التعلّم العميق يدير تفاعلات جزيئية ذاتية بانتقائية على رابطة واحدة في البورفيرينات الرباعية البروم على Au(111)

تعليم الآلات تعديل الجزيئات رابطةً تلو الأخرى

لطالما حلم الكيميائيون بتوجيه التفاعلات بدقة صانع الساعات، بحيث يتم تغيير رابطة واحدة تمامًا في جزيء واحد عند الطلب. تُظهر هذه الدراسة كيف يمكن للذكاء الاصطناعي أن يخطو خطوة كبيرة نحو هذا الحلم: نظام يتحكّم به الحاسوب يكتشف جزيئات فردية على سطح ويكسر روابط كيميائية مختارة بمفرده، دون تدخل بشري مباشر. هذا المستوى من التحكم قد يتيح في النهاية «كتابة» مواد جديدة ذرةً بذرة واستكشاف تراكيب جزيئية غريبة لا تستطيع كيمياء أنبوب الاختبار العادية الوصول إليها بسهولة.

لماذا تهم الروابط الفردية

تحدث معظم التفاعلات الكيميائية على نطاق واسع: عدد لا يحصى من الجزيئات تتصادم وتعيد ترتيبها وفق قواعد عامة للديناميكا الحرارية والحركية. وعلى الرغم من أن هذا مناسب لتطبيقات عديدة، إلا أنه يشبه النحت على الرخام بالمطرقة بدلاً من الإزميل الدقيق. إذا استطاع العلماء اختيار رابطة واحدة في جزيء واحد وتقرير ما إذا كانت تبقى أم تنكسر، فيمكنهم بناء أنماط جزيئية مخصّصة للإلكترونيات المتقدمة، والأجهزة الكمومية، والتخزين الكثيف للبيانات. تتيح مجاهر النفاذية النفقية الماسحة (STM) للخبراء بالفعل تصوير وتلمّس جزيئات مفردة على السطوح المعدنية بدقة ذرية، لكن تنفيذ هذه التفاعلات حتى الآن اعتمد على حدس وصبر الإنسان، مما قيّد القابلية للتكرار، والتوسع، والبرمجة للعملية.

تحويل المِجهر إلى مختبر ذاتي القيادة

حوّل المؤلفون مِجهر STM تقليدي إلى نوع من المختبر الكيميائي الذاتي القيادة عبر تكديس أدوات تعلم عميق متعددة فوق الجهاز. أولاً، يفحص وحدة رؤية حاسوبية مساحات واسعة من سطح الذهب لتكتشف تلقائيًا الجزيئات المعزولة المستهدفة، ثم تقرب الصورة لإظهار التفاصيل. تقوم شبكات عصبية إضافية بتتبع محيط كل جزيء، وتحديد اتجاهه، وفحص أربعة زوايا محددة تجلس فيها ذرّات البروم. من خلال تحليل رقع صور صغيرة عند هذه الزوايا، يقرر النظام ما إذا كان كل ذرة بروم ما تزال مرتبطة أم أُزيلت في خطوة سابقة، مع تتبّع حالة الجزيء «رابطةً برابطة» دون حاجة لمشغّل بشري لتفسير الصور.

