Agentic Resource Allocation for Batch Multi-Objective Bayesian Optimization in Autonomous Materials Discovery
تقدم هذه الورقة إطار عمل للتحسين البايزي متعدد الأهداف وتكيفي لاكتشاف المواد ذاتياً، يقوم بضبط تخصيص موارد الدفعات ديناميكياً استجابةً لتغير قيود الحملات، مما يظهر أداءً فائقاً في تقليل عدم اليقين التنبؤي مقارنة بالسياسات الثابتة عبر مهام تصميم السبائك المقاومة للحرارة والسبائك المغناطيسية اللينة.
المؤلفون الأصليون:Robert Robinson, Shakti Prasad Padhy, Sushant Sinha, Sk Md Ahnaf Akif Alvi, Juan Florez Coronel, Brent Vela, Trevor Hastings, Douglas Allaire, Raymundo Arróyave
إن البحث عن مواد جديدة هو مسعى بطيء، ومكلف، ومحبط في كثير من الأحيان. إذ يتعين على العلماء تصنيع عدد لا يحصى من مجموعات العناصر، واختبار خصائصها، وتحليل نتائجها، وهي عملية قد تستغرق سنوات وتستهلك موارد هائلة. وللتسريع من هذه العملية، لجأ الباحثون إلى "المختبرات ذاتية القيادة"، وهي أنظمة مؤتمتة تستخدم الذكاء الاصطناعي لتصميم وإجراء التجارب بأقل قدر من المساعدة البشرية. وتعتمد هذه الأنظمة على نهج رياضي يسمى "التحسين البايزي" (Bayesian optimization)، والذي يعمل كدليل ذكي؛ فبدلاً من اختبار كل الخيارات الممكنة، يقوم الدليل ببناء خريطة لما يعرفه وما لا يعرفه، ثم يقرر ما إذا كان سيختبر منطقة جديدة غير مستكشفة ليتعلم المزيد، أو يركز على منطقة واعدة للعثور على أفضل نتيجة. هذا التوازن بين التعلم والفوز هو التحدي الجوهري: فإذا بحثت فقط عن أفضل نتيجة، قد تفوتك نتيجة أفضل مختبئة في مكان قريب؛ وإذا بحثت فقط عن معلومات جديدة، فقد لا تجد المادة الأفضل أبداً.
في دراسة حديثة، بحث باحثون في جامعة تكساس إيه آند إم (Texas A&M University) في كيفية إدارة هذا التوازن عندما تكون الموارد شحيحة والظروف تتغير بشكل غير متوقع. وقد ركزوا على تصميم نوعين من السبائك المتقدمة: معدن مقاوم للحرارة للتطبيقات عالية الحرارة، ومعدن مغناطيسي ناعم لاستخدامه في المحولات والمحركات. واختبر الفريق ما إذا كان بإمكان وكيل ذكاء اصطناعي، مدعوم بنموذج لغوي كبير، أن يعمل كمدير رفيع المستوى لهذه التجارب. وبخلاف الأنظمة القياسية التي تتبع خطة جامدة ومحددة مسبقاً، استطاع هذا الوكيل مراقبة تقدم التجربة في الوقت الفعلي؛ حيث كان يتلقى تحديثات حول مقدار الوقت والمال المتبقي، ومدى أداء التصاميم الحالية، وكمية عدم اليقين التي لا تزال موجودة في البيانات. وبناءً على هذه المعلومات، كان الوكيل يقرر في كل خطوة ما إذا كان سيرسل المختبر لاستكشاف تركيبات جديدة محفوفة بالمخاطر، أو لتحسين أفضل التصاميم التي تم العثور عليها حتى الآن.
