🔬 materials science

Composition-Weighted Symbolic Regression for General-Purpose Property Prediction

تقدم هذه الورقة إطار عمل للانحدار الرمزي الموزون بالتركيب يجمع بين خوارزميات البحث الهجين ومعاملات الحد الأقصى/الأدنى لتوليد تعبيرات تحليلية قابلة للتفسير للتنبؤ بخصائص المواد المتنوعة مباشرة من التركيب الكيميائي، محققاً دقة تنافسية مقابل النماذج الصندوقية السوداء مع الكشف عن اتجاهات عنصرية ذات معنى كيميائي.

المؤلفون الأصليون: Yang Huang, Jingrun Chen

نُشر 2026-05-05

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yang Huang, Jingrun Chen

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك طاهٍ يحاول اكتشاف الوصفة الدقيقة لكعكة مثالية. عادةً، يستخدم العلماء الذين يحاولون التنبؤ بكيفية سلوك مادة ما (مثل ما إذا كانت توصل الكهرباء أو مدى صلابتها) نهجين رئيسيين:

نهج "المخطط الهندسي": ينظرون إلى البنية التفصيلية ثلاثية الأبعاد للذرات (المخطط). هذا النهج دقيق للغاية ولكنه يتطلب معرفة المخطط، والذي غالبًا ما يكون مفقودًا أو مكلفًا جدًا لبنائه.
نهج "الصندوق الأسود": ينظرون فقط إلى قائمة المكونات (الصيغة الكيميائية) ويغذونها في عقل حاسوبي ضخم ومعقد (شبكة عصبية). يعطي هذا العقل إجابة صحيحة، لكن لا أحد يعرف كيف وصل إليها. إنه يشبه الطاهي الذي يقول: "الطعم جيد"، لكنه يرفض إخبارك بالوصفة.

تقدم هذه الورقة طريقة جديدة تسمى الارتباط الرمزي الموزون بالتركيب (Composition-Weighted Symbolic Regression). فكر في هذا كـ مكتشف وصفات ذكي وشفاف ينظر فقط إلى قائمة المكونات، ومع ذلك ينجح في كتابة الوصفة الرياضية الفعلية لخصائص المادة.

إليك كيف تعمل هذه الطريقة، مقسمة إلى مفاهيم بسيطة:

1. فكرة "المكون الموزون"

بدلاً من مجرد سرد المكونات، تخصص هذه الطريقة "درجة" أو "وزنًا" لكل عنصر (مثل الكربون، أو الحديد، أو الأكسجين).

القياس التشبيهي: تخيل أنك تصنع حساءً. الوصفة ليست مجرد "أضف جزرًا". بل هي "أضف جزرتين، و0.5 جزء ملح، و-1 جزء سكر (لأنك لا تريد الحساء حلو المذاق)".
يتعلم الحاسوب هذه الأوزان المحددة لكل عنصر تلقائيًا. فهو يكتشف أنه بالنسبة لمادة "صلبة"، قد يحصل الحديد على درجة موجبة عالية، بينما بالنسبة لمادة "لينة"، قد يحصل على درجة سالبة.

2. "الوصفة الرياضية" (الارتباط الرمزي)

بمجرد حصول الحاسوب على أوزان المكونات، فإنه لا يخمن الإجابة فحرد. بل يبحث عن الصيغة الرياضية الفعلية التي تربط تلك الأوزان بالنتيجة النهائية.

القياس التشبيهي: بدلاً من الصندوق الأسود الذي يقول "النتيجة: 5"، فإنه يكتب: النتيجة = (وزن الحديد × 2) + (وزن الكربون ÷ 3).
يُسمى هذا "الارتباط الرمزي". إنه يجد المعادلة نفسها، مما يجعل التنبؤ قابلاً للتفسير. يمكنك قراءة الصيغة وفهم المنطق الكامن وراءها.

3. "حراس السلامة" (معاملات الحد الأقصى والحد الأدنى)

للمواد قواعد فيزيائية. على سبيل المثال، "فجوة النطاق" (وهي مقياسة لمدى قدرة المادة على حجب الكهرباء) لا يمكن أن تكون سالبة أبدًا. والاحتمالية (مثل "احتمال أن تكون هذه المادة معدنًا") يجب أن تكون بين 0 و1.

