Topology-aware AI for porous materials: from structural representation to counterfactual testing and inverse design

تُعد المواد المسامية أبطالاً مجهولين في التكنولوجيا الحديثة، فهي تعمل كإسفنجات مجهرية تجعل كل شيء، من فلاتر تنقية المياه إلى البطاريات الفعالة، يعمل بكفاءة. تُعرف هذه المواد ليس فقط بما تتكون منه، بل بالفراغات الموجودة بداخلها. تخيل صخرة تتكون معظمها من ثقوب؛ حجم تلك الثقوب مهم، ولكن طريقة اتصالها ببعضها البعض مهمة أيضاً. هل هي مثل ممر مستقيم، أم متاهة متشابكة، أم سلسلة من الغرف المسدودة؟ لعقود من الزمن، اعتمد العلماء الذين يحاولون تصميم مواد أفضل على أرقام بسيطة لوصف هذه المساحات، مثل إجمالي المساحة الفارغة أو متوسط حجم الثقوب. هذه الأرقام سهلة القياس وسهلة الاستخدام في البرامج الحاسوبية، لكنها لا تروي سوى نصف القصة. يمكن لمادتين أن تمتلكا نفس مقدار المساحة الفارغة ونفس متوسط حجم الثقوب تماماً، ومع ذلك تتصرفان بشكل مختلف تماماً لأن إحداهما تمتلك شبكة متصلة من المسارات بينما الأخرى مليئة بالجيوب المعزولة حيث تعلق الجزيئات.

هذه الفجوة بين الأرقام البسيطة والواقع المعقد لكيفية حركة الأشياء عبر المادة هي محور منظور جديد لـ هنري آر. إن. بي. إينينفيل، وهو باحث في جامعة لايبزيغ. يجادل البحث بأن مجال الذكاء الاصطناعي، الذي أصبح أداة قوية لاكتشاف مواد جديدة، قد اصطدم بحائط مسدود. فبينما تصبح الحواسيب أفضل في التنبؤ بكيفية أداء المادة، فإنها غالباً ما تنجح عن طريق حفظ الأنماط البسيطة بدلاً من الفهم الحقيقي للهندسة الخفية للمسام. يقترح المؤلف أننا بحاجة إلى طريقة جديدة لاختبار هذه النماذج الحاسوبية لضمان أنها تعلمت بالفعل كيفية اتصال المسارات الداخلية، بدلاً من مجرد التخمين بناءً على الإحصائيات السطحية. والحل المقترح هو اختبار جهد صارم باستخدام ما يسمى بـ "التوائم الطوبولوجية المضادة للواقع".

الفكرة الأساسية وراء هذه التوائم هي إنشاء أزواج من المواد تبدو متطابقة لبرنامج حاسوبي قياسي ولكنها تختلف سراً في أسلاكها الداخلية. في بيئة واقعية، قد يتضمن ذلك أخذ عينتين لهما نفس مساحة السطح، وحجم المسام، والتركيب الكيميائي، ولكن حيث تمتلك إحدى العيناتتين شبكة عالية الاتصال من القنوات بينما تحتوي الأخرى على العديد من النهايات المسدودة. نموذج الحاسوب الذي تعلم الاعتماد فقط على الأرقام البسيطة سيرى هاتين العينتين كأنهما متطابقتان وسيتنبأ بأنهما ستتصرفان بشكل متماثل. ومع ذلك، فإن النموذج الذي تعلم حقاً عن الاتصال يجب أن يكون قادراً على تمييز الفرق والتنبؤ بأن المادة ذات المسارات المتصلة ستسمح للسوائل أو الغازات بالتحرك من خلالها بسرعة أكبر بك jauh. ومن خلال اختبار ما إذا كان الذكاء الاصطناعي يستطيع التمييز بين هذه التوائم شبه المتطابقة، يمكن للباحثين أخيراً معرفة ما إذا كان الحاسوب قد تعلم القواعد الهيكلية التي تحكم النقل أم أنه مجرد يقوم بتخمينات محظوظة بناءً على أرقام مألوفة.

