Literature Derived Polypropylene Mechanical Property Data for an Automotive Material Development Case Study Using a Quality Controlled Open Access Extraction Framework

لطالما وعد العلم بمستقبل تُصمم فيه المواد الجديدة بواسطة الحواسيب، حيث تغربل محيطات شاسعة من البيانات للعثور على المزيج المثالي من القوة والوزن والمرونة. لعقود من الزمن، اعتقد الباحثون أن الإجابات كانت مكتوبة بالفعل، ومبعثرة عبر ملايين الأوراق العلمية. لم يكن التحدي يكمن في نقص المعلومات، بل في صعوبة تحويل تلك الأوصاف المكتوبة إلى تنسيق يمكن للحاسوب استخدامه فعلياً. فبينما يمكن لعالم يقرأ ورقة بحثية أن يربط بسهولة بين وصفة بلاستيكية معينة ونتيجة اختبار، لا يرى الحاسوب سوى كلمات وأرقام تفتقر إلى السياق. ولبناء آلة يمكنها التعلم من هذه الوثائق، يجب استخراج البيانات بعناية فائقة، مع ربط كل رقم بدقة بالجملة والجدول الذي وُجد فيه، لضمان عدم ضياع القصة الكامنة وراء الرقم.

هذه هي المشكلة الدقيقة التي عالجها فريق من الباحثين في جامعة سيتشيني إستفان (Széchenyi Istvan University)، الذين سعوا لبناء نظام قادر على تحويل المقالات العلمية المتاحة للوصول الحر إلى قاعدة بيانات موثوقة وقابلة للتتبع في علم المواد. لقد ركزوا جهودهم على مادة البولي بروبيلين، وهو بلاستيك شائع يُستخدم في كل شيء بدءاً من التغليف وصولاً إلى أجزاء السيارات، وبالتحديد للبحث عن بيانات حول كيفية تغيير إضافة مكونات مختلفة لقوته الميكانيكية. لم يطلب الباحثون من الحاسوب مجرد قراءة الأوراق وتخمين الإجابات، بل صمموا سير عمل متعدد الطبقات يعمل كمرشح صارم. أولاً، يجد النظام الوثائق ويحولها من تنسيق PDF الأصلي إلى نص رقمي مهيكل. بعد ذلك، يقوم بتقسيم هذه النصوص إلى نوافذ أدلة صغيرة يمكن إدارتها. وأخيراً، يستخدم الذكاء الاصطناعي لتحديد نقاط البيانات المحتملة، ولكن مع لمسة حاسمة: النظام مصمم للاعتراف عندما يكون غير متأكد. فهو يفصل بين الدليل الخام الموجود في النص وبين أفضل تخمين للحاسوب لما يعنيه ذلك الدليل، مما يخلق مساراً واضحاً للخبراء البشريين لمراجعة النتائج الأكثر واعدة.

اختبر الفريق هذا الإطار من خلال معالجة مائة ورقة علمية صحيحة حول البولي بروبيلين. نجح النظام في تحويل هذه الوثائق إلى آلاف نوافذ الأدلة الصغيرة، ملتقطاً الأقسام المحددة التي نوقشت فيها البيانات. ومن هذا المجمع الضخم، أنتج الحاسوب ما يقرب من تسعمائة سجل مرشح، يمثل كل منها رابطاً محتملاً بين وصفة مادة وخصائص مقاسة. ومع ذلك، فإن القيمة الحقيقية للدراسة لا تكمكن في كمية البيانات التي وجدها، بل في مدى صرامة حكمه على تلك البيانات. فعند تطبيق الجولة الأولى من الفحوصات الآلية، احتفظ النظام بـ 84 مرشحاً فقط كأرقام عالية الجودة، وحدد 66 للمراجعة البشرية، ورفض الـ 749 المتبقية. وأكد فحص ثانٍ أكثر تفصيلاً أن الغالبية العظمى من المرشحين الأوليين كانت تفتقر إلى التفاصيل الحرجة، مثل الكمية المحددة لمادة مضافة أو الظروف الدقيقة التي أُجري فيها الاختبار. وفي النهاية، احتوى 91 فقط من أصل المرشحين الأصليين على جميع المعلومات اللازمة بتنسيق مكتمل تركيبياً، بينما احتفظت سياسة أكثر صرامة تتطلب دعماً متزامناً لكل من المغيرات، والحمل، والخاصية، والقيمة، والوحدة، وعلاقة التركيبة بالخاصية، بـ 76 مرشحاً فقط.