القياس التشبيهي: تخيل وجود منظم حرارة (ترموستات) له حد توقف صلب بحيث لا يمكن أن ينخفض تحت درجة التجمد، أو عداد سرعة لا يمكنه إظهار سرعة سالبة.
تبني هذه الطريقة تلك "حراس السلامة" مباشرة داخل الرياضيات باستخدام دوال الحد الأقصى (Max) والحد الأدنى (Min). إذا حاولت الرياضيات حساب فجوة نطاق سالبة، فإن دالة "الحد الأقصى" تعمل كأرضية، قائلة: "لا، أدنى قيمة يمكن أن تصل إليها هي الصفر". وهذا يضمن أن النتائج دائمًا منطقية من الناحية الفيزيائية.

4. "فريق البحث" (الخوارزمية الهجينة)

إن العثور على الوصفة المثالية والأوزان المثالية يشبه البحث عن إبرة في كومة قش. استخدم المؤلفون فريق بحث ذكي من اثنين:

المستكشف (البحث في شجرة مونت كارلو - Monte Carlo Tree Search): هذا الجزء يستكشف مسارات مختلفة، مثل متنزّه يحاول طرقًا مختلفة في الغابة للعثور على أفضل إطلالة.
المُحسِّن (البرمجة الجينية - Genetic Programming): يعمل هذا الجزء كبرنامج تربية وتكاثر. يأخذ أفضل "الوصفات" التي تم العثور عليها حتى الآن، ويمزجها معًا، ويعدلها لجعلها أفضل وأفضل.
المدرب (التحسين القائم على التدرج - Gradient-Based Optimization): بمجرد العثة على وصفة واعدة، يتدخل المدرب لضبط الأرقام (الأوزان) بدقة، مما يضمن أن تكون الرياضيات دقيقة قدر الإمكان.

ماذا وجدوا؟

اختبر المؤلفون هذه الطريقة على مجموعة قياسية من بيانات المواد (MatBench).

الدقة: أدت الطريقة أداءً يقارب أداء "العقول الحاسوبية" الضخمة (الصناديق السوداء)، على الرغم من أنها تستخدم عددًا أقل بكًاثير من "المعلمات" (فهي أبسط بكثير).
النعومة: عند التنبؤ بخصائص خلطات المواد الجديدة (مثل خلط مادتين من أشباه الموصلات)، قد تتذبذب نماذج "الصندوق الأسود" أحيانًا بشكل عشوائي أو تعطي نتائج متعرجة وغير واقعية. أما هذه الطريقة فتنتج منحنى سلسًا ومستمرًا، مثل خط مرسوم بدقة على رسم بياني، وهو أمر أكثر واقعية لكيفية سلوك المواد فعليًا.
المنطق الكيميائي: عندما نظروا إلى "الأوزان" التي تعلمها الحاسوب، وجدوها تطابق الكيمياء الحقيقية. على سبيل المثال، العناصر المتشابهة كيميائيًا (مثل تلك الموجودة في نفس العمود في الجدول الدوري) حصلت على درجات متشابهة. لقد "أعاد" الحاسوب اكتشاف الأنماط الكيميائية من تلقاء نفسه دون أن يتم إخباره بها.

العيب (القيود)

المؤلفون صادقون بشأن السلبيات:

التعقيد: في بعض الأحيان، قد تظل "الوصفة" التي يجدها الحاسوب معقدة للغاية ويصعب على البشر قراءتها، حتى وإن كانت صريحة رياضيًا.
ليست مثالية: طريقة البحث جيدة جدًا ولكنها لا تضمن العثور على أفضل إجابة ممكنة في كل مرة.
تتطلب الكثير من البيانات: إذا لم يكن لديك ما يكفي من البيانات، فقد يصبح الحاسوب مبدعًا للغاية ويخترع وصفة معقدة تناسب البيانات ولكنها لا تعكس الواقع (وهو ما يسمى بـ "الفرط في التخصيص" أو Overfitting).

الملخص

باختصار، تقدم هذه الورقة أداة تعمل مثل الكيميائي المحقق. فهي تنظر إلى قائمة المكونات، وتكتشف القواعد الرياضية الخفية التي تحكم سلوك المادة، وتكتب صيغة واضحة ومنطقية. إنها تجسر الفجوة بين الدقة العالية للذكاء الاصطناعي المعقد والفهم الواضح للعلوم التقليدية.

