إعادة ربط شرائط الخيزران القديمة المتكسرة باستخدام التعلم العميق الموجه بالفيزياء

تجميع ماضٍ محطّم

في أنحاء شرق آسيا، لم تكن العديد من أقدم الكتب مجلدات ورقية، بل شرائط طويلة ورفيعة من الخيزران مغطاة بالحبر. بعد دفنها لأكثر من ألفي عام، تصل العديد من هذه السجلات الهشة إلى علماء الآثار على شكل أكوام مبعثرة من قطع صغيرة. قد يستغرق العمل اليدوي لمعرفة أي قطعة تتصل بأي أخرى أسابيع لمطابقة واحدة فقط. تقدم هذه الدراسة WisePanda، نظام ذكاء اصطناعي جديد موجه بالفيزياء يساعد الباحثين على إعادة ربط هذه الشرائط القديمة بسرعة ودقة أكبر، فاتحًا طريقًا أسرع إلى الكلمات والأفكار التي تحتويها.

لماذا تهم شرائط الخيزران القديمة اليوم

تحفظ شرائط الخيزران كل شيء من القوانين الرسمية والتقارير إلى الفلسفة والتقاويم اليومية من التاريخ الصيني المبكر. وبما أن الخيزران قوي، نجت العديد من الشرائط تحت الأرض مع بقاء الكتابة مرئية. ومع ذلك فقد حطمت الزلازل وضغط التربة والرطوبة والميكروبات العديد من الشرائط إلى آلاف القطع غير المنتظمة. الحواف مشوهة ومآكلة، وغالبًا لا تمتد الأحرف إلى الهوامش المكسورة. نتيجة لذلك، يشبه تطابق الشظايا بالعين حل أحجية قطع ضخمة حيث معظم الصورة الإرشادية مفقود. تكافح الأدوات الحاسوبية التقليدية التي تقارن أشكال المنحنيات لأن أنماط الكسر معقدة للغاية ومهترئة بشدة.

تعليم آلة تتبع الشقوق

بدلاً من مطالبة الحاسوب بالتعلم فقط من أزواج الشظايا القليلة التي طابقها علماء الآثار يدويًا، تبدأ طريقة WisePanda من فيزياء كيفية انكسار الخيزران وتحلله. يقوم المؤلفون بنمذجة الخيزران كألياف عمودية متراصة بإحكام. يحاكون كيف تتسبب القوى الجانبية في امتداد الشقوق عبر هذه الألياف، حزمة تلو الأخرى، متبعين قواعد معروفة في ميكانيكا الكسر. ثم يقلدون قرون الدفن عن طريق «تآكل» النتوءات والنقاط الحادة المكشوفة على الحافة المكسورة بشكل انتقائي، محاكون كيف تأكل الرطوبة والميكروبات المناطق البارزة. من خلال ضبط ماكينة الكسر والتحلل الافتراضية هذه بحيث تشبه حوافها الاصطناعية إحصائيًا الحواف الحقيقية المستخرجة، يمكنهم توليد أعداد هائلة من أزواج الشظايا المطابقة الواقعية دون أي وسم يدوي.

كيف يعمل محرك الترتيب الذكي

تغذي هذه الأزواج المحاكاة شبكة عصبية مصممة لتحديد ما إذا كانت حافتان لشظيتين تنتميان لبعضهما. يتم تبسيط كل حافة إلى ملف منحنى بسيط يعين عند عشرات النقاط، مع إزالة التفاصيل المشتتة مثل اللون أو نسيج السطح. تتعلم الشبكة من ثلاثيات أمثلة: زوج حقيقي ينبغي تقييمه على أنه متشابه وثالث غير مرتبط ينبغي تقييمه على أنه مختلف جدًا. مع الوقت تبني الشبكة إحساسًا داخليًا بما تبدو عليه خطوط الكسر المتطابقة الحقيقية. عند إعطاء شظية حقيقية، تقارن WisePanda حافتها مع جميع الحواف الأخرى في مجموعة وتنتج قائمة مرتبة لأكثر الشركاء وعدًا، محولة البحث بين آلاف المرشحين إلى قائمة قصيرة يمكن للخبراء فحصها بسهولة.

وضع الطريقة قيد الاختبار

قيّم الفريق WisePanda على شظايا رقمية من قبر يعود إلى أسرة هان الغربية في الصين، حيث كانت 118 زوجًا من الشرائط قد أعيد ربطها بعناء من قبل علماء الآثار. في اختبارات كان الشريك الصحيح مخفيًا بين مئات أو أكثر من ألف مرشح، وجدت WisePanda باستمرار المطابقة الصحيحة قرب أعلى اقتراحاتها، متفوقة على مجموعة من خوارزميات مطابقة المنحنيات الكلاسيكية والنماذج التوليدية الحديثة. وحتى عند تطبيقها على شرائح خشبية تختلف فيها الألياف وأنماط التحلل عن الخيزران، قدم النظام إرشادًا مفيدًا، مما يدل على أن الاستراتيجية المبنية على الفيزياء يمكن تكييفها مع مواد أخرى عبر ضبط إضافي.

أدوات جديدة لإنقاذ التراث الثقافي

تُظهر WisePanda كيف يمكن للجمع بين البصيرة الفيزيائية والتعلم العميق أن يكسر عنق الزجاجة الرئيسي في أعمال التراث الثقافي: نقص مجموعات بيانات تدريب كبيرة وموشومة يدويًا. من خلال محاكاة كيفية انكسار وتحلل القطع الأثرية أولًا، ثم تعليم شبكة على هذه البيانات الاصطناعية لكنها واقعية، يقدم المؤلفون أداة عملية يستخدمها علماء الآثار بالفعل لتضييق نطاق بحثهم عن المطابقات. ببساطة، لا يحل النظام محل الخبراء؛ بل يعمل كمساعد ذكي يفلتر كومة القش حتى يتمكن الناس من العثور على الإبر بسرعة أكبر. ومع تطوير طرق مماثلة موجهة بالفيزياء للخزف والخشب والمعدن ومواد أخرى، قد تغيّر هذه الأساليب كيفية إعادة بناء المتاحف والباحثين حول العالم لبقايا ماضينا الهشة المشتركة.

الاستشهاد: Zhu, J., Zhao, Z., Lei, H. et al. Rejoining fragmented ancient bamboo slips with physics-driven deep learning. Nat Commun 17, 3550 (2026). https://doi.org/10.1038/s41467-026-70361-y

الكلمات المفتاحية: شرائط الخيزران, التراث الثقافي, التعلم العميق, إعادة تركيب الشظايا, الذكاء الاصطناعي الملم بالفيزياء