← أحدث الأبحاث
🔬 فيزياء الذرة

Recovering Irreducible Three-Body Interactions with Lagrangian Neural Networks

تُثبت هذه الورقة أن الشبكات العصبية اللاغرانجية، عند دمجها مع أخذ العينات المدركة للإشارة والانحدار الرمزي، يمكنها بنجاح استعادة التعبير ذي الصيغة المغلقة لتفاعل "أكسيلرود-تيلر" غير القابل للاختزال لثلاثة أجسام مباشرة من بيانات المسار، حتى في ظل وجود قوى زوجية.

المؤلفون الأصليون: Sena Kalabalik, Sukru Caglar, Abdullah Umut Hamzaogullari, Arkadas Ozakin

نُشر 2026-10-12
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Sena Kalabalik, Sukru Caglar, Abdullah Umut Hamzaogullari, Arkadas Ozakin

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

في عالم الفيزياء، اعتمد العلماء لفترة طويلة على فكرة قوية لوصف كيفية تحرك الأشياء: وهي مبدأ أن الطبيعة تختار دائمًا المسار الأقل مقاومة. هذا المفهوم، المعروف باسم مبدأ الفعل الثابت، يسمح للباحثين بالتنبؤ بالحركة المستقبلية للأجسام من خلال فهم كمية رياضية واحدة تسمى "لاغرانج" (Lagrangian). لقرون، نجح هذا الإطار في تفسير كل شيء، من البندولات المتأرجحة إلى الكواكب التي تدور في مداراتها، لكنه افترض تقليديًا أن التفاعلات بين الأجسام بسيطة وتراكمية. في هذه الرؤية، تكون القوة بين ثلاثة أجسام هي مجرد مجموع القوى بين كل زوج منها. ومع ذلك، فإن العالم الحقيقي غالبًا ما يكون أكثر تعقيدًا؛ فأحيانًا تتفاعل ثلاثة أجسام بطريقة لا يمكن تفكيكها إلى أزواج؛ حيث يغير وجود جسم ثالث بشكل جوهري كيفية سلوك الجسمين الآخرين، مما يخلق علاقة فريدة وغير قابلة للاختزال تعتمد على الشكل المحدد الذي يشكلونه معًا.

وضع فريق من الباحثين في جامعة بوغازي في تركيا هدفًا متمثلًا في معرفة ما إذا كان الذكاء الاصطناعي الحديث يمكنه اكتشاف هذه التفاعلات المعقدة ثلاثية الأبعاد من تلقاء نفسه، ببساطة عن طريق مراقبة حركة الجسيمات. وقد لجأوا إلى نوع محدد من نماذج تعلم الآلة يسمى "الشبكة العصبية اللاغرانجية". وخلافًا لبرامج الكمبيوتر القياسية التي تحاول حفظ الأنماط، فقد بُنيت هذه الشبكات مع دمج قوانين الفيزياء في بنيتها الأساسية. لقد صُممت لتعلم قواعد الحركة الأساسية من خلال مراقبة المسارات — أي المسارات التي تسلكها الجسيمات بمرور الوقت — دون إخبارها بماهية القوى. أراد الباحثون معرفة ما إذا كان مثل هذا النظام يمكنه النظر إلى حركة ثلاثة جسيمات واستنتاج أنها تُدفع أو تُسحب بواسطة قوة لا توجد إلا عند وجود الثلاثة معًا، وهي قوة تتغير طبيعتها اعتمادًا على ما إذا كانت الجسيمات تشكل مثلثًا، أو خطًا، أو شكلًا آخر.

ولاختبار ذلك، أنشأ العلماء بيئة محاكاة تحتوي على ثلاثة جسيمات متطابقة. وقاموا ببرمجة الكمبيوتر لتوليد ملايين الحركات المختلفة لهذه الجسيمات بناءً على قوة معروفة ومعقدة تسمى "تفاعل أكسيلرود-تيلر" (Axilrod-Teller). هذه القوة هي ظاهرة فيزيائية حقيقية تحدث بين الذرات المتعادلة، حيث تعتمد الطاقة ليس فقط على مدى بعد الذرات عن بعضها البعض، بل أيضًا على الزوايا التي تشكلها مع بعضها البعض. فإذا شكلت الذرات مثلثًا متراصًا، فإن القوة تدفعها بعيدًا؛ وإذا تمددت لتشكل خطًا طويلًا ونحيفًا، فإن القوة تجذبها معًا. ثم قام الباحثون بتغذية الكمبيوتر فقط بالمسارات المسجلة لهذه الجسيمات المتحركة، مع إخفاء صيغة القوة تمامًا. كان على الشبكة العصبية أن تعمل بشكل عكسي من الحركة لاستنتاج القواعد الخفية التي تحكمها.

