Energetically Driven Structure Matching for Autonomous Total X-ray Scattering Experiments

في السعي الحديث لاكتشاف مواد جديدة، يتجه العلماء بشكل متزايد نحو المختبرات التي تدير نفسها بنفسها. تستخدم هذه "المختبرات ذاتية القيادة" الروبوتات لخلط المواد الكيميائية، وحواسيب قوية لتحليل النتائج، والذكاء الاصطناعي لتقرير الخطوة التالية، وكل ذلك في حلقة مستمرة. والهدف هو تسريع عملية العثور على مواد ذات خصائص محددة، مثل بطاريات أفضل أو محفزات أكثر كفاءة. ومع ذلك، لا تزال هناك عقبة كبيرة قائمة: معرفة ما صنعته الآلة بالفعل بدقة. فعندما تقوم آلة بتخليق جسيم متناهي الصغر، قد يتوقع الحاسوب شكلاً مثالياً، لكن الجسيم الحقيقي قد يكون مختلفاً قليلاً بسبب الحقائق الفوضوية للحرارة، والتوتر السطحي، والإجهاد الذري. وإذا لم يتمكن النظام من قراءة البنية الحقيقية للمادة التي صنعها للتو بدقة، فلن يتمكن من التعلم بفعالية أو توجيه الخطوة التالية بدقة. هذه الفجوة بين النموذج المثالي للحاسوب والواقع الفيزيائي للذرة هي المكان الذي يجب أن يحدث فيه الاختراق القادم في العلوم المستقلة.

لقد طور فريق من الباحثين في الجامعة التقنية في الدنمارك وجامعة كوبنهاجن لتكنولوجيا المعلومات طريقة جديدة لسد هذه الفجوة، وتحديداً للتجارب المتعلقة بجسيمات الذهب النانوية. هذه الجسيمات المتناهية الصغر، التي يبلغ عرضها غالباً بضعة نانومترات فقط، تعد بالغة الأهمية للعديد من التقنيات، لكن ترتيب ذراتها الداخلي هو ما يحدد كيفية سلوكها. ركز الباحثون على تقنية تسمى التشتت الكلي للأشعة السينية، حيث يصطدم شعاع من الأشعة السينية بالجسيمات ويرتد في نمط يكشف عن بنيتها الذرية. في التجارب المستقلة السابقة، كان النظام يقارن نمط الأشعة السينية التجريبي بمكتبة من الأنماط المولدة حاسوبياً بناءً على أشكال هندسية مثالية مثل الكرات أو ثماني الأوجه. ورغم سرعة هذه الطريقة، إلا أنها كانت تؤدي غالباً إلى أخطاء؛ إذ كان الحاسوب يخبر الروبوت أنه صنع شكلاً معيناً، ليجد لاحقاً أن الجسيم كان في الواقع بحجم أو شكل مختلف لأن نموذج الحاسوب تجاهل كيفية تحرك الذرات وتمددها عندما تكون حرة على سطح جسيم صغير.

ولحل هذه المشكلة، قدم الفريق طريقة تدمج الطاقة والحرارة في نماذج الحاسوب. فبدلاً من مجرد النظر إلى أشكال ثابتة ومثالية، استخدموا برنامجاً حاسوبياً متطوراً يعتمد على التعلم الآلي لمحاكاة كيفية استرخاء وتحرك الذرات في جسيمات الذهب فعلياً. وقد اختبروا ثلاثة مستويات من التفصيل: المستوى الأول كان الشكل المثالي البسيط، وهو سريع الحساب ولكنه غالباً ما يكون خاطئاً. وتضمن المستوى الثاني السماح للحاسوب بـ "إرخاء" الذرات، مما يسمح لها بالتحرك إلى موضع أكثر استقراراً وأقل طاقة، وهو ما صحح العديد من أخطاء الحجم. أما المستوى الثالث، وهو الأكثر تفصيلاً، فقد تضمن محاكاة الجسيمات كما لو كانت تهتز بفعل الحرارة، مما يخلق سحابة ديناميكية من الأشكال المحتملة بدلاً من صورة واحدة مجمدة. وعندما قارنوا هذه المنهجيات الثلاث بالمقارنة مع بيانات الأشعة السينية الحقيقية لجسيمات الذهب النانوية، كانت النتائج واضحة: النماذج البسيطة قللت باستمرار من حجم الجسيمات وأخطأت أحياناً في تحديد شكلها، بينما كانت النماذج التي راعت الاسترخاء الذري أفضل حالاً، غير أن النماذج التي شملت الحركة الحرارية للذرات طابقت البيانات التجريبية الحقيقية بشكل شبه مثالي.

