From Local Structure to Thermodynamics and Transport of Water with Machine Learning Force Fields

تخيل أنك تحاول التنبؤ بكيفية حركة حشد من الناس عبر محطة قطار مزدحمة. إذا كنت تعرف فقط أن الجميع يحاول الوصول إلى المخرج، فقد تخمن أنهم سيهرعون مباشرة إلى هناك. ولكن في الواقع، يتوقف الناس للتحدث، ويصطدمون ببعضهم البعض، ويشكلون مجموعات صغيرة، وأحياناً يعلقون في ازدحام. في عالم العلوم، الماء هو ذلك الحشد. إنه ليس مجرد سائل بسيط؛ بل هو شبكة فوضوية وراقصة من الجزيئات الصغيرة التي تمسك أيدي بعضها البعض عبر قوى "لاصقة" غير مرئية تسمى الروابط الهيدروجينية. هذه الروابط هي ما تجعل الماء غريباً: فهو يتمدد عندما يتجمد، ويمكنه الاحتفاظ بالكثير من الحرارة، ويتحرك بطرق تدهش العلماء.

لفهم الماء، يستخدم العلماء عمليات المحاكاة الحاسوبية. فكر في هذه العمليات كأفلام رقمية حيث يقومون ببرمجة قواعد كيفية تفاعل جزيئات الماء مع بعضها البعض. لفترة طويلة، استخدموا قواعد "كلاسيكية" — مثل وضع قواعد لعبة لوحية. لكن هذه القواعد غالباً ما تكون بسيطة للغاية؛ فهي تفتقر إلى "السحر" الكمي الميكانيكي الدقيق الذي يحدث عندما تقترب الذرات من بعضها. مؤخراً، بدأ العلماء في استخدام "مجالات القوة المعتمدة على التعلم الآلي" (ML-FFs). هذه المجالات تشبه مدربي الذكاء الاصطناعي الفائقين الذين يتعلمون قواعد اللعبة من خلال مراقبة محاكاة الفيزياء الكمية الحقيقية. السؤال الكبير هو: إذا علمت الذكاء الاصطناعي باستخدام كتب مدرسية كمية مختلفة (تسمى الدوال الوظيفية)، فهل سيتعلم نفس الرقصة، أم سيبتكر روتيناً جديداً وغريباً تماماً؟ هذا الأمر مهم لأنه إذا لم يتصرف ماءنا الرقمي مثل الماء الحقيقي، فإن توقعاتنا حول كل شيء، من كيفية عمل البطاريات إلى كيفية هضم أجسامنا للطعام، قد تكون خاطئة.

رقصة الماء الرقمية: تعليم الذكاء الاصطناعي ضبط القواعد الصحيحة

في هذه الدراسة، قرر فريق من الباحثين وضع سبعة "كتب مدرسية كمية" مختلفة تحت الاختبار. قاموا بتدريب سبعة مدربين مختلفين للذكاء الاصطناعي (مجالات القوة المعتمدة على التعلم الآلي) للتنبؤ بكيفية سلوك الماء السائل في درجة حرارة الغرفة. تم تعليم كل ذكاء اصطناعي باستخدام مجموعة مختلفة من القواعد الرياضية (دوال التبادل والارتباط) المستمدة من ميكانيكا الكم. كان الهدف هو معرفة أي ذكاء اصطناعي يمكنه محاكاة رقصة جزيئات الماء الفوضوية والجميلة بشكل أفضل، بدءاً من كيفية تكتلها وصولاً إلى سرعة تدفقها.

لم يكتفِ الباحثون بالنظر إلى الماء فحسب؛ بل نظروا إلى بنية الرقصة. تحققوا من "دالة الارتباط الزوجي"، وهي طريقة منمقة للسؤال: "إذا وقفت على جزيء ماء واحد، فأين من المرجح أن تكون الجزيئات الأخرى؟" كما نظروا أيضاً إلى كيفية توجه الجزيئات — هل شكلت مثلثات مثالية تشبه الجليد، أم كانت أكثر فوضوية؟ أخيراً، قاموا بقياس "الإنتروبيا الزائدة"، وهو رقم يخبرنا بمدى اضطراب النظام. تعني الفوضى العالية أن الجزيئات حرة في الحركة؛ بينما يعني الاضطراب المنخفض (أو "الهيكل المفرط") أنها عالقة في نمط صلب يشبه الجليد.

النتائج: ذكاء اصطناعي واحد أصاب، والآخرون علقوا

كانت النتائج مزيجاً متبايناً، كاشفةً أن اختيار "الكتاب المدرسي" يغير كل شيء.

