🔬 physics

AI CFD Scientist: Toward Open-Ended Computational Fluid Dynamics Discovery with Physics-Aware AI Agents

تقدم الورقة البحثية "AI CFD Scientist"، وهو إطار عمل مفتوح المصدر يستفيد من نماذج الرؤية واللغة لتنفيذ عمليات محاكاة ديناميكا الموائع الحسابية على برنامج OpenFOAM والتحقق من صحتها وتحسينها بشكل مستقل، حيث نجح في اكتشاف تصحيح لنموذج "Spalart-Allmaras" يقلل الخطأ بنسبة 7.89% مع الكشف عن الإخفاقات الصامتة التي تغفل عنها فحوصات الحلول التقليدية.

المؤلفون الأصليون: Nithin Somasekharan, Rabi Pathak, Manushri Dhanakoti, Tingwen Zhang, Ling Yue, Andy Zhu, Shaowu Pan

نُشر 2026-05-08

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Nithin Somasekharan, Rabi Pathak, Manushri Dhanakoti, Tingwen Zhang, Ling Yue, Andy Zhu, Shaowu Pan

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 فريقاً من المساعدين البحثيين فائق الذكاء والدؤوبين الذين يعملون معاً لحل ألغاز فيزيائية معقدة. تقدم هذه الورقة البحثية AI CFD Scientist، وهو نظام مفتوح المصدر جديد صُمم ليعمل كعالم مستقل متخصص في ديناميكا السوائل الحسابية (CFD) — وهو المجال الذي يستخدم الحواسيب الفائقة لمحاكاة كيفية تدفق الهواء والماء حول أشياء مثل أجنحة الطائرات، أو هياكل السيارات، أو حتى الأوعية الدموية.

إليك كيف يعمل النظام، مشروحاً عبر تشبيهات بسيطة:

المشكلة: فخ "الفشل الصامت"

في العديد من المجالات العلمية، إذا انتهى برنامج حاسوبي من التشغيل دون حدوث عطل (Crash)، فإنك تفترض أن النتيجة جيدة. ولكن في ديناميكا السوائل، يعد هذا أمراً خطيراً.

التشبيه: تخيل طباخاً يتبع وصفة بدقة، لكنه استخدم الملح بدلاً من السكر عن طريق الخطأ. الكعكة ستُخبز، وتنتفخ، وتبدو مثالية. "السجل" (خطوات الوصفة) يقول إن كل شيء يسير على ما يرام. ولكن إذا تذوقتها، ستجد أنها غير صالحة للأكل.
الواقع: يمكن لمحاكاة (CFD) أن تنتهي من التشغيل دون أخطاء، ومع ذلك تنتج نتيجة مستحيلة فيزيائياً (مثل تدفق الهواء للخلف عبر جدار صلب) بسبب خطأ طفيف في الإعداد أو في الرياضيات. الأدوات التقليدية للذكاء الاصطناğı غالباً ما تغفل عن حالات "الفشل الصامت" هذه لأنها تتحقق فقط من سجلات الحاسوب، وليس من الصورة الفعلية للتدفق.

الحل: فريق من الوكلاء المتخصصين

بنى المؤلفون نظاماً لا يكتفي بتشغيل الأكواد فحسب؛ بل يعمل كمختبر بحثي كامل. إنه يستخدم "عقلاً" (نموذج لغوي كبير) لتنسيق عدة "وكلاء" (أدوات برمجية) متخصصين يتولون أجزاء مختلفة من المهمة:

