لمئات السنين، اعتمد البشر على التجربة والخطأ في اكتشاف المواد الجديدة، أو الحظ والصدفة. الآن، يستخدم العلماء الذكاء الاصطناعي لتسريع العملية.
مؤخراً، استخدم الباحثون في جامعة نورث وسترنغ الذكاء الاصطناعي لمعرفة كيفية صنع هجينين من الزجاج المعدني بمعدل أسرع 200 مرة من إجراء تجارب في المختبر. ويقوم علماء آخرون ببناء قواعد بيانات لآلاف المركبات حتى تتمكن الخوارزميات من التنبؤ بالعناصر التي يمكن أن تتجمع لتشكل مواد جديدة مثيرة للاهتمام. آخرون يستخدمون الذكاء الاصطناعي في الأبحاث المنشورة عن "الوصفات" لتكوين هذه المواد الجديدة غير المكتشفة، حسب تقرير لموقع The Verge.
كيف اكتشفت المواد قبل الذكاء الاصطناعي؟
في الماضي، كان العلماء والكيميائيون يخلطون المواد معاً لمعرفة ما يمكن أن تشكله. هكذا تم اكتشاف الأسمنت على سبيل المثال. ومع مرور الوقت، تعلموا الخصائص الفيزيائية لمركبات مختلفة، لكن الكثير من المعرفة كانت لا تزال تعتمد على الحدس. يقول جيمس وارن، مدير مبادرة "جينوم المواد" في المعهد الوطني للمعايير والتقنية الأمريكي، "إذا سألت لماذا كان الفولاذ الياباني أفضل في صناعة السكاكين، فلا أعتقد أن أحداً قد أخبركم".
ومنذ العام 2011، عندما اكتشف العنصران رقم 114 و116 في الجدول الدوري، لم تتم إضافة أي عناصر جديدة، حتى العام الحالي، إذ أعلن علماء في الولايات المتحدة وروسيا واليابان عن اكتشاف أربعة عناصر جديدة فائقة الثقل في المعمل، وأضيفت المواد فائقة الثقل الجديدة إلى الصف السابع من الجدول الدوري. وبسبب ثقلها، فإنها لا يمكن أن تتواجد إلا لأجزاء من الثانية، قبل أن تتحلل.
الآن، بدلاً من استخدام المعرفة الحرفية، يمكننا استخدام قواعد البيانات والحسابات لوضع خريطة سريعة لما يجعل المادة أكثر قوة أو أقل – وسيحدث ذلك ثورة في الصناعة وفقاً لوارن. وسيوفر وقتاً وجهداً هائلاً بالنظر لأن اكتشاف مادة ودمجها في منتج مثل البطارية يمكن أن يستغرق عقدين من الزمان، لكن تسريع العملية يقودنا إلى بطاريات وزجاجات أفضل للهواتف المحمولة وسبائك أفضل للصواريخ ، أفضل مواد لأجهزة الصحة والعلاج. يقول وارن: "أي شيء مصنوع من المادة، يمكننا تحسينه".
فكر بوصفات المواد الجديدة مثل وصفات الطبخ
لفهم كيفية صنع المواد الجديدة، من المفيد التفكير في المواد مثل الطباخ، وفقاً لوارن. لنفترض أن لديك بيضاً، وأنك تريد عمل طبق معين مطاطي وثابت مثلاً. تلك هي خصائص الطبق الذي تريده، لكن كيف تصنعه؟
لإنشاء بنية يكون فيها البيض والصفار صلبان، تحتاج إلى وصفة تحتوي على تعليمات خطوة بخطوة لمعالجة البيضة – التي تحتوي على مادة صلبة – بالطريقة التي تريدها، ويستخدم علم المواد هذه المفاهيم نفسها: إذا أراد أحد العلماء خصائص معينة للمادة (مثل الصلب الذي يصعب كسره) ، فسيبحث عن المكونات الفيزيائية والكيميائية التي من شأنها أن تخلق هذه الخصائص، والعمليات – مثل ذوبان المعادن أو خلطها – من شأنه أن يخلق هذه المادة.
يمكن لقواعد البيانات والحسابات المساعدة في العثور على إجابات. "نقوم بإجراء حسابات على مستوى ميكانيكي من المواد، والحسابات متطورة بما فيه الكفاية بحيث يمكننا بالفعل التنبؤ بخصائص جديدة محتملة يقول كريس وولفيرتون، عالم المواد في جامعة نورث وسترن، الذي يدير قاعدة بيانات المواد الكمومية المفتوحة: "إن المواد الموجودة على الكمبيوتر قبل أن يتم تصنيعها في أي مختبر". ورغم أن قواعد البيانات ليست كاملة، لكنها تنمو، وتقدم لنا بالفعل اكتشافات مثيرة.