وجد الباحثون أنه بينما يعد العثور على الوثائق الصحيحة والحفاظ على أصلها أمراً مباشراً نسبياً، فإن إعادة بناء القصة الكاملة لتجربة مادية أمر صعب للغاية. فقد عانى النظام غالباً من ربط رقم معين بالوصفة الصحيحة لأن المعلومات كانت مبعثرة عبر أجزاء مختلفة من الجدول أو مخبأة في الحواشي السفلية. على سبيل المثال، قد يسرد جدول ما قيمة قوة دون ذكر الخليط المحدد من البلاستيك والألياف الذي أنتجها مباشرة، مما يتطلب من القارئ العودة إلى رؤوس الأعمدة أو النص المحيط. وأظهرت الدراسة أنه حتى نماذج الذكاء الاصطناعي المتقدمة، عندما طُلب منها استخراج هذه المعلومات، كثيراً ما اضطرت للاعتراف بأنها لا تستطيع العثيد رابطاً واضحاً. وفي فحص محدد، حدد النظام أن العلاقة بين التركيبة والخاصية لم تكن صريحة في أكثر من 400 مرشح، وفي أكثر من 300 حالة، كانت كمية المادة المضافة مفقودة ببساطة. وهذه الفجوات تعني أن الحاسوب لا يمكنه التعامل مع تلك السجلات بثقة كبيانات جاهزة للتحليل.

رغم هذه التحديات، أثبت الإطار جدارته من خلال إنشاء بنية تحتية شفافة حيث تظل كل قطعة من البيانات متصلة بمصدرها. وقد بنى الباحثون طريقتين مختلفتين للوصب إلى هذه المعلومات؛ تسمح إحدى الطريقتين للمستخدمين بالبحث عبر نوافذ الأدلة الخام، ورؤية من أين جاء الرقم بالضبط في النص الأصلي. أما الطريقة الأخرى فتنشئ "ويكي" مضغوطاً للحقائق، وهو فهرس أصغر وأسرع يلخص ما تعلمه المشروع حتى الآن عن فئات المواد المتكررة والفجوات غير المحلولة. يضمن هذا النهج المزدوج أنه بينما يمكن للنظام توجيه الباحثين بسرعة نحو الأوراق ذات الصلة، فإنه لا يخفي الدليل الأساسي أبداً. وتذكر الدراسة صراحة أن النتائج ليست مجموعة بيانات نهائية ومثالية جاهزة للاستخدام الصناعي الفوري، بل هي أداة فحص متطورة. لقد نجحت في تحديد عائلات تركيبات البلاستيك التي تستحق مزيداً من البحث، لكنها تتوقف قبل تقديم توصيات نهائية لأجزاء السيارات أو التطبيقات الأخرى.

الهدف النهائي من هذا العمل هو نقل عبء جمع البيانات من مهمة يدوية عرضة للخطأ إلى عملية مهيكلة وقابلة للتدقيق. ومن خلال فصل الدليل الخام عن المرشحين الذين أنشأهم الجهاز، يسمح النظام للخبراء البشريين بالتركيز على السجلات الأكثر شكاً والأكثر قيمة. لقد أثبت الباحثون أنه مع وجود ضوابط الجودة المناسبة، من الممكن تحويل مجموعة فوضوية من الأوراق العلمية إلى خريطة معرفية قابلة للتنقل. ووجدوا أنه بينما يمكن للحاسوب القيام بالعمل الشاق المتمثل في العثور على النص وتنظيمه، فإن الخطوة الأخيرة المتمثلة في التأكد من أن خاصية معينة تنتمي إلى وصفة مادية محددة لا تزال تتطلب حكماً بشرياً. وتخلص الدراسة إلى أن الطريق إلى الأمام ليس مجرد تحميل المزيد من الأوراق، بل بناء مجموعات مرجعية تم التحقق منها من قبل الخبراء لتعليم النظام التعرف على هذه العلاقات المعقدة بدقة أكبر. وحتى يحدث ذلك، يعمل النظام كدليل قوي، يوجه العلماء نحو الروابط الأكثر واعدة مع الحفاظ على سجل واضح لما هو معروف، وما هو مشكوك فيه، وما يزال قيد الاكتشاف.