مولد الأفكار: بدلاً من مجرد التخمين، يقرأ هذا الوكيل الأوراق العلمية لإيجاد الفجوات في المعرفة ويقترح تجارب جديدة.
باني الأكواد: إذا لم تتمكن الأدوات القياسية من حل مشكلة معينة، يقوم هذا الوكيل بكتابة وتجميع كود C++ جديد (محرك المحاكاة) لإنشاء نماذج فيزيائية مخصصة.
مفتش الشبكة (Mesh Inspector): قبل تشغيل المحاكاة، يتحقق مما إذا كانت الشبكة الرقمية (الـ mesh) مفصلة بما يكفي لالتقاط التفاصيل الصغيرة، لضمان أن النتائج ليست مجرد تخمين ضبابي.
حارس البوابة "البصري" (الميزة الأبرز): هذا هو الابتكار الأهم. بعد تشغيل المحاكاة، لا يكتفي النظام بالنظر إلى الأرقام؛ بل يأخذ صورة للتدفق ويعرضها على نموذج لغوي بصري (ذكاء اصطناعي يمكنه "رؤية" الصور).
- التشبيه: فكر في هذا كمنتقد فني بشري ينظر إلى لوحة. حتى لو قال الفنان: "لقد اتبعت القواعد"، يمكن للمنتقد أن يلاحظ أن المنظور خاطئ أو أن الألوان لا تتطابق مع الواقع.
- النتيجة: إذا "رأى" الذكاء الاصطناعي أن التدفق يبدو غريباً (مثل وجود دوامة في مكان خاطئ)، فإنه يرفض النتيجة ويخبر النظام بضرورة المحاولة مرة أخرى، حتى لو ذكر سجل الحاسوب أن العملية تمت بنجاح.

ما حققوه بالفعل

اختبر الفريق هذا النظام في خمس مهام مختلفة. إليك أبرز النقاط:

الفحوصات الروتينية: نجح في إجراء اختبارات قياسية، مثل التحقق من كيفية سلوك نماذج الاضطراب المختلفة حول "الدرجة المواجهة للخلف" (حالة اختبار شائعة في الديناميكا الهوائية).
الهندسة المخصصة: كتب كوده الخاص لمحاكاة السوائل غير النيوتونية (السوائل التي يتغير سمكها عند تحريكها، مثل الكاتشب أو الدم) وأثبت نجاح عملها.
الاكتشاف الكبير (الاكتشاف مفتوح النهايات): هذا هو الجزء الأكثر إثارة للإعجاب. تم إعطاء النظام هدفاً: "جد طريقة تجعل نموذج الاضطراب القياسي يتطابق بشكل أفضل مع البيانات الواقعية."
- بدون مساعدة بشرية، أجرى الذكاء الاصطناعي 44 دورة من التجارب.
- قام بتجربة تعديلات رياضية مختلفة، وكتب أكواداً جديدة، وشغل عمليات محاكاة، وفحص النتائج.
- النتيجة: اكتشف تصحيحاً رياضياً جديداً (تعديل وقت التشغيل) قلل الخطأ في التنبؤ باحتكاك السطح (مدى احتكاك الهواء بالسطح) بنسبة 7.89% مقارنة بأفضل البيانات المرجعية المتاحة.

شبكة الأمان: كشف الأخطاء

لإثبات فعالية النظام، تعمد الباحثون إفساد عمليات المحاكاة بـ 16 طريقة مختلفة (مثل حذف ملف المخرجات، أو جعل الأرقام خاطئة، أو إيقاف المحاكاة مبكراً).

رصدت "البوابة البصرية" للنظام 14 حالة من أصل 16 من حالات الفشل الصامت هذه.
أدوات الذكاء الاصطناعي القياسية (بدون الفحص البصري) كانت ستقبل هذه النتائج المعطوبة كأنها صالحة.

المقارنة مع علماء الذكاء الاصطناعي الآخرين

قارن المؤلفون نظامهم بنظامين آخرين من أدوات علماء الذكاء الاصطناعي العامة (ARIS و DeepScientist).

الفرق: يمكن للأدوات الأخرى تشغيل عمليات المحاكاة وكتابة تقرير، لكنها غالباً ما تغفل عن فحوصات الفيزياء. قد تدعي أن نتيجة ما صالحة بينما هي ليست كذلك.
الميزة: نظام AI CFD Scientist هو نظام "محافظ". إذا لم تكن الأدلة مثالية (على سبيل المثال، إذا لم تكن الشبكة دقيقة بما يكفي أو إذا بدا شكل التدفق غريباً)، فإنه يعترف بأنه لا يعرف الإجابة بعد، بدلاً من تقديم ادعاء زائف.