ملخص تقني: الانحدار الرمزي الموزون بالتركيب للتنبؤ بالخصائص للأغراض العامة

بيان المشكلة
تُصنف النهج الحالية لتعلم الآلة في التنبؤ بخصائص المواد عموماً إلى طرق تعتمد على البنية وطرق تعتمد على التركيب. وبينما تحقق النماذج القائمة على البنية (مثل Equiformer وTACE) دقة عالية من خلال الاستففادة من التكوينات الذرية، إلا أنها محدودة بسبب عدم توفر البيانات الهيكلية بشكل متكرر، أو عدم اليقين بشأنها، أو تكلفتها الحسابية العالية. وتوفر الطرق القائمة على التركيب حلاً عبر التنبؤ بالخصائص مباشرة من الصيغ الكيميائية، مما يتيح الفحص السريع. ومع ذلك، تعتمد معظم النماذج القائمة على التركيب الموجودة حالياً على الشبكات العصبية أو البنى "الصندوق الأسود" التي تفتقر إلى التفسير الفيزيائي. ويتمثل التحدي المركزي الذي يعالجه هذا العمل في كيفية الحفاظ على دقة تنبؤية تنافسية مع استعادة علاقات تحليلية شفافة وذات معنى كيميائي دون الاعتماد على واصفات محددة مسبقاً أو افتراضات فيزيائية سابقة.

المنهجية
يقترح المؤلفون إطار عمل للانحدار الرمزي الموزون بالتركيب يتعلم بشكل مشترك الأشكال الوظيفية التحليلية والأوزان العنصرية المعتمدة على المهمة. تعبر الصيغة الجوهرية عن خاصية المادة $P$ كالتالي:
$P = F(x; \theta), \quad x_k = \sum_i w_{k,i} c_i$
حيث تمثل $c_i$ كسر التركيب العنصري، و $w_{k,i}$ هي أوزان عنصرية قابلة للتعلم، و $F$ هي دالة تحليلية يتم تحديدها عبر الانحدار الرمزي. تمثل المتغيرات $x$ متوسطات الخصائص العنصرية الموزونة بالتركيب.

المكونات المنهجية الرئيسية تشمل:

مجموعة العمليات الموسعة: تشمل مساحة البحث العمليات المستمرة القياسية (exp، log، الضرب، الجمع) إلى جانب العمليات غير الملساء، وتحديداً max و min. يسمح هذا الاشتمال للنموذج بفرض قيود فيزيائية بشكل طبيعي، مثل فجوات النطاق غير السالبة أو احتمالات التصنيف المحدودة $[0, 1]$ ، مما يوحد مهام الانحدار والتصنيف ضمن صياغة رمزية واحدة.
خوارزمية تحسين هجينة: للتنقل في مساحة البحث الموسعة (والتي تتضمن الهياكل الرمزية والأوزان العنصرية عالية الأبعاد)، يستخدم المؤلفون إطار عمل هجين يجمع بين البحث في شجرة مونت كارلو (MCTS) والبرمجة الجينية (GP).
- تكامل MCTS-GP: تجمع الطريقة بين الاستكشاف الموجه لـ MCTS وقدرات "القفز بين المراحل" لـ GP. وخلافاً للتطبيقات السابقة التي تخزن طوابير المرشحين في عقد عديدة، يحتفظ هذا النهج بطابور التعبيرات العالمي فقط عند العقدة الجذرية، حيث يتم إجراء جميع العمليات الجينية (الطفرة، والعبور) على هذه الجمهرة المشتركة لتقليل عبء الذاكرة.
- التحسين القائم على التدرج: لتحسين المعلمات المستمرة (الأوزان العنصرية $w$ والمعاملات الرمزية $\theta$ )، يستخدم إطار العمل خوارزمية (L-BFGS). ويتم استخدام استراتيجية تعدد البدايات للتعامل مع عدم النعومة الناتجة عن عمليتي max/min، مما يضمن المتانة ضد النهايات الصغرى المحلية.
- التوازي: تم تنفيذ كل من مرحلتي GP وMCTS بشكل متوازٍ لتحسين الكفاءة الحسابية، مع معالجة الدفعات لتوليد التعبيرات وتحسين المعلمات.

النتائج الرئيسية
تم تقييم إطار العمل على ثلاث مهام ممثلة من MatBench: التنبؤ بفجوة النطاق (الانحدار)، وتصنيف المعدنية، وتصنيف تكوين الزجاج.

