MASON: Materials Atomistic Structure builder Operated in Natural language

في عالم علوم المواد، يحتاج الباحثون غالباً إلى بناء نماذج دقيقة وصغيرة للمادة لفهم كيفية عمل الأشياء على المستوى الذري. تخيل أنك تحاول التنبؤ بكيفية حفظ بطارية جديدة للشحن أو كيفية تفاعل دواء مع خلية؛ يفعل العلماء ذلك عن طريق إنشاء نسخ رقمية من الذرات المرتبة في أنماط محددة. هذه الأنماط، المعروفة باسم الهياكل البلورية، هي المخططات لكل شيء بدءاً من السيليكون في شرائح الكمبيوتر وصولاً إلى المعادن في محركات الطائرات النفاثة. ولدراسة هذه الهياكل، يستخدم العلماء أجهزة كمبيوتر قوية لتشغيل عمليات المحاكاة، ولكن قبل أن يبدأ الكمبيوتر في العمل، يجب على الإنسان أولاً بناء النموذج. هذه مهمة دقيقة؛ فإذا وُضعت الذرات بشكل خاطئ ولو قليلاً، ستفشل عملية المحاكاة بأكملها وتصبح النتائج بلا معنى. لعقود من الزمن، تطلبت هذه الخطوة من الباحث كتابة كود برمجي معقد أو التلاعب يدوياً بالأشكال ثلاثية الأبعاد، وهي عملية بطيئة، وعرضة للخطأ البشري، ويصعب على الجيل الجديد من الذكاء الاصطناعي التعامل معها بمفرده.

قدم فريق من الباحثين الآن أداة جديدة تسمى MASON، صُممت لسد هذه الفجوة بين القصد البشري والبناء الرقمي. يتيح النظام للعلماء وصف الهيكل الذي يحتاجونه باستخدام اللغة الإنجليزية العادية، ويقوم وكيل ذكاء اصطناعي بترجمة تلك الكلمات إلى نموذج ذري دقيق وخالٍ من الأخطاء. وبدلاً من مطالبة الذكاء الاصطناعي بكتابة كود قد يحتوي على أخطاء، يوفر MASON للذكاء الاصطناعي مجموعة مخصصة من الأدوات المتخصصة التي يمكنه استخدامها مباشرة. فكر في الأمر كإعطاء بَنّاء مجموعة من الطوب الجاهز والمعاير بدقة ومطرقة، بدلاً من مطالبته بخلط الإسمنت وتشكيل الطوب من الصفر في كل مرة. وقد أثبت الباحثون أن هذا النهج يعمل بشكل موثوق، مما يسمح للذكاء الاصطناعي بتلقي طلب بسيط مثل "ابنِ نموذجاً لأول أكسيد الكربون ملتصقاً بسطح بلاتيني" وإنتاج هيكل معقد وصالح علمياً وجاهز للمحاكاة.

إن التحدي الجوهري الذي عالجه الباحثون هو أنه بينما يمكن للذكاء الاصطناعي الحديث إجراء محادثة والتفكير في المشكلات، فإنه يعاني مع القواعد المحددة والصارمة لعلم البلورات. في الماضي، إذا أراد عالم أن يبني الذكاء الاصطناعي نموذجاً، كان على الذكاء الاصطناعي كتابة برنامج للقيام بذلك. وهذا أمر محفوف بالمخاطر لأن خطأً طفيفاً في الكود قد يؤدي إلى تداخل الذرات أو إنتاج هيكل لا وجود له في الواقع. يغير نظام MASON هذه الديناميكية من خلال العمل كخادم متخصص يتوسط بين الذكاء الاصطناعي وعملية البناء. عندما يطرح الباحث سؤالاً، يقوم الذكاء الاصطناعي بتفكيك الطلب إلى سلسلة من الخطوات ويستدعي MASON للقيام بكل خطوة. ثم يقوم MASON بتنفيذ العملية، مثل قطع شريحة من بلورة أو إضافة ذرة مفقودة، ويبلغ فوراً عما بناه بدقة. تضمن حلقة التغذية الراجدة هذه أنه إذا حدث خطأ في خطوة ما، سيرى الذكاء الاصطناعي النتيجة ويمكنه تصحيح خطوته التالية قبل الانتهاء من النموذج.

