مجموعة بيانات مشروحة عالية الدقة لميكروفاشيا الصخور المرتبطة بـ Girvanella من تكوين Xiannüdong، الصين

الشعاب القديمة تلتقي بالخوارزميات الحديثة

قبل وقت طويل من تكوين الشعاب الاستوائية الحالية على يد المرجان، كانت الميكروبات الصغيرة قد بنت بالفعل هياكل بحرية معقدة على قاع البحر. تسجل هذه "الشعاب الميكروبية" المتحجرة كيف شكّلت الحياة المبكرة المحيطات قبل أكثر من 500 مليون سنة. لا يصف البحث الجديد خلف هذا المقال اكتشافًا أحفوريًا واحدًا، بل يصدر مجموعة بيانات مفتوحة بُنيت بعناية من صور مجهرية لمثل هذه الشعاب القديمة في الصين — مُهيّأة تحديدًا حتى تتمكن أنظمة الذكاء الاصطناعي الحديثة من تعلّم قراءة سجلات الصخور بنفسها.

صخور من بحر ضحل قديم جدًا

تركز الدراسة على صخور من تكوين Xiannüdong في جنوب الصين، ترسبت خلال العصر الكونبري المبكر، وهي فترة شهدت تنوّعًا سريعًا للحياة الحيوانية وازدياد تعقيد النظم البيئية البحرية. تحفظ هذه الصخور بنية شبيهة بالشعاب تُسمى Girvanella boundstone، بُنيت أساسًا بواسطة سيانوبكتيريا شعاعية تركت أنابيب وقشور متكلسة. مزيج هذه البنى الميكروبية يتضمن حبيبات رملية، شظايا هياكل حية، وملاط معدني ملأ الفراغات بينها. معًا تكوّن هذه المكوّنات لقطة مفصّلة لقاع بحر ضحل كان يهيّجه الأمواج، حيث عملت الحياة وتركيب مياه البحر معًا لبناء منصات كربونات صلبة.

تحويل شرائح الصخور إلى مربعات رقمية

لجعل هذه القصة القديمة قابلة للاستخدام من قبل الحاسوب، بدأ الفريق بشرائح رفيعة من صخور الشعاب مُثبتة على شرائح زجاجية وصوّرها بدقة عالية تحت مجهر مستقطب. من بين 28 لوحًا أصليًا، اختيرت سبعة لعمليات معالجة مفصّلة. طُبقت شبكة منتظمة على صورة كل لوح كامل ثم قُطعت إلى العديد من المربعات الصغيرة، كل منها بحجم 114 × 114 بكسل. هذه المربعات كبيرة بما يكفي لالتقاط القوام الأساسية — مثل الأنابيب الميكروبية المتشابكة، الطين الناعم، أو الحبيبات الخشنة — وصغيرة بما يكفي لتعمل كـ "بكسلات" موحّدة لتعلّم الآلة. أنتجت هذه العملية عشرات الآلاف من مقتطفات الصور التي تغطي معًا التنوع الكامل للميكرو‑قوام الموجودة في الصخر.

تسميات بشرية دقيقة لتعلّم الآلة

الصور الرقمية وحدها لا تكفي؛ فالذكاء الاصطناعي يحتاج أيضًا أمثلة لما يعنيه كل نمط. لذلك وضع الباحثون تسميات يدوية للمكونات المختلفة المرصودة في الصخر: قشور Girvanella، أنواع مختلفة من الحبيبات، الطين، الملاط، وميزات أخرى. أنشأوا صور "قناع" خاصة تحمل فيها كل بكسل معرفًا رقميًا للطبقة في قناة لونية واحدة. ثم استخدم برنامج بايثون هذه الأقنعة لتعيين كل مربع إلى واحدة من عشر فئات ميكروفاشي — مثل حجر الحبيبات الهيكلي، الميكروبيات المتراصفة، أو الطين الدولوميتي — بناءً على قاعدة عدّ نقاط تجمع قيم البكسلات. استُبعدت تلقائيًا المربعات ذات التسميات غير الواضحة أو المفقودة. قُسّمّت مجموعة البيانات النهائية إلى مجموعات تدريب وتحقق واختبار بنسب متوازنة، وتم التأكد من اتفاق يزيد عن 95% بين التسميات الآلية والمراجعة يدويًا.

مورد FAIR لعلم الصخور والذكاء الاصطناعي

المنتج النهائي هو مجموعة بيانات عامة منظمة استضافتها منصة Figshare، متّبعة مبادئ FAIR (قابلة للاكتشاف، ومتاحة، وقابلة للتشغيل البيني، وقابلة لإعادة الاستخدام). تُخزن جميع صور المربعات كملفات PNG قياسية، وتوثّق تسمياتها وتقسيم المجموعة في ملف CSV واحد. وبالتوازي، يوفّر المؤلفون كود بايثون مفتوح المصدر على GitHub يعيد إنتاج كامل خط المعالجة: تقطيع صور الشرائح الرقيقة إلى مربعات، قراءة التسميات المخفية، فحص الجودة، وتنظيم البيانات. هذا يعني أن الباحثين الآخرين يمكنهم إدخال مجموعة البيانات مباشرة إلى أطر التعلم العميق، مقارنة النماذج المتنافسة على معيار مشترك، أو تكييف سير العمل لمجموعات صخورهم الخاصة.

لماذا تهم هذه الدراسة أكثر من مجرد شعاب واحدة

بتحويل شعاب قديمة معقّدة إلى مكتبة منظّمة من مربعات صور مُعلّمة، يبني البحث جسرًا بين نظم الأرض المبكرة وأدوات الذكاء الاصطناعي الحديثة. بالنسبة لغير المتخصصين، الخلاصة هي أن تفسير أقوام الصخور — الذي كان فيما مضى مُقتصرًا على خبراء البتروغرافيا المنهمكين في المجاهر — يمكن مشاركته بشكل متزايد مع خوارزميات مدرّبة على بيانات متاحة علنًا. ستساعد هذه المجموعة العلماء على أتمتة تصنيف صخور الكربونات، تحسين إعادة بناء البحار الضائعة منذ زمن بعيد، وتطبيق التعلم الانتقالي على بيئات جيولوجية أخرى. ببساطة، تحوّل شريحة من قاع بحر كمبري إلى مجموعة تعليمية قابلة لإعادة الاستخدام لأجهزة الحاسوب، مما يسرّع قدرتنا على قراءة التاريخ العميق للكوكب المحبوس في الحجر.

الاستشهاد: Choi, S., Kim, D., Hong, J. et al. High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China. Sci Data 13, 611 (2026). https://doi.org/10.1038/s41597-026-06958-1

الكلمات المفتاحية: شعاب الكمبرية, ميكروفاشيا الكربونات, مجموعات بيانات جيولوجية, التعلّم العميق في علوم الأرض, الكربونات الميكروبية