يستعرض البحث المشهد الحالي لكيفية تمثيل العلماء لهذه المواد للحواسيب. ويشير إلى أنه بينما انتقلنا من قوائم الأرقام البسيطة إلى طرق أكثر تعقيداً مثل التصوير ثلاثي الأبعاد والتحليل الطوبولوجي — الذي يرسم شكل الفراغات مثل مشهد التلال والوديان — إلا أن أي طريقة منها وحدها لا تضمن فهم النموذج لفيزياء الحركة. يشير المؤلف إلى أن العديد من الدراسات الحالية تظهر ارتباطاً بين هيكل المادة وأدائها، لكن الارتباط ليس دليلاً على الفهم. قد يتنبأ النموذج بنتيجة بدقة ببساطة لأنه تعلم التعرف على نوع معين من التركيب الكيميائي، دون أن يستوعب أبداً كيفية ارتباط المسام. ولإصلاح ذلك، يقترح البحث معياراً جديداً للتحقق يتجاوز الاختبار العشوائي. فبدلاً من مجرد التحقق مما إذا كان النموذج يحصل على الإجابة الصحيحة في مجموعة بيانات قياسية، يجب على العلماء تحدي النموذج بهذه الأزواج التوأم، حيث المتغير الوحيد الذي يتغير هو اتصال المسام.

يتطلب هذا النهج تحولاً في كيفية جمع البيانات ومشاركتها. يقترح المؤلف أن الدراسات المستقبلية لا ينبغي أن تكتفي بالإبلاغ عن مجموعة واحدة من الأرقام للمادة، بل يجب أن تشمل الصور الخام أو النماذج ثلاثية الأبعاد المستخدمة لبنائها، جنباً إلى جنب مع الطرق البديلة التي يمكن بها تفسير تلك الصور. وهذا أمر بالغ الأهمية لأن الطريقة التي يرسم بها العالم خريطة للمسام من صورة مجهرية يمكن أن تغير الشبكة الناتجة. ومن خلال تتبع هذه الاحتمالات المختلفة واختبار النماذج ضدها، يمكن للمجال أن يتحرك نحو تقييم أكثر صدقاً لما تعلمه الذكاء الاصطناعي بالفعل. كما يؤكد البحث أن الهدف من هذا البحث ليس فقط التنبؤ بكيفية سلوك المادة، بل لتصميم مواد جديدة من الصفر في نهاية المطاف. فإذا أمكن الوثوق بالحاسوب لفهم الاتصال، فقد يقترح هيكلاً جديداً يمتلك التوازن المثالي بين المسارات المفتوحة والنهايات المسدودة لوظيفة معينة، مثل تصفية ملوث معين أو تخزين الطاقة بكفاءة أكبر.

إن الطريق إلى الأمام، وفقاً لهذا المنظور، يتضمن حلقة مغلقة من الاكتشاف. سيستخدم العلماء أنواعاً متعددة من القياسات لبناء صورة لهيكل المادة، ثم يستخدمون اختبارات التوأم هذه للتحقق من أن نماذجهم الحاسوبية حساسة للميزات الصحيحة. إذا فشل النموذج في اختبار التوأم، فإن ذلك يكشف أن النموذج يفتقد شيئاً مهماً حول كيفية عمل المادة. هذا الفشل ذو قيمة لأنه يخبر الباحثين بالضبط أين يجب أن يبحثوا بعد ذلك، سواء كان ذلك في الطريقة التي يقيسون بها المادة أو في الطريقة التي يعلمون بها الحاسوب. الهدف النهائي هو تحويل الهندسة الداخلية للمواد المسامية إلى متغير قابل للتصميم، مما يسمح للمهندسين ببناء مواد ذات شبكات داخلية محددة بدلاً من الأمل في العثور عليها بالصدفة.

بينما لا يدعي البحث أن هذه الطريقة قد حلت بالفعل مشكلة تصميم المواد، إلا أنه يقدم خارطة طريق واضحة للوصول إلى هناك. ويقترح أن الجيل القادم من الذكاء الاصطناعي في علم المواد يجب أن يتم تدقيقه ليس فقط على قدرته على التنبؤ بالأرقام، بل على قدرته على الاستنتاج بشأن الهيكل. ومن خلال استخدام هذه التوائم المضادة للواقع، يمكن للمجتمع الفصل بين النماذج التي تفهم حقاً فيزياء المساحات المسامية وتلك التي تكتفي بمجرد مطابقة الأنماط. هذا التمييز حيوي لمستقبل التقنيات التي تعتمد على حركة الجزيئات عبر مساحات ضيقة، مما يضمن أن المواد التي نبنيها ليست سليمة نظرياً فحسب، بل متينة وظيفياً في العالم الحقيقي. إن هذا العمل بمثابة دعوة للعمل للباحثين لتبني معايير اختبار أكثر صرامة، لضمان أن الذكاء الاصطناعي الذي يوجه الموجة القادمة من اكتشاف المواد موثوق بقدر العلم الذي يهدف إلى تسريعه.