Periodic Topological Deep Learning for Polymer Design and Discovery

ملخص تقني: التعلم العميق الطوبولوجي الدوري لتصميم واكتشاف البوليمرات

بيان المشكلة
تعد البوليمرات بالغة الأهمية في تطبيقات الطاقة والرعاية الصحية وعلوم المواد، ومع ذلك، فإن مساحتها الكيميائية الشاسعة تجعل الاكتشاف المنهجي عبر الطرق التجريبية البحتة أمراً غير عملي. وبينما ظهرت المعلوماتية البوليمرية لمعالجة هذا الأمر باستخدام التعلم الآلي (ML)، تعاني أطر التعلم العميق الحالية من اختناق تمثيلي جوهري. حيث تقوم معظم النهج بترميز البوليمرات كرسوم بيانية جزيئية لوحدة متكررة واحدة، مما يعامل الجزيئات الضخمة فعلياً كجزيئات صغيرة. وتفشل هذه الاستراتيجية في استيعاب واقعين فيزيائيين حاسمين: (1) الطبيعة الدورية لسلاسل البوليمر التي تمتد عبر وحدات متكررة، و(2) التفاعلات متعددة الأجسام التي تتجاوز الروابط الثنائية والناشئة عن القوى غير التساهمية والتواجد المكاني بعيد المدى. علاوة على ذلك، تقتقت شبكات الرسم البياني العصبية (GNNs) القياسية إلى التفاعلات الثنائية، وغالباً ما تغفل التفاعلات غير التساهمية بعيدة المدى الضرورية للخصائص الكلية مثل درجة الانتقال الزجاجي ($T_g$).

المنهجية: Periodic-TDL
قدم المؤلفون إطار Periodic-TDL، وهو إطار للتعلم العميق مصمم لالتقاط كل من الدورية والتفاعلات عالية الرتبة عبر مقاييس مكانية متعددة. وتتكون المنهجية من ثلاثة مكونات أساسية:

1. تمثيل مجمع فيتوريس-ريبس الدوري (Periodic Vietoris–Risp Complex):
   بدلاً من وحدة متكررة واحدة، يبني الإطار مصفوفة مسافة دورية من خلال دمج نسخ مترجمة من الوحدة المتكررة مع الحفاظ على الاتصال الكيميائي. تحدد هذه المصفوفة مجمع فيتوريس-ريبس (VR) دوري. وعلى عكس الرسوم البيانية القياسية، فإن مجمعات VR هي مجمعات بسيطة (Simplicial Complexes) ترمز التفاعلات بين الذرات عبر الوحدات المتكررة المتجاورة تحت ظروف حدودية دورية. ومن خلال تغيير مسافة القطع ($\epsilon$)، يلتقط "الترشيح" (Filtration) التفاعلات عند مقاييس مختلفة:

• $\epsilon_1 = 2.0$ Å: يلتقط الروابط التساهمية.
• $\epsilon_2 = 3.0$ Å و $\epsilon_3 = 4.0$ Å: يلتقط التفاعلات غير التساهمية والهياكل متعددة الأجسام.
  هذا التمثيل ثابت تجاه الاختيار التعسفي لحدود الوحدة المتكررة.

2. مشفر تمرير الرسائل البسيطي الهرمي (HSMP):
   للتعلم من مجمع VR الدوري، طور المؤلفون مشفر HSMP. وهو يعمل على تسلسل متداخل من المجمعات البسيطة وينشر المعلومات في اتجاه محفز كيميائياً:

• تمرير الرسائل البسيطي متعدد الرؤوس: ضمن كل مستوى ترشيح، يتم تحديث سمات البسيط عبر تمرير رسائل الجوار العلوي (المتوسط عبر الوجوه المشتركة)، مما يسمح بتدفق المعلومات بين البسيطات ذات الأبعاد المتفاوتة (على سبيل المثال، من المثلثات إلى الحواف).
• الصقل عبر المقاييس: تتدفق المعلومات من المقاييس الأكبر ( $\epsilon$ الأكبر، التي تلتقط التفاعلات بعيدة المدى) إلى المقاييس الأصغر ( $\epsilon$ الأصغر، التي تلتقط الروابط التساهمية). تعمل آلية بوابة (Gated mechanism) على تعديل السمات دقيقة المقياس باستخدام التمثيلات واسعة المقياس، مما يضمن أن تضمينات الذرات والروابط عند المقياس التساهمي تدمج الإشارات المعززة هندسياً من النطاقات الطوبولوجية عالية الرتبة.
• التوصيف القائم على الانحناء: لتزويد البسيطات عالية الرتبة بسمات ذات معنى، يستخدم الإطار "تجزئة فورمان" لانحناء ريتشي (Forman's discretization of Ricci curvature). يوفر هذا تمثيلاً أولياً مبدئياً للبسيطات من أي بُعد، ويتعمم بشكل طبيعي لالتقاط الكثافة المحلية والاختناقات الهندسية.

3. بروتوكول التدريب المسبق والضبط الدقيق:
   نظراً لندرة بيانات البوليمرات الموسومة، يستخدم Periodic-TDL استراتيجية تدريب من مرحلتين:

• التدريب المسبق: يتم تدريب مشفر HSMP مسبقاً على مجموعة بيانات PI1M (مليون بوليمر غير موسوم) باستخدام مهام تعلم ذاتي مستمدة من إطار GROVER: تنبؤ سياق الذرة، تنبؤ سياق الرابطة، وتنبؤ المجموعة الوظيفية (FG).
• الضبط الدقيق: يتم ضبط المشفر المدرب مسبقاً على تسع مهام انحدار تشتمل على خصائص إلكترونية، بصرية، فيزيائية، وحرارية. يتم الحصول على التمثيل على مستوى البوليمر عبر التجميع المتوسط العالمي (Global mean pooling) لتضمينات الذرات عند أدنى مستوى ترشيح.