ينقسم النظام إلى خمس فئات رئيسية من الأدوات التي تغطي دورة حياة بناء النموذج بأكملها. أولاً، يمكنه تحليل الهياكل الموجودة للتحقق من صحتها، عبر عد الذرات وقياس المسافات بينها. ثانياً، يمكنه إنشاء نسخ أكبر من البلورة أو إدخال عيوب محددة، مثل إزالة ذرة لمحاكاة خلل ما. ثالثاً، يمكنه قطع كتلة من المادة لإنشاء سطح مستوٍ، وهو أمر ضروري لدراسة كيفية تفاعل المواد الكيميائية مع المعادن. رابعاً، يمكنه وضع الجزيئات على تلك الأسطح في مواقع دقيقة. وأخيراً، يمكنه دمج مادتين مختلفتين لمعرفة كيفية تلاؤمهما، وهي عملية تُعرف بإنشاء الهياكل الهجينة. وفي كل حالة، تقوم الأداة بالعمل الشاق المتعلق بالهندسة، مما يضمن توزيع الذرات بشكل صحيح والحفاظ على التماثل.

لإثبات كفاءة النظام، استعرض الباحثون مثالاً كاملاً لبناء نموذج لأول أكسيد الكربون الممتز على سطح بلاتيني. بدأت العملية بطلب الذكاء الاصطناعي من MASON قراءة الهيكل الأساسي للبلاتين الخام والتحقق من شكله. بعد ذلك، وجه الذكاء الاصطناعي MASON لقطع شريحة رقيقة من هذه المادة، وتحديداً طبقة بسمك أربع ذرات، وتثبيت الطبقتين السفليتين في مكانهما لمحاكاة كتلة صلبة. ثم قام النظام بتوسيع هذه الشريحة لإنشاء مساحة سطح أكبر وحدد المواقع المحددة التي يمكن لجزيء أول أكسيد الكربون أن يتصل بها. أخيراً، وجه الذكاء الاصطناني MASON لوضع الجزيء على بعد اثنين أنغستروم بالضبط فوق نقطة مجوفة محددة على السطح. طوال هذه السلسلة، التي تضمنت أكثر من عشر استدعاءات للأدوات، تلقى الذكاء الاصطناعي تحديثات مستمرة حول أبعاد وترتيب الذرات. وكانت النتيجة النهائية نموذجاً ثلاثي الأبعاد مكتملاً اجتاز جميع الفحوصات الهندسية، وجاهزاً لتعمل عليه أجهزة الكمبيوتر العملاقة لإجراء المحاكاة.

اختبر الباحثون النظام أيضاً في مجموعة واسعة من التحديات الأخرى لضمان موثوقيته. فقد نجحوا في بناء نماذج لشرائط نانوية من الجرافين، وطبقات ملتوية من ذرات الكربون، وواجهات معقدة بين كربيد السيليكون والسيليكون. في كل حالة، استخدم الذكاء الاصطناعي طلب اللغة الطبيعية لتوجيه عملية البناء، وقدم MASON التنفيذ الدقيق. فعلى سبيل المثال، عند طلب بناء نموذج لبلورة سيليكون مع ذرة مفقودة، حدد النظام بشكل صحيح كيف تغير التماثل البلوري وأبلغ عن الترتيب الجديد للذرات المتبقية. وعند طلبه دمج مادتين مختلفتين، قام النظام بحساب أفضل طريقة لمحاذاة شبكاتهما الذرية لتقليل الإجهاد، وعرض الخيارات على الذكاء الاصطناعي للاختيار منها. وفي جميع الأمثلة الثمانية عشر التي تم اختبارها، كانت الهياكل التي بناها الذكاء الاصطناعي متسقة رياضياً وسليمة هندسياً، مطابقة لنتائج الحسابات اليدوية.

يمثل هذا العمل خطوة مهمة نحو جعل البحث العلمي أكثر استقلالية. فمن خلال تزويد وكلاء الذكاء الاصطناعي بأدوات متخصصة وموثوقة، أزال الباحثون الحاجة إلى كتابة الذكاء الاصطناعي لكوده الخاص للمهام الهيكلية الأساسية. وهذا يقلل من فرص الخطأ ويسمح للذكاء الاصطناعي بالتركيز على الاستدلال العلمي بدلاً من التفاصيل الميكانيكية للبناء. النظام مفتوح المصدر، مما يعني أن علماء آخرين يمكنهم استخدامه لبناء نماذجه الخاصة، وهو مصمم للعمل مع أي إطار عمل للذكاء الاصطناعي يدعم بروتوكول سياق النموذج (Model Context Protocol). الهدف النهائي ليس فقط بناء النماذج بشكل أسرع، بل خلق سير عمل حيث يمكن للباحث طرح سؤال علمي بلغة بسيطة، ويمكن للذكاء الاصطناعي التعامل مع العملية بأكملها، بدءاً من الترتيب الذري الأولي وصولاً إلى تحليل البيانات النهائي. وبينما يركز الإصدار الحالي على بناء الهياكل، يمكن تطبيق النهج نفسه في النهاية على تشغيل عمليات المحاكاة وتحليل النتائج، مما يقرب المجال من مستقبل يحدد فيه العلماء الأهداف وتتولى الآلات مهمة التنفيذ.