وقارن الباحثون هذا الوكيل المتكيف مع نهجين أبسط: أحدهما يركز فقط على إيجاد أفضل النتائج الفورية، والآخر يتبع جدولاً زمنياً ثابتاً للمزج بين الاستكشاف والتحسين بغض النظر عما يحدث. وقد أجروا مئات الحملات المحاكية، تضمنت بعضها اضطرابات مفاجئة، مثل قطع في الميزانية أو تقليص في الجدول الزمني، لمعرفة مدى قدرة كل استراتيجية على التعافي. وأظهرت النتائج أنه بينما لم يجد الوكيل دائماً أفضل مادة بشكل أسرع قليلاً من الطريقة الأبسط، إلا أنه جمع فهماً أعمق بكثير للمشهد الكامل من الاحتمالات. وتحديداً، جمعت الاستراتيجيات المتكيفة معلومات مفيدة أكثر بنسبة تتراوح بين 37 إلى 49 بالمائة حول نطاق المواد الممكنة مقارنة بالأسالهم الجامدة. وجاءت هذه المعرفة الإضافية بتكلفة ضئيلة جداً فيما يتعلق بسرعة العثور على أفضل أداء.
وعندما واجهت التجارب تخفيضات مفاجئة في الوقت أو المال، عانت الاستراتيجيات الثابتة في التكيف. فكان الجدول الزمني الجامد يستمر في الاستكشاف في مناطق جديدة حتى مع اقتراب الوقت من النفاد، مما أدى إلى إهدار موارد ثمينة في تجارب لا يمكن إكمالها. وفي المقابل، أدرك الوكيل المتكيف التغيير في الظروف وتقدم في مسار تخصيصه الطبيعي بدلاً من تغيير استراتيجيته الأساسية. وقد سمحت هذه المرونة له بالحفاظ على الصدارة في جمع المعلومات المفيدة، رغم أن هذا الفصل قد انضغط تحت الظروف القاسية، وفي الحالات الأكثر حدة، تأخر الوكيل قليلاً في الأداء النهائي مقارنة بالاستراتيجيات التي لا تتطلب بيانات تاريخية للعمل. وتشير الدراسة إلى أنه بالنسبة لمستقبل اكتشاف المواد ذاتي القيادة، فإن الأنظمة الأكثر فعالية لن تكون فقط تلك التي تجد الإجابة الأفضل بسرعة، بل تلك التي يمكنها إدارة المقايضة بين التعلم والفوز بذكاء، وتكييف استراتيجيتها في اللحظة التي تتغير فيها قواعد اللعبة.
ملخص تقني: تخصيص الموارد عبر الوكلاء لتحسين بايزي متعدد الأهداف بنظام الدفعات في اكتشاف المواد ذاتي القيادة
بيان المشكلة يعتمد الاكتشاف الذاتي للمواد عبر المختبرات ذاتية القيادة (SDLs) على تحسين بايزي (BO) للتنقل في فضاءات التصميم المعقدة والمكلفة. وبينما يعمل تحسين بايزي متعدد الأهداف (MOBO) بفعالية على موازنة الاستكشاف والاستغلال، فإن معظم سير العمل الحالي يستخدم سياسات استحواذ ثابتة أو مضبوطة يدويًا. هذه الاستراتيجيات الساكنة تفترض ظروفًا تجريبية مستقرة، مما يؤدي إلى الفشل في التكيف مع القيود الديناميكية النموذجية للحملات الواقعية، مثل الانخفاضات المفاجئة في الميزانية، أو تقليص الجداول الزمنية، أو تغير أهداف التصميم. وبناءً على ذلك، هناك فجوة في اختيار السياسة التكيفي — أي القدرة على تحديد كيفية تخصيص الجهد التجريبي بين الاستكشاف والاستغلال ديناميكيًا مع تطور الحملة. تبحث هذه الورقة فيما إذا كان يمكن لوكلاء النماذج اللغوية الكبيرة (LLM) أن يعملوا كمتحكمين رفيعي المستوى لإدارة تخصيص الموارد هذا في إعدادات MOBO بنظام الدفعات.