أداء المعيار المرجعي: حقق النموذج دقة تنافسية مقارنة بنماذج الصندوق الأسود الحديثة (بما في ذلك CrabNet وMODNet والنماذج اللغوية الكبيرة مثل Darwin وGPTChem) مع استخدام عدد أقل بكثير من المعلمات القابلة للتدريب (حوالي $10^2$ $1 0^{2}$ مقابل $10^6$ $1 0^{6}$ إلى $10^9$ $1 0^{9}$ للشبكات العصبية).
- فجوة النطاق: متوسط الخطأ المطلق (MAE) بلغ 0.471، مقارنة بـ 0.287 لنموذج Darwin ذي الـ 7 مليارات معلمة و0.331 لـ CrabNet.
- المعدنية: منحنى ROC-AUC بلغ 0.873، وهو ما يضاهي MODNet (0.916) وCrabNet (غير مذكور).
- تكوين الزجاج: منحنى ROC-AUC بلغ 0.816، وهو ما يضاهي MODNet (0.960) وRF-SCM (0.859).
القابلية للتفسير والاتجاهات الدورية: نجح النموذج في استعادة تعبيرات تحليلية صريحة (على سبيل المثال، $F_{gap} = x_1 \exp[-\exp(\max(x_2, \min(x_0, x_1)))]$ ). أظهرت الأوزان العنصرية المتعلمة اتجاهات دورية ذات معنى كيميائي؛ فعلى سبيل المثال، أظهرت الهالوجينات نمط وزن محدد يتوافق مع دورها في تثبيت البيئات العازلة، بينما أظهرت المعادن الانتقالية أنماطاً مرتبطة بالترابط المعدني.
سبائك أشباه الموصلات من النوع III–V: عند التطبيق للتنبؤ بفجوات النطاق لسبائك III–V الثلاثية، أنتج النموذج الرمزي اتجاهات مستمرة وناعمة تعتمد على التركيب. في المقابل، أظهرت النماذج القائمة على الشبكات العصبية (Darwin، CrabNet، MODNet) انقطاعات أو تقلبات في المناطق ذات بيانات التدريب الشحيحة. وفر النهج الرمزي استكمالاً (interpolation) متسقاً فيزيائياً، حيث أعاد إنتاج الاتجاهات العالمية مثل انخفاض فجوة النطاق من AlAs إلى InSb بشكل صحيح.

الأهمية والادعاءات
يزعم البحث توفير مسار قابل للتوسع والتفسير لاكتشاف المواد وفحص خصائصها. وتكمن أهميته الأساسية في:

توحيد الانحدار والتصنيف: من خلال دمج عمليتي max/min، يتعامل إطار العمل مع المخرجات المحدودة والقيود الفيزيائية (مثل عدم السالبية) مباشرة داخل التعبير المتعلم، مما يلغي الحاجة إلى طبقات مخرجات خاصة بكل مهمة.
اكتشاف وظيفي مدفوع بالبيانات: تتعلم الطريقة كلاً من الشكل الوظيفي والتمثيلات العنصرية مباشرة من البيانات، متجنبة انحياز الواصفات المصنوعة يدوياً.
الاتساق الفيزيائي: تضمن التعبيرات المغلقة الناتية سلوكاً سلساً عبر مساحات التركيب المستمرة، مما يوفر ميزة واضحة على نماذج الصندوق الأسود في عمليات الاستكمال (interpolation) والاستقراء (extrapolation) في ظل ندرة البيانات.

القصور
يقر المؤلفون بعدة أوجه قصور:

التفسير مقابل التعقيد: رغم أن التعبيرات صريحة، إلا أن الحلول عالية الدقة قد تكون معقدة جبرياً، مما يتطلب مزيداً من التحليل لاستخراج الرؤى الفيزيائية.
تقريب التحسين: استراتيجية MCTS-GP الهجينة لا تضمن الوصول إلى الأمثلية العالمية، كما أن المرحلة القائمة على التدرج هي بطبيعتها محلية.
الفرط في التخصيص (Overfitting): في حالات نقص البيانات، قد تؤدي مرونة الانحدار الرمزي إلى تعبيرات معقدة للغاية تناسب الضجيج بدلاً من الاتجاهات الفيزيائية الأساسية.
المجال الوظيفي: قد تكون مجموعة العمليات الحالية غير كافية للظواهر متعددة المقاييس أو شديدة الانقطاع، مثل سلوكيات حدود الطور المعقدة.