوم. لم تكن هذه مجرد تخمينات عشوائية؛ فقد توقع النموذج أن هذه النسب المحددة ستخلق حالة شبه مستقرة (metastable state)، وهي نوع من الترتيب الذري يكون قوياً ولكنه ليس الشكل الأكثر استقراراً الذي تتخذه الذرات عادة. وهذا تمييز حاسم؛ فالميتالورجيا التقليدية تعتمد على إيجاد الحالة الأكثر استقراراً، مما ينتج عنه غالباً مواد أكثر ليونة. اقترح النهج الجديد أنه من خلال إجبار الذرات على اتخاذ ترتيب عالي الطاقة وأقل استقراراً، يمكن تحقيق قوة استثنائية.

كان الاختبار النهائي هو معرفة ما إذا كانت تنبؤات الكمبيوتر هذه ستصمد أمام الواقع الفوضوي للمختبر. استخدم الفريق تقنية تسمى الترسيب بالحزمة الأيونية لبناء السبائك. تتضمن هذه العملية إطلاق أيونات نحو هدف لخلخلة الذرات ثم التقاطها على سطح لبناء طبقة مادية جديدة طبقة تلو الأخرى. وهي طريقة تسمح بمعدلات تبريد عالية جداً، وهو أمر ضروري لحجز الذرات في الحالة شبه المستقرة عالية القوة التي توقعها النموذج. لقد صنعوا أغشية من النحاس والتيتانيوم والألومنيوم والتيتانيوم بتكوينات حددها النموذج كفائزة. لاختبار القوة، بنوا أعمدة مجهرية من المادة الجديدة، يبلغ عرض كل منها بضعة ميكرومترات فقط، وضغطوها باستخدام أداة ضغط دقيقة. كانت النتائج دراماتيكية؛ فقد أظهرت السبائك الجديدة قوة تزيد بعشرين مرة عن السبائك التقليدية ذات المحتوى المنخفض من المذاب. وعندما نظروا إلى المواد تحت مجهر إلكتروني قوي، رأوا أن القوة تأتي من الطريقة التي تتحرك بها الخلوع عبر البلورة، تماماً كما توقع نموذج نقل الفيزياء للعينات البلورية الناجحة. ومع ذلك، بالنسبة لتركيبة معينة (Cu4Ti)، أدت قيود تقنية الترسيب إلى تكوين بنية زجاجية لم تظهر القوة العالية المتوقعة، مما يسلط الضوء على أن المسار من التنبؤ إلى الإنتاج لا يزال معقداً. أما المواد التي تشكلت كبلورات فلم تتحطم مثل الزجاج، بل انثنت وتدفقت، مما أثبت أنها معادن حقيقية ذات خصائص محسنة.

إن نجاح هذا المشروع يتجاوز مجرد صنع معادن أقوى؛ فهو يبرهن على طريقة جديدة للعلوم تجسر الفجوة بين النظرية والتجربة. فمن خلال تعليم الكمبيوتر القوانين الفيزيائية التي تحكم المواد، بدلاً من مجرد حفظ نقاط البيانات، أنشأ الباحثون أداة يمكنها التعميم على مواد لم ترها من قبل. لقد أظهروا أن الفيزياء المتعلمة من نوع واحد من المحاكاة يمكن نقلها إلى نوع آخر، مما يسمح بتنبؤات سريعة ودقيقة في آن واحد. يفتح هذا النهج الباب لاستكشاف نطاق أوسع بكثير من المواد، بما في ذلك تلك التي يصعب تصنيعها أو التي توجد فقط في قواعد البيانات النظرية. وأشار الباحثون إلى أنه بينما نجحت طريقتهم في تحديد المرشحين ذوي القوة العالية، فإن التصنيع الفعلي تطلب تقنيات متقدمة لتثبيت هذه المواد. لم تؤدِ كل عملية تنبؤ إلى بلورة مثالية؛ إذ أدت بعض المحاولات إلى هياكل زجاجية لم تظهر القوة المتوقعة، مما يوضح أن المسار من التنبؤ إلى الإنتاج لا يزال معقداً. ومع ذلك، فإن القدرة على تضييق نطاق البحث من ملايين الاحتمالات إلى حفنة من المرشحين القابلين للتطبيق هي قفزة هائلة للأمام.

يشير هذا العمل إلى أن مستقبل اكتشاف المواد سيعتمد على الشراكة بين البصيرة البشرية والتعلم الآلي. لم يستبدل الباحثون الحاجة إلى التجارب الفيزيائية أو الفهم النظري العميق، بل استخدموا الذكاء الاصطناعي للترجمة بين المقاييس المختلفة للفيزياء، مما سمح لهم برؤية روابط كانت مخفية سابقاً بسبب قيود الحوسبة. لقد أثبتوا أنه من الممكن البحث عن سبائك عالية القوة بمستوى من الدقة كان محصوراً في السابق في أكثر عمليات المحاكاة تكلفة واستهلاكاً للوقت. والنتيجة هي فئة جديدة من المواد، مثل سبائك النحاس والتيتانيوم والألومنيوم والتيتانيوم، الجاهزة للاختبار في التطبيقات الواقعية. ومع تقدم هذا المجال، يمكن تطبيق إطار عمل "نقل الفيزياء" هذا على مشكلات معقدة أخرى في العلوم، مما يساعد في حل معضلة الدقة والأداء في مجالات تتراوح من تخزين الطاقة إلى تصميم الأدوية. وتقف هذه الدراسة كدليل واضح على أنه عندما نعلم الآلات قواعد العالم الفيزيائي، يمكنها مساعدتنا في بناء مستقبل أقوى وأكثر مرونة.