← أحدث الأبحاث
🔬 علوم المواد

Technical Note on Matlantis PFP v9: Extending the Element and Domain Coverage of the r2SCAN Training Data

يوسع إصدار Matlantis PFP v9 نطاق جهد تعلم الآلة العالمي المدرب بواسطة r2SCAN ليشمل 96 عنصرًا (بما في ذلك اللانثانيدات والأكتينيدات) ومجالات جديدة مثل العناقيد والامتزاز، محققًا دقة بمستوى تجريبي لطاقات التكوين وأخطاء امتزاز مقارنة بحسابات نظرية الكثافة الوظيفية (DFT)، مع تفوق ملحوظ على SevenNet-Omni في سرعة الاستدلال وحجم النظام الأقصى.

المؤلف الأصلي: Daiki Shintani, Shigeru Iwase, Jun Oshiki, Kohei Shinohara, Nontawat Charoenphakdee, Makoto Hiramatsu, Yuta Tsuboi, Yusuke Asano, Hirotaka Akita, Yong-Bin Zhuang, So Takamoto, Chikashi Shinagawa

نُشر 2026-11-19
📖 5 دقيقة قراءة🧠 قراءة متعمّقة

المؤلف الأصلي: Daiki Shintani, Shigeru Iwase, Jun Oshiki, Kohei Shinohara, Nontawat Charoenphakdee, Makoto Hiramatsu, Yuta Tsuboi, Yusuke Asano, Hirotaka Akita, Yong-Bin Zhuang, So Takamoto, Chikashi Shinagawa

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

في عالم الذرات المجهري، اعتمد العلماء لفترة طويلة على أداة قوية ولكنها ثقيلة تُسمى "نظرية الدالة الوظيفية للكثافة" للتنبؤ بكيفية سلوك المادة. تحسب هذه الطريقة التفاعلات بين كل ذرة في المادة بدقة متناهية، حيث تقوم أساساً بحل المعادلات الميكانيكية الكمومية التي تحكم وجودها. وبينما تعطي هذه الطريقة نتائج تطابق التجارب الواقعية، إلا أنها تتطلب قدرات حوسبة هائلة لدرجة أنها لا تستطيع التعامل إلا مع أنظمة تحتوي على بضعة آلاف من الذرات لفترة زمنية وجيزة. ولدراسة هياكل أكبر، مثل حبة معدن أو قطرة ماء، أو لمراقبة العمليات وهي تتكشف عبر فترات زمنية أطول، احتاج الباحثون إلى طريقة أسرع تعطي نفس مستوى الدقة تقريباً. وقد أدت هذه الحاجة إلى ظهور "إمكانات الذرات المعتمدة على تعلم الآلة"، وهي نماذج حاسوبية يتم تدريبها على البيانات المستمدة من تلك الحسابات الثقيلة. وبمجرد تدريبها، يمكن لهذه النماذج التنبؤ بكيفية حركة الذرات وتفاعلها بسرعة تفوق الطريقة الأصلية بآلاف المرات، مما يسمح للعلماء بمحاكاة أنظمة تحتوي على ملايين الذرات واستكشاف آفاق جديدة واسعة في علم المواد.

لسنوات، كانت هذه النماذج القائمة على تعلم الآلة غالباً متخصصة، حيث صُممت للتعامل فقط مع أنواع محددة من المواد مثل الجزيئات العضوية أو البلورات البسيطة. وقد حدثت قفزة نوعية مع تطوير "Matlantis PFP"، وهو نموذج عالمي مصمم للتعامل مع مجموعة متنوعة من المجالات — من البلورات الصلبة إلى الجزيئات الفردية وطبقات الأسطح — باستخدام نظام واحد موحد. ويمثل الإصدار الأحدث من هذا النموذج، المعروف باسم "PFP v9"، توسعاً كبيراً في قدراته. فقد نجح الباحثون في شركة "Preferred Networks" وشركة "Matlantis Corporation" في تعليم هذا النموذج فهم نطاق أوسع بكثير من الجدول الدوري والترتيبات الفيزيائية الأكثر تعقيداً. ومن خلال تغذية النموذج بمجموعة بيانات جديدة ضخمة تم حسابها باستخدام طريقة دقيقة للغاية تسمى "r2SCAN"، مكنوا النموذج من محاكاة مواد تحتوي على عناصر أرضية نادرة وأكتينيدات ثقيلة، والتي كان من الصعب سابقاً نمذجتها باستخدام هذا النهج المحدد. كما أضافوا بيانات حول كيفية التصاق الجزيئات بالأسطح وكيفية تكتل الذرات معاً، مما سد الثغرات التي حدت من فائدة النموذج في إصداراته السابقة.

يكمن جوهر هذا التقدم في بيانات التدريب. فقد أنتج الباحثون مجموعة جديدة من الحسابات المرجعية باستخدام دالة "r2SCAN"، وهي نهج رياضي متطور يتوافق بشكل جيد جداً مع النتائج التجريبية. في الإصدار السابق من النموذج، كانت هذه المجموعة تغطي 70 عنصراً فقط وتفتقد عائلات كاملة من الذرات، مثل اللانثانيدات، التي تعد ضرورية لتقنيات مثل المغناطيسات والبطاريات. وقد وسع العمل الجديد هذا التغطية لتشمل 96 عنصراً في المجمل، مضيفاً اللانثانيدات من البراسيوديميوم إلى اللوتيتيوم، والعناصر الثقيلة من البولونيوم إلى الكوريوم. وللتعامل مع هذه الذرات المعقدة، اتخذ الفريق قراراً تقنياً محدداً فيما يتعلق بكيفية التعامل مع إلكتروناتهم الداخلية؛ فبالنسبة لللانثانيدات، استخدموا جهوداً "صلبة" تسمح لإلكترونات الـ (f) الداخلية بالمشاركة في الترابط، بدلاً من إبقائها محبوسة في قلب مجمد. كان هذا القرار ضرورياً لوصف كيفية سلوك هذه الذرات في بيئات كيميائية مختلفة، وهو تفصيل دقيق ظل دون حل في الإصدارات السابقة.