كانت النتائج مذهلة؛ فقد تعلم الذكاء الاصطناعي القوة الخفية بنجاح. لم يكتفِ النظام بحفظ المسارات فح، بل أعاد بناء القانون الرياضي الفعلي الذي ولدها. اكتشفت الشبكة أن القوة تتبع نمطًا محددًا: فقد كانت تزداد قوة بشكل هائل كلما اقتربت الجسيمات من بعضها البعض، وانقلبت من قوة تنافر إلى قوة تجاذب بناءً على الشكل الذي يشكله المثلث. وللتأكد من أن النظام لم يكن مجرد تخمين، تحقق الباحثون من تنبؤاته مقابل الفيزياء المعروفة. طابقت القوة التي تعلمتها الشبكة القوة الحقيقية بدقة عالية، حيث أعادت إنتاج الطريقة التي تتغير بها التفاعلات مع المسافة والزاوية. والأكثر إثارة للإعجاب هو أنه عندما طلب الباحثون من الكمبيوتر ترجمة فهمه الرياضي الداخلي المعقد إلى صيغة بسيطة يمكن للبشر قراءتها، فعل ذلك بدقة ملحوظة. لقد كتب الكمبيوتر التعبير الدقيق للتفاعل ثلاثي الأجسام، بما في ذلك الحدود المحددة التي تصف الاعتماد الزاوي وقوة الاقتران الصحيحة. ورغم أن الصيغة المستعادة لم تكن مثالية رياضيًا — حيث أظهرت خطأً متبقيًا ضئيلًا وحدًا ثانويًا يكسر التماثل المثالي للجسيمات قليلاً — إلا أنها التقطت الجوهر الفيزيائي بأمانة كبيرة بحيث كشفت فعليًا عن القاعدة الحقيقية.

ومع ذلك، كشفت الدراسة أيضًا عن حد حاسم لهذا النوع من الاكتشاف. ففي العالم الحقيقي، عادة ما تكون هذه القوة ثلاثية الأجسام عبارة عن تصحيح ضئيل جدًا للقوى الأقوى التي تؤثر بين أزواج من الذرات. واختبر الباحثون ما إذا كان نظامهم يمكنه العثور على هذه الإشارة الضئيلة عندما تكون مدفونة تحت ضجيج القوى الأكبر والأبسط. ووجدوا أنه إذا كانت القوة ثلاثية الأجسام ضعيفة جدًا مقارنة بالأخطاء المتأصلة في عملية تعلم الكمبيوتر، فإن النظام لا يمكنه اكتشافها؛ إذ تضيع الإشارة ببساطة في الخلفية. ولكن عندما قاموا بتضخيم قوة التفاعل ثلاثي الأجسام، بجعلها كبيرة بما يكفي لتبرز بوضوح فوق الضجيج، وجدها النظام على الفور. وهذا يشير إلى أنه بينما يمكن للذكاء الاصطناعي الكشف عن القوانين الفيزيائية المعقدة من خلال الحركة، فإنه يتطلب أن تكون الإشارة قوية بما يكفي لتمييزها عن القيود المفروضة على النموذج نفسه.

يبرهن هذا العمل على مسار جديد للاكتشاف العلمي. فمن خلال الجمع بين التعلم العميق والبنية الأساسية للفيزياء، يمكن للباحثين الآن الانتقال من مجرد التنبؤ بكيفية سلوك نظام ما إلى اكتشاف القوانين التي تحكمه بالفعل. وتظهر الدراسة أنه إذا قدمت النوع الصحيح من البيانات والنوع الصحيح من الإطار الرياضي، يمكن للآلة أن تنظر إلى الرقصة الفوضوية للجسيمات وتكتب كتاب القواعد الخاص بتفاعلها، حتى عندما يصف هذا الكتاب علاقة تتضمن ثلاثة أجسام تعمل كوحدة واحدة لا تتجزأ.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 🔬 physics.atom-ph →