النتائج الرئيسية
تم تقييم أداء Periodic-TDL عبر تسع مهام للتنبؤ بخصائص البوليمرات والتحقق من صحتها مقابل الاتجاهات التجريبية:

• أداء المعيار المرجعي: حقق Periodic-TDL أداءً هو الأفضل في فئته (SOTA)، حيث سجل أدنى جذر متوسط مربع الخطأ (RMSE) في ثماني مهام من أصل تسع، وأعلى معامل تحديد ($R^2$) في جميع المهام التسع. والجدير بالذكر أنه بالنسبة لمجموعة بيانات $T_g$، حقق النموذج RMSE قدره $\sim35$ درجة مئوية مقابل انحراف معياري للبيانات قدره 110 درجة مئوية، مما يمثل انخفاضاً بنسبة 69% في الخطأ مقارنة بانتشار البيانات. وقد تفوق باستمرار على النماذج المرجعية بما في ذلك النماذج القائمة على البصمات (Morgan NN)، والنماذج القائمة على التسلسل مثل (polyBERT و TransPolymer)، والنماذج القائمة على الرسوم البيانية (polyGNN و MolCLR).
• المصداقية الكيميائية والتحقق من الاتجاهات: تحقق المؤلفون كمياً من قدرة النموذج على التقاط التأثيرات الفيزيائية من خلال تحليل مجموعة بيانات مُصنعة حاسوبياً مكونة من 48,208 بوليمر من الأكريلات والأكريلاميد المستبدلة بشكل منهجي.
  • استبدال الإستر بالأميد: تنبأ النموذج بزيادة متوسطة في $T_g$ قدرها $\sim55$ درجة مئوية عند استبدال الإستر بالأميد.
  • المثيلة في موقع ألفا ($\alpha$-Methylation): تنبأ النموذج بزيادة متوسطة في $T_g$ قدرها $\sim14$ درجة مئوية عند مثيلة العمود الفقري في موقع $\alpha$.
    كانت هذه التنبؤات ذات دلالة إحصائية ($p < 0.001$) ومتسقة عبر أزواج البوليمرات المتطابقة.
• التحقق التجريبي: للتحقق من هذه الاتجاهات، قام المؤلفون بتخليق ثلاثة بوليمرات جديدة (لم يسبق تسجيلها في الأدبيات) وقارنوا قيم $T_g$ التجريبية لها مقابل تنبؤات النموذج. اتفقت تنبؤات النموذج مع القياسات التجريبية ضمن نطاق 4 درجات مئوية لاثنين من البوليمرات الثلاثة. علاوة على ذلك، تنبأ النموذج بشكل صحيح بالاتجاهات (إشارة $\Delta T_g$) لجميع أزواج البوليمرات الستة المختبرة (بما في ذلك ثلاثة مُخلّقة وثلاثة من الأدبيات)، مما يؤكد أن النموذج يلتقط التأثيرات الفيزيائية الأساسية بدلاً من مجرد تحسين مقاييس الاختبار.

الأهمية والادعاءات
يزعم البحث أن Periodic-TDL يمثل تقدماً كبيراً في معلوماتية البوليمرات من خلال معالجة القيود الجوهرية المتمثلة في التعامل مع البوليمرات كقطع جزيئية محدودة. وتتمثل مساهماته الرئيسية في:

1. تمثيل مبتكر: إنه أول إطار يدمج الطبيعة الدورية للبوليمرات في بنية تعلم طوبولوجي عميق، حيث يقوم بترميز التفاعلات عبر الوحدات المتكررة صراحةً عبر مجمعات فيتوريس-ريبس الدورية.
2. التقاط التفاعلات متعددة الأجسام: من خلال استخدام المجمعات البسيطة وتمرير الرسائل الهرمي، يلتقط النموذج صراحةً التفاعلات متعددة الأجسام والقوى غير التساهمية بعيدة المدى التي لا يمكن الوصول إليها عبر تمثيلات الرسم البياني الثنائية القياسية.
3. القابلية للتفسير الفيزيائي: يثبت الإطار أن التقاط السمات الطوبولوجية عالية الرتبة والدورية يسمح للنموذج بتعلم العلاقات ذات المعنى الكيميائي بين البنية والخواص. إن النجاح في التنبؤ باتجاهات $T_g$ لاستبدال الإستر بالأميد ومثيلة $\alpha$، والتحقق منها عبر التخليق التجريبي الجديد، يشير إلى أن النموذج يلتقط الأصول الميكانيكية لهذه الخصائص (مثل الروابط الهيدروجينية والإعاقة الفراغية) بدلاً من مجرد الارتباطات الإحصائية.
4. القابلية للتوسع والتوافق: تم تصميم البنية لتكون متوافقة مع خطوط التدريب المسبق ذات التعلم الذاتي الراسخة للمشفرات الرسومية، مما يسهز نقل التعلم في المجالات التي تعاني من ندرة البيانات.

يقر المؤلفون بالقيود الحالية، مشيرين إلى أن الإطار يقتصر حالياً على البوليمرات الخطية المتجانسة ولا يتعامل بعد مع البوليمرات المشتركة (copolymers)، أو التشابك (crosslinking)، أو التفاعلات بين الوحدات البعيدة خارج الحدود الدورية المباشرة. ومع ذلك، فإن هذا العمل يؤسس لنموذج جديد لتمثيل البنية الجزيئية الضخمة في التعلم الآلي.