المنهجية قام المؤلفون بتطوير إطار عمل يدمج محرك MOBO بنظام الدفعات مع طبقة متميزة لتخصيص الموارد. تم تقييم النظام في مشكلتين منفصلتين لتصميم السبائك:
السبائك عالية الإنتروبيا المقاومة للحرارة (RHEA): نظام سباعي (Ti-V-Nb-Mo-Hf-Ta-W) يحسن درجة حرارة الانصهار (Tm) والكثافة (ρ).
السبائك المغناطيسية اللينة: نظام متعدد المكونات يعتمد على Fe-Co-Ni يحسن التشبع المغناطيسي (Ms)، والقسرية (Hc)، وصلابة فيكرز (HV).
المكونات الأساسية:
نماذج الحقيقة الأرضية: عملت نماذج الغابة العشوائية (Random Forest Regressors) (المدربة عبر إطار عمل ARMOTE-MO) كبدائل قابلة للتطبيق حسابيًا للتقييم التجريبي، مما وفر قيم أهداف حتمية لحلقة BO.
محرك MOBO بنظام الدفعات: استخدم عمليات غاوس (GP) متعددة المهام لنمذجة الأهداف بشكل مشترك. حددت وظيفتان للاستحواذ طيف الاستكشاف-الاستغلال:
الاستغلال: تحسين الحجم الفائق المتوقع للكمية q (qEHVI).
الاستكشاف: حد الثقة العلوي للكمية q (qUCB) مع مكافأة تنوع لضمان الفصل الهندسي عن المرشحين المستغلين.
طبقة تخصيص الموارد: بالنسبة لحجم دفعة q، قام النظام بحصر q+1 من خيارات التخصيص، تتراوح من الاستغلال الصرف (جميع النقاط q لـ qEHVI) إلى الاستكشاف الصرف (جميع النقاط q لـ qUCB).
الاستراتيجيات المقارنة:
qEHVI (الأساس): استغلال صرف.
المختلط الثابت (Fixed Mixed): جدول زمني حتمي ينتقل من الاستكشاف الصرف إلى الاستغلال الصرف بناءً على كسور الموارد المتبقية.
تبديل القواعد (Rule-Swap - وكيل LLM): وكيل يعتمد افتراضيًا على الاستغلال ولكنه يُدخل الاستكشاف فقط عند اكتشاف أنماط فشل محددة (مثل تناقص العوائد على نقاط باريتو). يقوم باختيار معامل الاستكشاف (β) وخيار التخصي。
β-التكيفي (Adaptive-β - وكيل LLM): وكيل أوسع يقيم سرعة الحجم الفائق، واتجاهات المعلومات المتبادلة (MI)، وتغطية التركيب. يقوم باختيار β وخيار التخصيص ديناميكيًا دون قواعد محددة مسبقًا، مع الاعتماد على قدرة الـ LLM على تفسير إحصائيات الحملة الخام.
التصميم التجريبي تضمنت الدراسة 25 بذرة عشوائية لكل استراتيجية عبر ثماني تكوينات: حملات أساسية وحملات تتضمن "أحداث موارد" في منتصف الطريق (تقليص ميزانية، تقليص زمن، أو تقليص مزدوج). تم قياس الأداء عبر:
الحجم الفائق (HV): الحجم الذي تهيمن عليه جبهة باريتو في فضاء الأهداف.
المساحة تحت المنحنى (AUC-HV): مقياس لسرعة التقارب.
المعلومات المتبادلة التراكمية (MI): مقياس لتقليل عدم اليقين فيما يتعلق بالمنطقة المثلى لباريتو، مما يعكس اتساع توصيف المشهد.
النتائج الرئيسية
المقايضة بين سرعة التحسين وتقليل عدم اليقين: استجمعت استراتيجيات التخصيص المختلطة (Rule-Swap، Fixed Mixed، Adaptive-β) معلومات متبادلة (MI) أكبر بكثير من خط الأساس للاستغلال الصرف (qEHVI). في حالة RHEA الأساسية، حققت Adaptive-β زيادة بنسبة ~37% في MI مقارنة بـ qEHVI؛ وفي نظام Fe-Co-Ni، كانت الزيادة ~49%. جاء هذا الكسب في المعلومات على حساب طفيف في سرعة التقارب (AUC-HV)، حيث تأخرت الاستراتيجيات المختلطة عمومًا قليلاً عن qEHVI في الوصول إلى عتبات الحجم الفائق العالية.