اكتشف الباحثون أن النماذج البسيطة فشلت لأنها عاملت الجسيمات ككتل صلبة، متجاهلة حقيقة أن الذرات السطحية تكون أقل تقييداً وغالباً ما تنكمش للداخل أو تتحرك لتخفيف الإجهاد. هذا التشوه يغير طريقة تشتت الأشعة السينية، مما يجعل الحاسوب يخمن الحجم أو الشكل بشكل خاطئ. ومن خلال استخدام النماذج القائمة على التعلم الآلي لمراعاة هذه التحولات، استطاع النظام التمييز بين الأشكال المتشابهة، مثل "عشاري الوجوه" (شكل ذو عشرة أوجه) و"ثماني الأوجه" (شكل ذو ثمانية أوجه)، وهي الأشكال التي كانت النماذج البسيطة تخلط بينها غالباً. علاوة على ذلك، وجد الفريق أن محاكاة الجسيمات في فراغ عند درجة حرارة أقل قليلاً أنتجت نتائج مطابقة تقريباً لمحاكاتها في الماء، وهي ميزة عملية كبرى؛ فهذا يعني أن الحاسوب يمكنه تشغيل هذه المحاكاة المعقدة الواعية بالحرارة بشكل أسرع بكثير دون الحاجة إلى نمذجة السائل المحيط، مما يجعل العملية قابلة للتنفيذ في الوقت الفعلي.

ولجعل هذا المستوى العالي من الدقة يعمل ضمن الحدود الزمنية الضيقة لتجربة مستقلة، صمم الفريق استراتيجية "القمع". تخيل عملية تبدأ بشبكة واسعة ثم تضيق بسرعة لتصل إلى المرشحين الأكثر واعدة. أولاً، يستخدم النظام النماذج البسيطة السريعة لمسح نطاق واسع من الاحتمالات وتحديد بعض الأشكال والأحجام المرجحة. بعد ذلك، يأخذ النظام فقط هؤلاء المرشحين الأوائل ويقوم بتشغيل نماذج الاسترخاء الأكثر تفصيلاً والمدركة للطاقة لتنقيح القائمة. وأخيراً، يطبق النماذج الأكثر استهلاكاً للحوسبة، والتي تحاكي الحرارة، فقط على أفضل الخيارات المتبقية. هذا النهج الهرمي يسمح للنظام بالحصول على أدق معلومات هيكلية ممكنة دون الانتظار لساعات حتى ينتهي الحاسوب من عمله. وفي الاختبارات، استطاعت هذه الطريقة تحديد الهيكل الأنسب ضمن نافذة زمنية مدتها خمس عشرة دقيقة، وهو إطار زمني يتوافق مع دورة تجربة التخليق المستقلة في العالم الحقيقي.

إن تداعيات هذا العمل تمتد إلى ما وراء جسيمات الذهب النانوية فحسب. فمن خلال إثبات أن مطابقة الهيكل المدفوعة بالطاقة يمكن أن تعمل بالتوازي مع عملية التخليق، أظهر الباحثون مساراً نحو مختبرات لا تكتفي فقط باتباع خطة محددة مسبقاً، بل يمكنها التكيف مع أهدافها بناءً على ما تجده فعلياً. فإذا أدرك النظام أن شكلاً معيناً مستحيل الصنع في ظل الظروف الحالية، أو أن شكلاً مختلفاً قليلاً هو الأكثر استقراراً من الناحية الطاقية، فيمكنه تحديث هدفه في الوقت الفعلي. وهذا ينقل العلوم المستقلة من مجرد محاولة إصابة هدف ثابت إلى استكشاف آفاق ما هو ممكن فيزيائياً. وتُظهر الدراسة أنه من خلال الجمع بين المسح السريع والمحاكاة عالية الدقة المستهدفة، يمكن للعلماء أخيراً منح المختبرات ذاتية القيادة القدرة على رؤية البنية الذرية الحقيقية للمواد التي تصنعها، محولةً التخمين الأعمى إلى قرار واضح ومستنير.