Multimodal Machine Learning for Integrating Heterogeneous Analytical Systems

تخيل أنك تحاول فهم سبب قيام نوع معين من الأقمشة (في هذه الحالة، غشاء مصنوع من أنابيب كربون مجهرية) بتوصيل الكهرباء بشكل جيد أو امتلاك مساحة سطح كبيرة. تقليديًا، قد ينظر العلماء إلى القماش من خلال مجهر، ثم يفحصون تركيبته الكيميائية باستخدام ليزر، ثم يزنونه، وأخيرًا يختبرون مدى قدرته على توصيل الكهرباء. سوف ينظرون إلى كل اختبار من هذه الاختبارات بشكل منفصل، تمامًا كما تحاول فهم سيارة من خلال فحص المحرك، ثم الإطارات، ثم الطلاء، دون أن ترى أبدًا كيف تعمل هذه الأجزاء معًا.

يقترح هذا البحث طريقة أكثر ذكاءً: التعلم الآلي متعدد الوسائط (Multimodal Machine Learning). فكر في هذا الأمر كأنه "محاور خارق" يطرح على القماش أسئلة من جميع هذه الاختبارات في وقت واحد، ويستمع إلى كيفية ارتباط إجاباتها ببعضها البعض.

إليك تفصيل لما قام به الباحثون، باستخدام تشبيهات بسيطة:

1. المادة: شبكة متشابكة من أنابيب الكربون

درس العلماء أغشية مصنوعة من أنابيب الكربون النانوية (CNTs). تخيل هذه الأنابيب كأنها شفاطات (مصاصات) صغيرة، قوية للغاية، ومجوفة مصنوعة من الكربون. عندما تصنع غشاءً منها، فإنها تتشابك مع بعضها البعض مثل وعاء من السباغيتي أو كرة فوضوية من خيوط الصوف. الطريقة التي تتشابك بها، ومدى استقامتها، وعدد المرات التي تتقاطع فيها، هي ما يحدد سلوك الغشاء.

2. المشكلة: أداة واحدة ليست كافية

لاحظ الباحثون أنه لا توجد أداة واحدة يمكنها رؤية الصورة كاملة:

• المجاهر (SEM): تظهر لك الشكل وكيف تتشابك الأنابيب، لكنها لا تستطيع إخبارك عن الحالة الكيميائية للأنابيب.
• الليزر (Raman): يمكنه إخبارك ما إذا كانت الأنابيب مثالية أم بها شقوق (عيوب)، لكنه لا يستطيع إظهار الشكل ثلاثي الأبعاد للتشابك.
• اختبارات الغاز: تقيس مقدار مساحة السطح المتاحة، ولكن ليس السبب وراء ظهورها بهذا الشكل.
• الاختبارات الكهربائية: تخبرك بمدى جودة تدفق الكهرباء، ولكن ليس السبب الفيزيائي وراء ذلك.

3. الحل: "مترجم رقمي"

بنى الفريق نظامًا حاسوبيًا يعمل كمترجم، يجمع كل هذه "اللغات" المختلفة من البيانات في قصة واحدة واضحة.

• الخطوة 1: تحويل الصور إلى أرقام. أخذوا صورًا للأنابيب المتشابكة (صور SEM) واستخدموا الحاسوب لتحويلها إلى خريطة "هيكل عظمي". الأمر يشبه تتبع الخط المركزي لكل قطعة سباغيتي لعدّ عدد المرات التي تتقاطع فيها، ومدى انحنائها، وحجم الفراغات (الفجوات) بينها.
• الخطوة 2: خلط المكونات. أخذوا هذه "أرقام الشكل" وخلطوها مع "الأرقام الكيميائية" (من الليزر) و"أرقام السطح" (من اختبار الغاز).
• الخطوة 3: لعبة "التجميع". استخدموا أداة تصور خاصة (تسمى UMAP) لرسم جميع الأغشية المختلفة على خريطة. قام الحاسوب تلقائيًا بتجميع الأغشية المتشابهة معًا. وقد وجد أن الأغشية ذات الأنابيب المستقيمة والمثالية شكلت مجموعة واحدة، بينما شكلت الأغشية التي تحتوي على ثقوب صغيرة مجموعة أخرى. كان الأمر يشبه فرز كومة من الجوارب المختلطة حسب اللون والنمط دون إخبارك بكيفية القيام بذلك.

4. الاكتشاف الكبير: ما الذي يهم حقًا؟

الجزء الأكثر أهمية في البحث هو اكتشاف لماذا تتصرف هذه الأغشية بهذه الطريقة. استخدم الحاسوب طريقة "تحرٍ" (تسمى أهمية الميزة - Feature Importance) لمعرفة أي الأدلة كانت أكثر أهمية.

• للمقاومة الكهربائية (مدى صعوبة تدفق الكهرباء):
  وجد الحاسوب أن الكهرباء لا تهتم فقط بالأنابيب نفسها. بل تهتم بـ المسافة بين "العقد" حيث تتلامس الأنابيب. إذا كانت الأنابيب متشابكة بطريقة تخلق مسارات طويلة ومتعرجة بين نقاط التلامس، فإن الكهرباء ستعاني للمرور. كما تهتم أيضًا بمدى "مثالية" الأنابيب (العيوب) ومدى ازدحام الشبكة.

  • التشبيه: تخيل أنك تقود سيارة. حتى لو كانت سيارتك سريعة (أنابيب عالية الجودة)، إذا كانت الطرق مليئة بالتحويلات الطويلة والازدحامات المرورية (مسافات طويلة بين العقد)، فستصل متأخرًا (مقاومة عالية).

• لمساحة السطح (كم تبلغ "بشرة" المادة):
  وجد الحاسوب أن هذا يعتمد بشكل أساسي على عدد المرات التي تتقاطع فيها الأنابيب وحجم الثقوب في الشبكة.

  • التشبيه: فكر في الإسفنجة. الإسفنجة التي تحتوي على ثقوب صغيرة ومعقدة لها مساحة سطح ضخمة في الداخل، حتى لو بدت صغيرة من الخارج. كلما زاد تعقيد التشابك، زادت "البشرة" المكشوفة.

5. النتيجة: متنبئ أفضل

اختبر الباحثون نماذج حاسوبية مختلفة لمعرفة أي منها يمكنه التنبؤ بهذه الخصائص بشكل أفضل. وجدوا أن نموذجًا معقدًا وغير خطي (يسمى XGBoost) كان الأفضل في "التنبؤ". لقد كان أفضل في فهم أن العلاقة بين تشابك الأناب وتدفق الكهرباء ليست خطًا مستقيمًا بسيطًا، بل هي منحنى معقد ومتعرج.

ملخص

باختختصار، يوضح هذا البحث أنه لفهم المواد المعقدة مثل أغشية أنابيب الكربون النانوية، لا يمكنك النظر إلى شيء واحد فقط. يجب عليك دمج الصور، والمسوحات الكيميائية، والاختبارات الفيزيائية في لغز بيانات كبير واحد. ومن خلال استخدام حاسوب ذكي لحل هذا اللغز، اكتشفوا أن طريقة تشابك الأنابيب (هيكل الشبكة) لا تقل أهمية عن المادة التي صُنعت منها الأنابيب. وهذا يمنح العلماء طريقة جديدة وواضحة لتصميم مواد أفضل من خلال فهم الجزء الذي يحتاج إلى إصلاح بالضبط في هذا "التشابك".