تكوين مادة جديدة مثل تعلم لغة جديدة
يشبه أسلوب الذكاء الاصطناعى الذي استخدموه الطرق التي يتعلم بها الناس لغة جديدة، كما يقول المؤلف المشارك في الدراسة، أبورفا ميهتا، وهو عالم في مختبر التعجيل الوطني في جامعة ستانفورد. إحدى الطرق لتعلم اللغة هي الجلوس وحفظ جميع قواعد القواعد. يقول ميهتا: "لكن هناك طريقة أخرى للتعلم هي فقط عن طريق التجربة والاستماع إلى شخص آخر يتحدث". كان نهجهم مزيجاً. أولاً، نظر الباحثون من خلال الأوراق المنشورة للعثور على أكبر قدر ممكن من البيانات حول كيفية صنع أنواع مختلفة من النظارات المعدنية. بعد ذلك، قاموا بتغذية "قواعد البيانات" في خوارزمية تعلم الآلة. لاحقاً، تعلمت الخوارزمية إجراء تنبؤاتها الخاصة بمزيج من العناصر التي من شأنها أن تخلق شكلاً جديداً من الزجاج المعدني – على غرار الطريقة التي يستطيع بها شخص ما تحسين لغته الفرنسية عن طريق الذهاب إلى فرنسا بدلاً من حفظ مخططات الكلمات إلى ما لا نهاية. ثم اختبر فريق ميهتا اقتراحات النظام في التجارب المعملية.
يمكن للعلماء تجميع واختبار آلاف المواد في وقت واحد. ولكن حتى بهذه السرعة، ستكون مضيعة للوقت لأن تجربة كل مجموعة ستكون مرهقة. يقول ولفيرتون: "لا يمكنهم فقط إلقاء الجدول الدوري كله في أجهزتهم، لذا فإن دور الذكاء الاصطناعي هو" اقتراح بعض نقاط البدء. "لم تكن العملية مثالية، وبعض الاقتراحات – مثل النسبة الدقيقة للعناصر المطلوبة – كانت متوقفة، لكن العلماء كانوا قادرين على تشكيل نظارات معدنية جديدة. بالإضافة إلى ذلك، فإن إجراء التجارب يعني أن لديهم الآن مزيداً من البيانات لإدخالها في الخوارزمية حتى تزداد ذكاءً في كل مرة.
قواعد بيانات المواد والذكاء الاصطناعي يعملان سوياً
استخدمت نيقولا مارزاري، وهي باحثة في مدرسة الفنون التطبيقية السويسرية في لوزان، قواعد بيانات للعثور على مواد ثلاثية الأبعاد يمكن تقشيرها لإنشاء مواد ثنائية الأبعاد من طبقة واحدة فقط. وأحد الأمثلة على ذلك هو الجرافين الذي يتفوق كثيراً، والذي يتكون من ورقة واحدة من الجرافيت، والمادة الموجودة في قلم رصاص. مثل الجرافين، يمكن أن تحتوي هذه المواد ثنائية الأبعاد على خصائص استثنائية، مثل القوة، التي لا تمتلكها في شكلها الثلاثي الأبعاد.
كان لدى فريق مارزاري خوارزمية تقوم بتدقيق المعلومات من عدة قواعد بيانات. وبدءاً من أكثر من 100 ألف مادة، توصلت الخوارزمية في النهاية إلى حوالي 2000 مادة يمكن تقشيرها في طبقة واحدة، وفقًا لما نشرته مارزاري الشهر الماضي في دورية Nature Nanotechnology . تقول مارزاري إن هذه المواد هي "كنز دفين" لأن الكثير منها يمتلك خصائص يمكن أن تحسّن من الإلكترونيات. فبعضها يدير الكهرباء بشكل جيد للغاية، وبعضها يستطيع تحويل الحرارة إلى ماء، وبعضها يمتص الطاقة من الشمس: قد تكون مفيدة لأشباه الموصلات في أجهزة الكمبيوتر أو البطاريات، وبالتالي فإن الخطوة التالية هي التحقيق في هذه الخصائص المحتملة عن كثب.
والذكاء الاصطناعي يمكن أن يختصر الطريق: إذ يمكن للعلماء أن يخبروا الذكاء الاصطناعي بما يريدون إنشاءه – مثل مادة فائقة السرعة – وسوف يخبر الذكاء الاصطناعي العلماء بأفضل خيارات لتجربتها ولتشغيلها لصنع المادة الجديدة.
هذه هي الطريقة التي استخدمها ولفيرتون وفريقه في نورث وسترن للذكاء الاصطناعي في ورقة نُشرت هذا الشهر في Science Advances . كان الباحثون مهتمين بصنع نظارات معدنية جديدة، أقوى وأقل صلابة من المعادن أو الزجاج، ويمكنها في يوم من الأيام تحسين الهواتف والمركبات الفضائية.
يبدو مستقبل الذكاء الاصطناعي وعلم المواد واعداً، لكن لا تزال هناك تحديات فأجهزة الحاسب لا تستطيع ببساطة التنبؤ بكل شيء، كما أننا لا نملك حتى الآن بيانات كافية عن كل مركب مما يعني أن الخوارزميات الذكية لديها نقص بالبيانات.