القدرة على التكيف مع قيود الموارد:
المختلط الثابت (Fixed Mixed): أدى أداء ضعيف تحت أحداث الموارد لأن جدوله الزمني المحدد مسبقًا للاستكشاف لم يكن قابلًا للضغط. عند تقليص الحملات، فشلت مرحلة الاستكشاف المبكرة لديه في التحول إلى مكاسب في الحجم الفائق، مما وسع الفجوة في الأداء مقابل الاستراتيجيات التكيفية.
وكلاء LLM: أظهر كل من Rule-Swap و Adaptive-β استجابة. لقد عدلا مسارات التخصيص الخاصة بهما (على سبيل المثال، تقليل المرشحين للاستكشاف أو تغيير β) استجابة للأحداث. ومع ذلك، كان سلوكهما عبارة عن ضغط لمسارهما الأساسي بدلاً من كونه تحولًا استراتيجيًا جوهريًا.
الضغط الشديد: في سيناريو الحدث المزدوج لـ RHEA (تقليص الحملة إلى 10 تكرارات)، أدى Adaptive-β أداءً أقل من qEHVI و Fixed Mixed. يشير المؤلفون إلى أن الوكلاء القائمين على الأدلة يتطلبون تاريخًا كافيًا للحملة لاتخاذ قرارات مستنيرة؛ وتحت عتبة معينة من التكرارات، أعاق نقص البيانات المتراكمة قدرة الوكيل على التفوق على الاستراتيجيات الثابتة أو الجشعة.
صعوبة المشكلة: أثبت نظام Fe-Co-Ni، الذي يتميز بجبهة باريتو مجزأة ومتعددة الأنماط، صعوبة لجميع الاستراتيجيات، مما أدى إلى نتائج متماثلة إحصائيًا في الحجم الفائق النهائي عبر جميع الطرق. في المقابل، سمح نظام RHEA (مشهد مدمج وناعم) بتمييز أوضح لأداء الاستراتيجيات.
الأهمية والادعاءات تدعي الورقة أن تخصيص الموارد التكيفي يوفر مقايضة مواتية لحملات اكتشاف المواد. فمن خلال تجميع معلومات متبادلة أكبر بكثير بتكلفة أقل نسبيًا لسرعة التحسين، توفر الاستراتيجيات التكيفية توصيفًا أكثر شمولاً للمشهد. هذا التوصيف المعزز مفيد لتقليل عدم اليقين التنبئي بشأن تركيبات باريتو المثلى، مما قد يفيد المهام اللاحقة مثل تحسين الأهداف أو الحملات المتابعة.
يؤسس هذا العمل لإطار عمل قابل للتعميم حيث يعمل وكلاء LLM كـ "طبقات قرار عليا محدودة"، توجه ولا تستبدل أطر التحسين القائمة. ويؤكد المؤلفون أنه بينما يمكن لـ LLMs إدارة اختيار السياسة رفيع المستوى بفعالية بناءً على إحصائيات التحسين، فإن فعاليتها تعتمد على امتلاك تاريخ حملة كافٍ. وتخلص الدراسة إلى أن دمج التحسين الاحتمالي مع اتخاذ القرار التكيفي المدفوع باللغة يتيح أنظمة مختبرات ذاتية القيادة أكثر مرونة وقدرة على الصمود، خاصة عند العمل تحت قيود واقعية ومتطورة. ويظل المؤلفون متواضعين في طرحهم، مشيرين إلى أن القيمة العملية المباشرة للمعلومات المتبادلة المتزايدة (مثل تحسين السجلات التجريبية) لم تُقس مباشرة وتظل سؤالًا مفتوحًا.