الملخص

AI CFD Scientist هو أداة جديدة مفتوحة المصدر تعمل على أتمتة عملية بحث ديناميكا السوائل بأكملها. فهو لا يكتفي بتشغيل الأرقام؛ بل يقرأ الأوراق البحثية، ويكتب الأكواد، ويتحقق مما إذا كانت الفيزياء تبدو صحيحة من خلال "رؤية" التدفق، ولا ينشر إلا النتائج التي تجتاز فحصاً بصرياً ورياضياً صارماً. لقد نجح في إيجال طريقة جديدة لتحسين نموذج فيزيائي قياسي بمفرده، مما يثبت أن الذكاء الاصطناعي يمكنه الآن التعامل مع العالم المعقد وعالي المخاطر للمحاكاة الفيزيائية، وليس فقط برمجة البرمجيات.

ملخص تقني: عالم الذكاء الاصطناعي في ديناميكا الموائع الحسابية (AI CFD Scientist)

بيان المشكلة

يمثل تمديد وكلاء النماذج اللغوية الكبيرة (LLMs) إلى العلوم الفيزيائية، وتحديداً ديناميكا المو fluids الحسابية (CFD)، تحديات فريدة لا توجد في تعلم الآلة المقتصر على البرمجيات أو الأبحاث البيولوجية. يكمن الصعوبة الرئيسية في أن إتمام الحل (solver completion) لا يعني بالضرورة الصلاحية الفيزيائية. فقد يكتمل محاكاة الـ CFD بسلاسة دون أخطاء في سجلات الحل (solver logs) بينما ينتج نتائج هشة فيزيائياً بسبب هندسة خاطئة، أو ميزات تدفق مفقودة، أو نماذج إغلاق (closure models) معيبة. هذه الأنماط من الفشل غالباً ما تكون غير مرئية للتحليل النصي للسجلات. علاوة على ذلك، فإن نموذج الإغلاق في الـ CFD هو متغير بحثي يتطلب تعديل الكود المصدري (على مستوى C++) وليس مجرد تغييرات في الإعدادات. كما أن بوابات الصلاحية (مثل استقلال الشبكة - mesh independence والمواءمة مع البيانات المرجعية) هي كائنات علمية يجب تأكيدها صراحةً بدلاً من افتراضها. تفتقر أطر عمل "العالم الذكي" الحالية إلى بوابات الصلاحية النوعية لهذه المجالات، بينما تتوقف وكلاء الـ CFD الحالية عند مرحلة قصيرة، فتعجز عن دمج التفكير القائم على الأدبيات، وتعديل الكود المصدري، والتحقق القائم على الرؤية الحاسوبية.

المنهجية

يقدم المؤلفون AI CFD Scientist، وهو إطار عمل مفتوح المصدر مصمم لإغلاق حلقة الاكتشاف العلمي في مجال الـ CFD. يعمل النظام على برنامج OpenFOAM عبر واجهة Foam-Agent، ويتم تنسيقه بواسطة نموذج لغوي كبير مشترك (GPT-5.5 في التجارب). تعتمد البنية على خمس مبادئ تصميم تشغيلية مستخلصة من ممارسة الـ CFD:

الصلاحية الفيزيائية لا تُقرأ من السجلات: التفتيش على مستوى الصور أمر إلزامي.
تعديل الكود المصدري: تعديل كود C++ هو هدف بحثي، وليس مجرد خيار إعداد.
استقلال الشبكة (Mesh Independence): بوابة ضرورية للتقارب.
عدم الهلوسة في التجارب: لا يمكن للوكلاء تبديل المتغيرات أو تخفيف المعايير لجعل الحالات الفاشلة تعمل.
التتبع (Traceability): كل ادعاء في المخطوطة البحثية يجب أن يعود إلى أشكال وقيم عددية محددة ومحققة.

