Physics-Aligned Electronic Ground-State Learning Improves Generalization

في السعي لتصميم أدوية جديدة واكتشاف مواد أقوى، يعتمد العلماء على أداة قوية تسمى الكيمياء الحسابية. يتيح هذا المجال للباحثين محاكاة كيفية سلوك الذرات والجزيئات على جهاز الكمبيوتر، مما يعمل كمختبر افتراضي قبل إجراء أي تجربة فيزيائية. وفي قلب هذه المحاكاة تبرب الحاجة إلى فهم "الحالة الأرضية" للجزيء، وهي في الأساس ترتيب الإلكترونات الأكثر استقراراً وسكوناً. إن معرفة هذا الترتيب تسمح للعلماء بالتنبؤ بكيفية تفاعل الجزيء، ومدى قوته، أو كيف يمكن أن يتفاعل مع عقار ما. ومع ذلك، فإن حساب هذه الحالة الأرضية بدقة مثالية أمر صعب للغاية ومكلف حاسوبياً، وغالباً ما يستغرق ساعات أو أياماً على أجهزة الكمبيوتر العملاقة حتى بالنسبة لجزيء واحد. ولتسريع هذه العملية، طور الباحثون نماذج تعلم آلي يمكنها تخمين هذه الإجابات بشكل فوري تقريباً. وبينما تتفوق هذه النماذج في التنبؤ بخصائص الجزيئات التي رأتها من قبل، فإنها غالباً ما تفشل عندما يُطلب منها التنبؤ بسلوك جزيئات أكبر وأكثر تعقيداً تختلف عن بيانات التدريب الخاصة بها.

اقترح فريق من الباحثين من جامعة ميونيخ التقنية وشركة إنفيديا (NVIDIA) طريقة جديدة لبناء هذه النماذج من التعلم الآلي تسد الفجوة بين السرعة والدقة. فبدلاً من محاولة التنبؤ بالإجابة النهائية مباشرة، يعلّم نهجهم الكمبيوتر تعلم القواعد الأساسية التي تحكم كيفية ترتيب الإلكترونات لنفسها. لقد صمموا نظاماً يعمل كحل وسط: فهو أسرع بكثير من الطرق التقليدية الأكثر دقة، ولكنه أكثر موثوقية بشكل ملحوظ من اختصارات التعلم الآلي الحالية. وكان مفتاح نجاحهم هو إجبار الكمبيوتر على التعلم بطريقة تحترم القوانين الفيزيائية الأساسية للكون، بدلاً من مجرد حفظ الأنماط في البيانات. ومن خلال مواءمة عملية التعلم مع المعادلات الفعلية التي تصف سلوك الإلكترونات، أنشأوا نماذج لا تكتفي بالتخمين فحسب، بل تفهم هندسة المشكلة.

اختبر الباحثون طريقتهم عبر تدريبها على مجموعة بيانات من الجزيئات الصغيرة، ثم طلب منها التنبؤ بخصائص جزيئات أكبر بأربعة أضعاف حجمها. وفي هذه الاختبارات، أظهرت نماذجهم الجديدة تحسناً هائلاً مقارنة بأفضل الأساليب المتقدمة الحالية. وبالنسبة للنسخة الأكثر دقة من نظامهم، انخفض الخطأ في التنبؤ بطاقة هذه الجزيئات الأكبر بنسبة تقارب 99.8 بالمائة مقارنة بأفضل البدائل الموجودة. وتعد هذه الدرجة من الدقة أمراً بالغ الأهمية لأن الخطأ الضئيل في الكيمياء يمكن أن يؤدي إلى تنبؤات خاطئة تماماً حول ما إذا كان العقار سيعمل أو ما إذا كانت المادة ستتماسك. علاوة على ذلك، يتضمن النظام فحص سلامة مدمج؛ فإذا واجه النموذج جزيئاً غريباً جداً أو معقداً لدرجة لا يمكنه التعامل معه بثقة، فيمكنه تحديد التنبؤ كونه غير موثوق. وفي اختباراتهم، نجحت آلية السلامة هذه في تصفية أقل من نصف بالمائة من التنبؤات، مما ضمن أن الغالبية العظمى من النتائج المقدمة كانت جديرة بالثقة.

إن أحد أهم النتائج لهذا العمل هو أن هذه النماذج المتوافقة مع الفيزياء يمكنها التعميم على أحجام لم ترها من قبل. فبينما تميل نماذج التعلم الآلي الأخرى إلى الانهيار عند مواجهة أنظمة أكبر، حافظت هذه النماذج الجديدة على دقة عالية حتى عند التنبؤ بسلوك جزيئات تحتوي على مئات الإلكترونات. كما أظهر الباحثون أن نماذجهم يمكن تكييفها لدراسة التفاعلات الكيميائية، بما في ذلك اللحظات العابرة التي تنكسر فيها الروابط أو تتشكل. وباستخدام تقنية تعمل على صقل النموذج دون الحاجة إلى بيانات مصنفة جديدة، تمكنوا من نقل النظام إلى بيئة كيميائية جديدة وتحقيق أخطاء أقل من العتبة المعروفة باسم "الدقة الكيميائية"، وهي المعيار الذهبي للتنبؤات المفيدة في هذا المجال.

لقد جادل الفريق صراحة ضد النهج القياسي المستخدم في هذا المجال، والذي غالباً ما يعامل التمثيلات الرياضية لهذه الجزيئات كمجرد قوائم بسيطة من الأرقام المراد مطابقتها. وأوضحوا أن هذه الطريقة الشائعة تفشل في التقاط العلاقات الفيزيائية الحقيقية بين الأجزاء المختلفة من الجزيء، مما يؤدي إلى أداء ضعيف عندما يتغير حجم النظام. وبالمقابل، يعامل نهجهم الجديد ترتيب الإلكترونات كشكل هندسي محدد يجب أن يمتثل لقواعد صارمة، تماماً مثل هيكل صلب لا يمكن مده أو لفه بشكل عشوائي. هذا القيد يجبر النموذج على تعلم السلوك الفيزيائي الصحيح بدلاً من مجرد ملاءمة البيانات. والنتيوت هو نظام ليس فقط أكثر دقة، بل أيضاً أكثر متانة، وقادر على التعامل مع تعقيدات المشكلات الكيميائية الواقعية التي كانت خارج نط reach (الوصول) لطرق التعلم الآلي السريعة سابقاً.

يشير هذا العمل إلى مسار مستقبلي لإنشاء "نماذج تأسيسية" للكيمياء، على غرار النماذج اللغوية الكبيرة المستخدمة للنصوص. وكما تتعلم تلك النماذج قواعد اللغة لتوليد جمل جديدة، تتعلم هذه النماذج الجديدة قواعد الإلكترونات لتوليد رؤى جزيئية جديدة. وقد أثبت الباحثون أنه من خلال احترام القيود الفيزيائية للمشكلة، تمكنوا من تحقيق مستوى من الأداء يضاهي أكثر الحسابات التقليدية تكلفة، ولكن في جزء ضئيل من الوقت. وهذا يفتح الباب أمام فحص مكتبات هائلة من الأدوية والمواد المحتملة بسرعة وموثوقية كانا مستحيلين في السابق، مما قد يسرع من اكتشاف الأدوية المنقذة للحياة والمواد المتقدمة للمستقبل.