وكلاء ذكاء اصطناعي يتعلّمون كيف يكسرون الروابط

بمجرد التعرف على الجزيء ومعرفة حالته الحالية، يختار وكيل تعلّم تعزيزي كيفية التصرف. يعامل كل محاولة لكسر رابطة كحركة في لعبة معقّدة، حيث تمثل موضع طرف المِجهر، والفولتية، والتيّار حركاته، والتغير الجزيئي الناتج هو التغذية الراجعة. يرمز النظام إلى حالات الروابط الأربع بنمط بسيط من أربعة بتات ويضيف رمزًا للمسار العام الذي يهدف إلى اتباعه. باستخدام خوارزمية حديثة تُسمى المُمَثّل اللطيف-الناقد (soft actor-critic)، يتعلّم الوكيل تدريجيًا أي تراكيب من مواضع الطرف ونبضات كهربائية تؤدي إلى كسر نظيف لرابطة كربون–بروم واحدة، وأيها لا يحدث شيئًا، وأيّها يتلف الجزيء أو يسبّب تفاعلات مفرطة. هناك نافذة ضيّقة آمنة وفعّالة، وفي بدايات التدريب تفشل أغلب المحاولات، لكن عبر إعادة تشغيل وتعزيز تجاربه، ومن ضمن ذلك الاستفادة من التماثل الرباعي للجزيء، يتقارب الوكيل على استراتيجيّات موثوقة.

برمجة رحلات جزيئية متعددة الخطوات

بعد نحو يوم ونصف من التدريب المستمر عبر مئات محاولات التفاعل، يستطيع النظام تنفيذ مسارات تفاعلية متعددة الخطوات مصممة سلفًا بنجاح ملحوظ. الجزيء النموذجي، بورفيرين رباعي البروم على سطح ذهبي، يبدأ بأربعة أطراف متكافئة حاملة للبروم. يُطلَب من الذكاء الاصطناعي اتباع أنماط مختلفة متسلسلة لإزالة الروابط — مثل تسلسلات «متعامدة» أو «متموجة» — يمر كل منها بشكل عبر أشكال وسيطة مميزة قبل أن ينتهي بجزيء مُزال البروم تمامًا وأربع ذرات بروم حرة على السطح. لكل خطوة، يختار الوكيل تلقائيًا أين يضع الطرف، وما مدى شدة نبضة الفولتية التي يطبقها، وكمية التيار، يتحقق من النتيجة عبر نظام الرؤية لديه، ثم يقرر ما التالي. مع الوقت يكتشف أن الفولتيات الأعلى تصبح ضرورية مع إزالة المزيد من ذرات البروم وأن وضع الطرف مباشرة فوق الرابطة المستهدفة يزيد من فرصة النجاح.

من أحداث فردية إلى تصنيع ذرّي مستقبلي

يُظهر الباحثون في النهاية أن منصتهم يمكن أن تُرشد الجزيء مرارًا عبر أربعة مسارات تفاعلية مميزة مع الحفاظ على انتقائية رابطة واحدة، محققة معدلات نجاح تتحسّن خطوة بخطوة وتبلغ نحو 80% في مرحلة كسر الرابطة النهائية. وعلى نفس القدر من الأهمية، يتكيّف النظام عندما يتغيّر شكل الطرف المجهرية أو سلوكه، فيتعلم بسرعة الإعدادات الأفضل بدلاً من التوقف. لغير المتخصص، الرسالة الأساسية هي أن المِجهر لم يعد مجرد مُشاهِد سلبي بل أداة نشطة متعلّمة: يمكنه العثور على الجزيئات، وتحديد أي رابطة يكسر، وتطبيق الدفع المناسب، والتحقق من النتيجة من دون مساعدة بشرية. هذا المزج بين أدوات دقيقة وتحكّم بالذكاء الاصطناعي يشير إلى مستقبل يمكن فيه للعلماء برمجة مهام تصنيع معقّدة ذات دقة ذرية، مستخدمين وكلاء برمجيات لبناء واستكشاف تراكيب جزيئية مخصّصة تكاد تكون مستحيلة الصنع يدويًا.

الاستشهاد: Zhu, Z., Huang, Q., Yang, T. et al. Deep learning drives autonomous molecular reactions with single-bond selectivity in tetra-brominated porphyrins on Au(111). Nat Commun 17, 2348 (2026). https://doi.org/10.1038/s41467-026-69080-1

الكلمات المفتاحية: كيمياء مستقلة, تفاعلات جزيئية أحادية الجزيء, مجهري النفاذية النفقية الماسح, التعلّم التعزيزي العميق, تخليق على السطح