From Black Boxes to Formulas: Interpretable Kolmogorov-Arnold Networks for HF-3c-to-DFT Descriptor Prediction

في عالم الكيمياء، غالبًا ما يواجه العلماء خيارًا صعبًا بين السرعة والدقة. ولفهم كيفية سلوك الجزيئات، يعتمدون على محاكاة حاسوبية قوية تعتمد على طريقة تسمى "نظرية وظيفية الكثافة". هذا النهج يشبه مجهرًا عالي الدقة؛ فهو يكشف عن التفاصيل المعقدة لطاقة الجزيئات وبنيتها الإلكترونية بدقة كبيرة. ومع ذلك، فإن تشغيل هذه المحاكاة مكلف للغاية من حيث القدرة الحوسبية، خاصة عند دراسة تجمعات جزيئية ضخمة ومعقدة، وغالبًا ما تكون بطيئة جدًا بحيث لا يمكن استخدامها لفحص آلاف المواد المحتملة. ولحل هذه المشكلة، يلجأ الباحثون كثيرًا إلى طريقة أسرع وأرخص توفر رسمًا تخطيطيًا تقريبيًا لخصائص الجزيء. ويكمن التحدي دائمًا في كيفية تحويل ذلك الرسم التخطيطي التقريبي إلى صورة عالية الدقة بشكل موثوق دون الحاجة إلى تشغيل المحاكاة المكلفة في كل مرة.

لقد وجد فريق من الباحثين في جامعة "إيتمو" (ITMO) طريقة جديدة لسد هذه الفجوة، بالابتعاد عن النماذج الحاسوبية المعقدة والمبهمة نحو قواعد رياضية بسيطة وشفافة. فقد ركزوا على مجموعة محددة تضم أكثر من ألف بنية جزيئية حلقية الشكل. ولكل بنية، كان لديهم مجموعتان من البيانات: التقديرات السريعة ومنخفضة التكلفة، والقيم البطيئة وعالية الدقة. كان هدفهم هو تعليم الكمبيوتر كيفية تعلم التصحيح الدقيق اللازم لتحويل الأرقام الرخيصة إلى الأرقام المكلفة. وبدلاً من استخدام الشبكات العصبية الضخمة والمعقدة التي أصبحت معيارًا في هذا المجال — والتي تُوصف غالبًا بأنها "صناديق سوداء" لأن منطقها الداخلي مستحيل القراءة على البشر — استخدم الباحثون نوعًا أحدث من الشبكات يسمى "شبكة كولموغوروف-أرنولد". ويختلف هذا التصميم لأنه يبني تنبؤاته باستخدام دوال بسيطة أحادية المتغير يمكن تتبعها وفهمها بسهولة.

كانت النتائج مذهلة. فقد تفوقت الشبكة الجديدة، التي لم تحتوي إلا على بضع مئات من الإعدادات القابلة للضبط، على عشرة نماذج أخرى راسخة، بما في ذلك الأنظمة القائمة على الأشجار والشبكات العصبية العميقة، في كل خاصية اختبروها. وشملت هذه الخصائص طاقة الجزيئات، والإنتروبيا (مقياس للاضطراب)، وعزوم ثنائية القطب الكهربائية، والفجوة بين أعلى وأدنى مستويات الطاقة لديها. والأهم من ذلك، أن الباحثين لم يحصلوا فقط على أرقم أفضل، بل حصلوا أيضًا على تفسير واضح لسبب نجاح تلك الأرقام. فمن خلال تحليل الشبكة المدربة، اكتشفوا أن العلاقة بين التقديرات الرخيصة والقيم الدقيقة كانت أبسط بكثير مما افترضه الجميع. فبالنسبة لثلاث من الخصائص المتعلقة بالطاقة، انهار التصحيح المعقد بأكمله في قاعدة واحدة بسيطة: القيمة الدقيقة هي ببساطة القيمة الرخيصة مضروبة في عامل ضئيل ومزاحة بمقدار ثابت. وهذا يعني أنه بالنسبة لهذه الطاقات، فإن الفرق بين الطريقة السريعة والبطيئة هو في الأساس مسألة قياس موحد، وليس تشوهًا فوضويًا وغير متوقع.

كما كشفت الدراسة أن التصحيح لمعظم الخصائص يعتمد بشكل شبه كامل على القياس الرخيص المقابل له. فعلى سبيل المثال، تعتمد قيمة الإنتروبيا الدقيقة بشكل حصري تقريبًا على الإنتر_تروبيا الرخيصة، وتعتمد الفجوة الكهربائية الدقيقة على الفجوة الرخيصة. لقد تعلمت الشبكة أنها ليست بحاجة إلى خلط ومطابقة أنواع مختلفة من البيانات لإجراء تنبؤ دقيق، بل تحتاج فقط إلى تعديل الرقم المحدد الذي أُعطيت إياه. ويشير هذا الاكتشاف إلى أن الإشارة المطلوبة لترقية البيانات الرخيصة موجودة بالفعل داخل البيانات نفسها، بانتظار استخراجها بواسطة الصيغة البسيطة المناسبة. وبينما تطلبت خاصيتان، وهما الفجوة الكهربائية وعزم ثنائي القطب، قواعد أكثر تعقيدًا قليلاً لالتقاط سلوكهما، تمكن الباحثون مع ذلك من تلخيص منطق الشبكة في معادلات قصيرة وقابلة للقراءة يمكن لأي شخص كتابتها على ورقة.

يمثل هذا العمل تحولًا كبيرًا في كيفية تعامل العلماء مع التعلم الآلي في الكيمياء. فهو يثبت أن الدقة العالية لا تتطلب "صندوقًا أسود". فمن خلال استخدام بنية شبكة مصممة لتكون قابلة للتفسير، أظهر الباحثون أنه يمكنهم مضاهاة أداء النماذج الأكثر تطورًا مع إنتاج نتائج قابلة للتدقيق والنقل. لقد استُبدلت الطبقات المعقدة والخفية للشبكة العصبية التقليدية بمجموعة من العلاقات الخطية الواضحة وبعض التعديلات الصغيرة. وهذا يعني أنه في المستقبل، قد لا يحتاج الكيميائيون إلى الاعتماد على برامج حاسوبية ضخمة وغير قابلة للتفسير للحصول على بيانات عالية الجودة؛ بل يمكنهم استخدام هذه الصيغ الشفافة لتقدير سلوك الهياكل الجزيئية الجديدة بسرعة وثقة، مع معرفة كيفية اشتقاق الحساب بدقة ولماذا يعمل. وتؤكد الدراسة أنه بالنسبة لهذه الفئة المحددة من الحلقات الجزيئية، فإن المسار من التقدير التقريبي إلى القيمة الدقيقة ليس لغزًا، بل هو خط رياضي مباشر.