💻 computer science

MarkushGlyph and OCSRGlyph: Improved Chemical Structure Recognition

تقدم هذه الورقة MarkushGlyph وOCSRGlyph، وهما نموذجان لترجمة الصور إلى نصوص يحسنان بشكل كبير من التعرف على البنى الكيميائية من خلال الاستفادة من نهج الرؤية واللغة لبنى ماركوش (Markush structures) وتعزيز التعامل مع الكيمياء الفراغية للجزيئات المفردة، إلى جانب مقياس جديد لتقييم دقة ترجمة بنى ماركوش.

المؤلفون الأصليون: Alex Andonian, Samuel G Rodriques, Andrew D White, Siddharth M Narayanan

نُشر 2026-07-31

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Alex Andonian, Samuel G Rodriques, Andrew D White, Siddharth M Narayanan

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 عالم الكيمياء كمكتبة ضخمة صاخبة، حيث تمتلئ كل الكتب وبراءات الاختراع والأوراق البحثية برسومات معقدة للجزيئات. بالنسبة للكيميائيين البشر، هذه الرسومات تشبه لغة سرية يمكنهم قراءتها فوراً، حيث يرون كيف تتصل الذرات لتشكل الأدوية أو البلاستيك أو الوقود. لكن بالنسبة للحواسيب، هذه الصور ليست سوى مجموعة عشوائية من البكسلات؛ فالروبوت لا يستطيع "رؤية" حلقة البنزين كما يراها الإنسان. ولجعل هذه الرسومات مفيدة للحواسيب — لكي تتمكن من البحث في قواعد البيانات، أو التنبؤ بأدوية جديدة، أو تدريب الذكاء الاصطناعي — يتعين علينا ترجمة هذه الصور إلى كود نصي تستطيع الآلات فهمه. تسمى هذه العملية "التعرف الضوئي على الهياكل الكيميائية" (OCSR). إنها تشبه أخذ رسم تخطيطي لمنزل وتحويله إلى مجموعة دقيقة من المخططات المكتوبة بلغة يمكن لروبوت بناء أن يقرأها.

هناك نوعان رئيسيان من الرسومات في هذه المكتبة. النوع الأول هو جزيء واحد محدد، مثل صورة لسيارة واحدة بعينها. والنوع الثاني هو هيكل "ماركوش" (Markush)، وهو أشبه بمخطط لعائلة كاملة من السيارات. فبدلاً من رسم مركبة واحدة محددة، يظهر رسم ماركوش هيكلاً مشتركاً مع أماكن فارغة تحمل تسميات مثل "R1" أو "R2"، مما يعني "أي جزء يناسب هذا المكان". بهذه الطريقة، يصف محامو براءات الاختراع عائلات من الأدوية المحتملة دون الحاجة لسرد كل تنويع على حدة. التحدي كان دائماً أنه بينما بدأت الحواسيب تجيد قراءة صور "السيارة الواحدة"، إلا أنها لا تزال تعاني في فهم مخططات "العائلات" المعقدة والمرنة.

تقدم هذه الورقة البحثية أداتين جديدتين للذكاء الاصطناعي، أُطلق عليهما اسماهما OCSRGlyph و MarkushGlyph، صُممتا لحل مشكلات الترجمة هذه. فكر فيهما كجيل جديد من المترجمين فائق الذكاء. OCSRGlyph هو متخصص يركز على صور الجزيء الواحد. وجد الباحثون أن الذكاء الاصطناعي كان يرتكب أخطاءً صغيرة في "التماثل المرآتي" للجزيئات (وهي خاصية تُعرف بالكيمياء الفراغية، حيث يمكن أن يكون للجزيء نسخة يمنى أو يسرى، تماماً مثل زوج من القفازات). ولإصلاح ذلك، قاموا بتغذية الذكاء الاصطناعي بأمثلة تدريبية إضافية لهذه الأشكال الصعبة. وكانت النتيجة مترجماً يضبط كود الجزيء الواحد بدقة تصل إلى 93.8%، وهو رقم قياسي جديد في الدقة.

أما MarkushGlyph، فهو الأخ الأكثر طموحاً. إنه نموذج "رؤية-لغة"، مما يعني أنه ينظر إلى صفحة براءة الاختراع بأكملها — بما في ذلك الرسم والنص المحيط به — كصورة واحدة كبيرة، بدلاً من محاولة قراءة النص والصورة بشكل منفصل. كانت الطرق السابقة تحاول حل هذا اللغز عبر مراحل، مثل فريق عمل حيث يقرأ شخص ما النص، ويرسم آخر الرسم البياني، ثم يحاول ثالث الجمع بينهما، وغالباً ما تضيع التفاصيل أثناء عملية التسليم هذه. أما MarkushGlyph فيتجاوز دور الوسيط ويقرأ كل شيء دفعة واحدة. وقد أظهر المؤلفون أن هذا النهج ذو الخطوة الواحدة أفضل بكثير في فهم "مخططات العائلات" من الطرق القديمة متعددة المراحل. كما قدموا طريقة أكثر صرامة لتقييم الإجابات، مما ساعد في كشف الأخطاء التي فات نظام التقييم القديم، مثل عندما يقوم الذكاء الاصطناعي بتبديل تسميتين بالخطأ أو إضافة ميزة لم تكن موجودة.

باختصار، توضح هذه الورقة أنه من خلال التعامل مع هذه الرسومات الكيميائية كمسألة ترجمة مباشرة من صورة إلى نص واستخدام تقنيات الذكاء الاصطناعي الحديثة، يمكننا جعل الحواسيب تقرأ براءات الاختراع الكيميائية بدقة غير مسبوقة. لم يقم الفريق ببناء مترجم أفضل فحسب، بل بنوا أيضاً اختباراً أفضل للتأكد من أن الترجمة صحيحة حقاً، مما يضمن أنه عندما يقرأ الحاسوب عائلة كيميائية، فإنه يفهم بالضبط ما قصده الكيميائي، وصولاً إلى أصغر التفاصيل.

ملخص تقني: OCSRGlyph و MarkushGlyph

أبحاث مشابهة