• الراقصون ذوو الهيكل المفرط: تعلمت عدة نماذج للذكاء الاصطناعي، لا سيالما تلك القائمة على كتاب "PBE" المدرسي، رقصة مثالية للغاية. لقد جعلوا جزيئات الماء تصطف في تشكيلات صلبة تشبه الجليد. في العالم الحقيقي، يكون الماء السائل فوضوياً بعض الشيء؛ حيث توجد فجوات وبقع غير منتظمة. لكن هذه النماذج خلقت سائلاً "متجمداً" منظماً أكثر من اللازم. أدى هذا إلى مشكلة كبيرة: أصبح الماء لزجاً جداً. أظهرت عمليات المحاكاة أن هذه النماذج تنبأت بأن الماء سيتدفق ببطء شديد (لزوجة عالية) ويتحرك بضعف شديد (انتشار منخفض)، كما لو كانت الجزيئات ملتصقة ببعضها البعض.
• البطل "RPBE-D3": برز نموذج واحد، تم تدريبه باستخدام دالة RPBE-D3، كنموذج متفوق. كان النموذج الوحيد الذي نجح في محاكاة الكثافة، والبنية، ومعدل التدفق بدقة شبه تامة. تنبأ بأن جزيئات الماء تشكل شبكة منظمة بما يكفي لتكون مستقرة، ولكنها فضفاضة بما يكفي لتتدفق بحرية. وعندما قارن الباحثون تنبؤات هذا الذكاء الاصطناعي بالتجارب الواقعية، تطابقت الأرقام بشكل مذهل. على سبيل المثال، تنبأ بمعامل انتشار ذاتي يبلغ حوالي 1.969 × 10⁻⁹ م² ث⁻¹، وهو قريب جداً من القيمة التجريبية البالغة 2.3 × 10⁻⁹ م² ث⁻¹.
• فخ "إلغاء الخطأ": ومن المثير للاهتمام أن نموذجاً آخر (RPBE بدون تصحيح "D3") بدا وكأنه يتنبأ بسرعة التدفق الصحيحة، ولكن لأسباب خاطئة. فقد تنبأ بماء منتشر للغاية (كثافة منخفضة)، مما جعل الجزيئات تتحرك بشكل أسرع عن طريق الصدفة، مما أدى إلى إلغاء حقيقة أن البنية كانت صلبة للغاية. يحذر الباحثون من أن هذا هو "فخ" — يبدو وكأنه فوز، لكن الفيزياء في الواقع معطلة.

الرابط السري: الإنتروبيا والسرعة

أحد الاكتشافات الأكثر إثارة للاهتمام في الورقة البحثية هو الرابط بين مدى "فوضوية" الماء وسرعة حركته. وجد الباحثون علاقة خطية وثيقة بين الإنتروبيا الانتقالية (مدى تذبذب الجزيئات في الفضاء) والإنتروبيا التوجيهية (مدى دورانها وتحركها).

اكتشفوا أنه يمكنك التنبؤ بمدى سرعة تدفق الماء بمجرد معرفة مدى اضطراب بنيته. فكلما كان الماء "ذا هيكل مفرط" (تنظيم زائد)، كان تدفقه أبطأ. وكلما كان "أكثر فوضوية" (قدر مناسب من الفوضى)، كان تدفقه أسرع. هذه العلاقة، المعروفة باسم "تدرج الإنتروبيا الزائدة"، ظلت ثابتة عبر جميع النماذج التي اختبروها. الأمر يشبه القول: "إذا كانت ساحة الرقص مزدحمة جداً والجميع يمسك بأيدي بعضهم في دائرة مثالية، فلن يستطيع أحد التحرك. أما إذا كان الجميع يرقصون بحرية، فإن الغرفة ستتدفق".

لماذا تطابق الذكاء الاصطناعي والنموذج القديم؟

تفاجأ الباحثون بأن أفضل نموذج ذكاء اصطناعي لديهم (RPBE-D3) كان يتصرف تماماً مثل نموذج حاسوبي قديم وبسيط يسمى SPC/E، والذي استُخدم لعقود. كيف يمكن لذكاء اصطناعي عالي التقنية ونموذج لعبة بسيط من التسعينيات أن يتصرفا بنفس الطريقة؟

الإجابة تكمكن في القوى "الفعالة". على الرغم من أن الذكاء الاصطناعي كان يتعلم قواعد كمية معقدة، إلا أن النتيجة الصافية لتلك القواعد كانت مشابهة جداً للقواعد البسيطة للنموذج القد. وتحديداً، انتهى كلا النموذجين بامتلاك "شحنات فعالة" متشابهة (مدى دفع أو جذب الذرات لبعضها البعض) وجاذبية "بعيدة المدى" متشابهة (اليد غير المرئية التي تسحب الجزيئات من مسافة). اتضح أنه لكي ترقص المياه بشكل صحيح، لا تحتاج بالضرورة إلى وصف كمي مثالي لكل إلكترون؛ بل تحتاج فقط إلى التوازن الصحيح بين الدفع والجذب والجاذبية بعيدة المدى.

الخلاصة

تظهر هذه الدراسة أنه عندما نعلم الذكاء الاصطناعي محاكاة الماء، فإن "الكتاب المدرسي" الذي نختاره يمثل أهمية قصوى. إذا اخترنا الكتاب الخاطئ، فقد ينتهي بنا الأمر بماء رقمي صلب للغاية ويتحرك ببطء شديد، مما يؤدي إلى تنبؤات خاطئة حول كيفية سلوك الماء في البطاريات، أو المحركات، أو حتى داخل خلايانا. يبرز نموذج RPBE-D3 كأفضل معلم حتى الآن، حيث يلتقط التوازن الدقيق بين النظام والفوضى الذي يجعل الماء السائل فريداً للغاية. وهذا يشير إلى أنه لفهم تدفق الماء، يجب علينا أولاً فهم رقصة بنيته، وأن القليل من الفوضى هو بالضبط ما يحافظ على حركة السائل.