مع تدريب النموذج الآن على هذه المجموعة الموسعة والأكثر تنوعاً من البيانات، اختبر الباحثون دقته مقابل القياسات الواقعية. لقد نظروا في طاقات التكوين للبلورات التي تحتوي على العناصر المدعومة حديثاً، وهي مقياسة لكيفية تحرر أو امتصاص الطاقة عند تكون المادة من أجزائها المكونة. وأظهرت النتائج أن تنبؤات النموذج لهذه المواد الجديدة والمعقدة كانت بنفس دقة تنبؤاته للعناصر القديمة والمعروفة. كان الفرق بين حسابات النموذج والقيم التجريبية صغيراً، بمتوسط يبلغ حوالي 93 ميلي إلكترون فولت لكل ذرة، وهو رقم يكاد يتطابق مع معدل الخطأ للعناصر المدعومة سابقاً. وهذا يشير إلى أن النموذج قد نجح في تعلم فيزياء هذه الذرات الصعبة التعامل معها دون أن يفقد دقته.

كما اختبر الفريق قدرة النموذج على التنبؤ بـ "الامتزاز"، وهي العملية التي تلتصق فيها الجزيئات بسطح صلب. ويعد هذا التفاعل حيوياً في مجالات مثل الحفز الكيميائي، حيث تُستخدم الأسطح لتسريع التفاعلات الكيميائية. وقارنوا تنبؤات النموذج لمدى قوة ارتباط الجزيئات المختلفة بأسطح المعادن الانتقالية بقاعدة بيانات من القياسات التجريبية. أدى النموذج أداءً بـخطأ إجمالي مماثل لطريقة "نظرية الدالة الوظيفية للكثافة" القياسية المستخدمة كمرجع. ومع ذلك، لاحظ الباحثون نزعة محددة: فقد بالغ النموذج قليلاً في تقدير قوة الرابطة للجزيئات التي تشكل روابط كيميائية قوية مع السطح، بينما قلل من تقدير قوة الرابطة لتلك التي ترتبط بقوى أضعف. ورغم ذلك، فإن إدراج "تصحيح التشتت"، الذي يأخذ في الاعتبار القوى الجاذبة الضعيفة بين الذرات، جعل التنبؤات للتفاعلات الأضعف أقرب بكثير إلى الواقع التجريبي.

بعيداً عن الدقة، تعد السرعة العملية للنموذج سمة مميزة لهذا العمل. فقد قارن الباحثون بين "PFP v9" ونموذج عام آخر تم تدريبه على بيانات مماثلة، يُعرف باسم "SevenNet-Omni"، مع تشغيل كليهما على نفس النوع من معالجات الرسوميات عالية الأداء. وكانت النتائج مذهلة؛ إذ استطاع النموذج الجديد التعامل مع أنظمة تحتوي على خمس إلى عشر مرات أكثر من الذرات مقارنة بالمنافس قبل نفاد الذاكرة. علاوة على ذلك، عند حساب القوى التي تحرك الحركة الذرية، كان النموذج الجديد أسرع بثلاث إلى أربع مرات. فبالنسبة لنظام من الماء السائل، على سبيل المثال، استطاع النموذج محاكة عنقود يحتوي على ما يقرب من 118,000 ذرة، بينما استطاع النموذج الآخر إدارة حوالي 12,000 ذرة فقط قبل الوصول إلى حد الذاكرة. هذه القفزة في الكفاءة تعني أن العلماء يمكنهم الآن محاكاة أنظمة أكبر وأكثر تعقيداً، مثل سبائك العناصر الأرضية النادرة أو مركبات الأكتينيدات، بسرعة كانت مستحيلة سابقاً لهذا المستوى من الدقة.

ويخلص المؤلفون إلى أن هذا التوسع يجعل من النموذج أداة متعددة الاستخدامات لمجموعة واسعة من التحديات العلمية، من تصميم مواد جديدة لتخزين الطاقة إلى فهم سلوك الوقود النووي. ومع ذلك، فهم واضحون بشأن حدود ما يمكن للنموذج القيام به حالياً. فبينما يتفوق في وصف الذرات في حالاتها القياسية وعلى الأسطح النظيفة، فإنه لا يزال يواجه صعوبة في بعض السيناريوهات المعقدة، مثل المواد ذات الارتباطات المغناطيسية القوية أو الأنظمة التي تتضمن شحنات كهربائية بعيدة المدى. كما أن النموذج لا يأخذ بعد في الاعتبار تأثيرات المجالات الكهربائية أو سلوك العيوب المشحونة بطريقة تسمح له بمحاكاة الإلكتروليتات أو الواجهات المكهربة. وتظل هذه مجالات للتطوير المستقبلي. وفي الوقت الحالي، يمثل هذا العمل خطوة كبيرة للأمام، حيث يوفر طريقة موثوقة وسريعة لاستكشاف خصائص مساحة واسعة من الجدول الدوري كانت في السابق بعيدة المنال بالنسبة لنماذج تعلم الآلة العالمية.

غارق في أبحاث مجالك؟

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

جرّب Digest →