Towards trajectory-unsupervised physics-informed neural solvers for molecular dynamics
تقدم هذه الورقة البحثية DINaMo، وهو إطار عمل عصبي مستند إلى الفيزياء يتعلم مسارات الديناميكا الجزيئية حصرياً من القوانين الفيزيائية الحاكمة والظروف الأولية دون الاعتماد على أي بيانات تدريبية مُولدة بواسطة محاكٍ، مما يثبت جدوى استعادة الديناميكيات ذات المعنى الفيزيائي قصيرة المدى في أنظمة لينارد-جونز.
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 عالماً يمكنك فيه مشاهدة الرقصة الخفية للذرات، تلك اللبنات الصغيرة التي تشكل كل شيء، من الهواء الذي تتنفسه إلى الشاشة التي تقرأ من خلالها هذا النص. هذا هو عالم الديناميكا الجزيئية (MD). فكر في الأمر كأنه كاميرا سينمائية عالية السرعة للكون المجهري. يستخدم العلماء أجهزة كمبيوتر قوية لمحاكاة كيفية تحرك هذه الذرات، وتصادمها، وتماسكها معاً بناءً على قوانين الفيزياء. الأمر يشبه محاولة التنبؤ بمسار كل كرة بلياردو على الطاولة، ولكن بدلاً من بضع كرات، لديك المليارات، وهي تتحرك بسرعة كبيرة لدرجة أن أفضل أجهزة الكمبيوتر تجد صعوبة في مواكبتها.
الطريقة التقليدية للقيام بذلك تشبه محاسباً دقيقاً جداً يعمل خطوة بخطوة؛ حيث يحسب الكمبيوتر أين توجد الذرات في لحظة واحدة ضئيلة جداً، ثم يستخدم قوانين الفيزياء ليعرف أين ستكون بعد جزء من الثانية، ثم يكرر ذلك مرة تلو الأخرى، مراراً وتكراراً. إنها طريقة دقيقة، لكنها بطيئة ومملة للغاية. ولهذا السبب، لجأ العديد من العلماء إلى الذكاء الاصطناعي لتسريع العملية. عادةً ما تكون نماذج الذكاء الاصطناعي هذه مثل الطلاب الذين يتعلمون عبر حفظ الإجابات من المعلم؛ حيث يتم تغذيتها بكميات هائلة من البيانات المستمدة من تلك المحاكاة التقليدية البطيئة وتعليمها كيفية تخمين الخطوة التالية. ولكن ماذا لو لم يكن المعلم متاحاً؟ ماذا لو أردنا من الذكاء الاصطناعي أن يتعلم قواعد اللعبة بدلاً من مجرد حفظ الإجابات؟ هذا هو السؤال الكبير: هل يمكن للذكاء الاصطناعي أن يفهم كيف تتحرك الذرات بمجرد معرفة قوانين الفيزياء، دون أن يرى قط فيلماً مسجلاً مسبقاً لحركة الذرات؟
تقدم هذه الورقة البحثية أداة جديدة للذكاء الاصطناعي تسمى DINaMo (المحلل النيوتوني التفاضلي للجزيئات)، والتي تحاول الإجابة بـ "نعم" على ذلك السؤال. بدلاً من التصرف كطالب يحفظ كتاباً مدرسياً، يعمل DINaMo كالمحقق الذي لا يملك سوى القوانين الفيزيائية لمسرح الجريمة والموقع الابتدائي للمشتبه بهم. لقد درب الباحثون هذا الذكاء الاصطناعي باستخدام فقط معادلات الحركة الأساسية (قوانين نيوتن)، وقاعدة وجوب حفظ الطاقة، ووصف رياضي لكيفية دفع وسحب الذرات لبعضها البعض. لم يغذوه بأي فيديوهات مسجلة مسبقاً لحركة الذرات، ولا "إجابات" صحيحة، ولا بيانات من محاكاة أخرى. لقد أعطوه فقط الحالة الابتدية والقواعد، ثم طلبوا منه اكتشاف الباقي.
النتائج واعدة، وإن كانت مشروطة ببعض التحفظات. في اختباراتهم، نجح DINaMo في التنبؤ بكيفية تحرك مجموعة مكونة من 50 إلى 500 ذرة أرغون لفترة زمنية قصيرة جداً. تمكن الذكاء الاصطناعي من إعادة إنشاء مواضع الذرات، وسرعاتها، وحتى كيفية تكتلها معاً، وكل ذلك دون أن يرى مساراً "صحيحاً" ليقلده. كما ضبط الطاقة بشكل صحيح أيضاً، مما يعني أن الذرات لم تكتسب أو تفقد طاقة بشكل سحري أثناء حركتها، وهو مطلب صارم في الفيزياء. ومع ذلك، تشير الورقة إلى أن هذا النجاح يقتصر حالياً على نوافذ زمنية قصيرة جداً. فبينما تحاول المحاكاة التنبؤ بالمستقبل البعيد، تبدأ الأخطاء الصغيرة في سرعة الذرات في التراكم، مما يجعل التنبؤ أقل دقة.
وجد الباحثون أنه بينما يمكن للذكاء الاصطناعي التعامل مع مجموعات أكبر من الذرات (500 بدلاً من 50) بنفس الكفاءة التي يتعامل بها مع المجموعات الأصغر، فإن إطالة الفترة الزمنية التي يتعين عليه التنبؤ بها كانت هي التحدي الحقيقي. الأمر يشبه محاولة التنبؤ بمسار كرة ترتد: يمكنك إصابة الهدف لعدة ارتدادات، ولكن إذا حاولت التنبؤ بألف ارتداد دفعة واحدة، فإن الأخطاء الصغيرة في تخمينك الأول ستؤدي في النهاية إلى إفساد التنبؤ بأكمله. ورغم ذلك، تشير الدراسة إلى أنه من الممكن بالفعل توليد مسارات جزيئية ذات معنى فيزيائي باستخدام قوانين الفيزياء فقط كمعلم، دون الحاجة إلى مجموعة بيانات ضخمة من المحاكاة المسبقة. وهذا يفتح الباب أمام نوع جديد من حلول الذكاء الاصطناعي التي تتعلم "سبب" الحركة بدلاً من مجرد "ماهيتها"، مما قد يوفر طريقة جديدة لمعالجة المشكلات المعقدة في الكيمياء وعلوم المواد حيث تكون المحاكاة التقليدية بطيئة جداً وتتطلب الكثير من البيانات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.