ينفذ إطار العمل ثلاثة مسارات مترابطة:

التجريب المنتظم: التفكير القائم على الأدبيات، تصفية الجدة، التحقق من المتطلبات، بوابة استقلال الشبكة، والتنفيذ عبر Foam-Agent.
تعديل الكود: توليد ملفات مصدر C++ محلية للحالة وقواميس (dictionaries) لنماذج فيزيائية جديدة، ثم التجميع (compilation)، واختبار الدخان (smoke testing).
الاكتشاف مفتوح النهايات: حلقة فرضيات خارجية تولد وتجمع وتختبر تلقائياً تعديلات النماذج المرشحة مقابل مقارن مرجعي دون تدخل بشري إضافي.

الابتكار الجوهري: بوابة التحقق الفيزيائي باستخدام نموذج الرؤية واللغة (VLM)
يتمثل جوهر إطار العمل في بوابة التحقق الفيزيائي بنموذج الرؤية واللغة (VLM). قبل قبول أي نتيجة، أو إعادة تشغيلها، أو كتابتها في مخطوطة، يقوم النظام برسم حقول التدفق (مثل تباينات السرعة، مخططات احتكاك الجلد) ويرسلها إلى نموذج VLM. يقوم الـ VLM بإجراء فحصين:

فلتر الجودة: يضمن أن الأشكال قابلة للقراءة وليست هشة.
الفحص الفيزيائي: يفحص التدفق المرئي بحثاً عن الميزات المتوقعة (مثل مناطق إعادة التدوير، نقاط الانفصال) ويحكم على اتساقها مع متطلبات التجربة.
صُممت هذه البوابة لالتقاط "الفشل الصامت" الذي يجتاز سجلات الحل ولكنه ينتهك الحدس الفيزيائي.

يتضمن سير العمل أيضاً بوابة استقلال الشبكة (مقارنة الشبكة الأساسية والمحسنة) وحلقة إعادة التشغيل/الكتابة التي تراجع المتطلبات عند الفشل وتصيغ مخطوطات LaTeX بناءً على المصوغات التي تم التحقق منها.

المساهمات الرئيسية

أول عالم CFD مفتوح المصدر وشامل: حسب علم المؤلفين، هذا هو أول نظام يمتد من التفكير القائل على الأدبيات، إلى التنفيذ المتحقق منه، والتحقق الفيزيائي القائم على الرؤية، وتعديل الكود المصدري، والكتابة القائمة على الأشكال في سير عمل واحد قابل للفحص.
بوابة فيزيائية قائمة على VLM: تقديم نظام فرعي للرؤية واللغة يكتشف التناقضات الفيزيائية غير المرئية في سجلات الحل، مما يعالج فجوة حرجة في أطر عمل العلماء الذكيين الحالية.
الاكتشاف على مستوى المصدر: القدرة على تعديل كود C++ بشكل مستقل لكتابة نماذج اضطراب جديدة (مثل Spalart–Allalas) وتجميعها كمكتبات محلية للحالة، ومعاملة تعديل الكود كجزء من حيز الفرضيات.
التقييم الصارم: دراسة استئصال (ablation study) مضبوطة توضح فعالية بوابة VLM والمقارنة المباشرة ضد نماذج العلماء الذكيين العامة القوية (ARIS, DeepScientist).

النتائج

تم تقييم النظام في خمس مهام باستخدام نموذج GPT-5.5:

T1 (حساسية اضطراب BFS): نجح في تشغيل أربعة نماذج إغلاق RANS. قامت بوابة VLM برصد خطأ في اصطلاح الإشارة في مستخرج طول إعادة الاتصال، وصنفت مخرج $k$ - $\varepsilon$ كونه غير متسق مع فيزياء التدفق المنفصل، مما منع النظام من إصدار تصنيف معيب.
T2 (مسح Jet/Plume Re-sweep): نفذ مسح رقم رينولدز لـ 7 حالات، مستعيداً مقياس السرعة المتوقع. رصد النظام حالة شاذة حيث انهار متوسط خط المنتصف.
T3 (لزوجة مخصصة): كتب وجمع وتحقق ذاتياً من مكتبة لزوجة قانون القوة المخصصة، مع إعادة إنتاج حد نيوتن ( $n=1$ ) بهامش خطأ ضمن 0.5%.
T4 (معدل SA مخصص): قام بتجميع نسخة معدلة من Spalart–Allars مع تصحيح تدرج الضغط المعاكس (APG). تحقق من مسار الكود المخصص مقابل حالة تحكم ( $APG=0$ ) وأنتج تراكبات $C_f$ متوافقة مع DNS.
T5 (الاكتشاف مفتوح النهايات): في حلقة ذاتية مدتها 44 تكراراً، اكتشف النظام تصحيحاً رباعي الأقطاب (quadrupolar runtime correction) لنموذج Spalart–Allamas على التل الدوري ( $Re_h=5600$ ). قلل هذا التعديل من جذر متوسط مربعات الخطأ (RMSE) لاحتكاك الجلد عند الجدار السفلي ( $C_f$ ) مقابل DNS بنسبة 7.89% (من 0.004297 إلى 0.003958).

دراسة الاستئصال (Ablation Study):
في دراسة استئصال تتضمن أخطاء مزروعة في 16 حالة عبر أربعة أنواع من التدفق، اكتشفت بوابة VLM 14 من أصل 16 فشلاً (بنسبة استدعاء 87.5%). حققت استدعاء بنسبة 100% في المخرجات المفقودة، والكميات الخاطئة، ومعالجة البيانات المكسورة، ولكنها حققت 50% فقط في حالات تشغيل التقارب المبتور (حيث تم تعديل وقت المحاكاة ليتناسب مع الحالة المبتورة، مما جعلها تبدو مكتملة بصرياً).

المقارنة:
مقارنة بـ ARIS وDeepScientist تحت تكاليف LLM متساوية، نفذت النماذج المرجعية سير عمل جزئي لكنها افتقرت إلى بوابات الصلاحية النوعية. غالباً ما أصدرت تصنيفات للإغلاق أو ارتباطات دون استقلال الشبكة أو التحقق من DNS. كان AI CFD Scientist أكثر تحفظاً، حيث امتنع عن إصدار الادعاءات عندما كانت الأدلة غير مكتملة وضمن أن جميع الادعاءات مدعومة بأشكال متحقق منها.

الأهمية والادعاءات

يزعم البحث أن AI CFD Scientist يمثل خطوة مهمة نحو الاكتشاف المفتوح لديناميكا الموائع الحسابية. تكمن أهميته في:

إغلاق الحلقة: الانتقال من مجرد إعداد الحالة إلى دورة كاملة من التفكير، التنفيذ، التحقق، والكتابة.
التأسيس الفيزيائي: إثبات أن دمج بوابة الرؤية واللغة ضروري لتحويل المحاكاة القابلة للتشغيل إلى ادعاءات علمية قابلة للدفاع عنها، حيث إن سجلات الحل وحدها غير كافية للصلاحية الفيزيائية.
الاكتشاف الذاتي: إظهار قدرة الوكيل الذكي على تعديل الكود المصدري بشكل مستقل لاكتشاف تصحيحات جديدة لنماذج الاضطراب التي تحسن الاتفاق مع بيانات DNS عالية الدقة.
مرجع للمجتمع العلمي: توفير إطار عمل مفتوح المصدر وقابل للفحص للأتمتة العلمية الخاصة بالـ CFD، على عكس البدائل المغلقة أو ناقصة التغطية.

يظل المؤلفون متواضعين، مشيرين إلى أن النظام حالياً هو أداة "مساعدة علمية تحت الإشراف" وليس محرك نشر غير خاضع للرقابة، وأن التقييم يعتمد على قراءة الخبراء للمصوغات يدوياً نظراً لغياب معايير آلية لمراجعة أوراق الـ CFD. وتعتمد النتائج على النموذج المستخدم (GPT-5.5) والمهام المحددة المختبرة.