تقدير دوال المقسّم في المواد المشوشة بكفاءة بياناتية مدفوعة بالذكاء الاصطناعي

لماذا تهم العيوب الصغيرة في المواد الفوضوية

العديد من المواد الواعدة اليوم — من أنواع الوقود النووي إلى السبائك عالية الأداء — ليست بلورات مرتبة تمامًا بل هي «رقع» كيميائية حيث تمتزج ذرات مختلفة بشكل عميق. داخل هذه التركيبات الفوضوية، تتحكم الذرات المفقودة الصغيرة وغيرها من العيوب في كيفية انتقال الحرارة والكهرباء وحتى تلف الإشعاع عبر المادة. يُقدّم البحث أداة جديدة باسم PULSE، تعتمد على الذكاء الاصطناعي، يمكنها التنبؤ بكيفية تصرّف هذه العيوب في مواد معقدة ومشوشة بكفاءة أكبر بكثير من محاكيات الحاسوب التقليدية.

مشكلة عدّ ما يكاد يكون لا يُعدّ

في المواد متعددة المكونات مثل أكاسيد اليورانيوم‑البلوتونيوم المختلطة أو السبائك عالية الإنتروبيا، يمكن للذرات أن تحتل مواقع الشبكة بعدد هائل من الطرق. كل ترتيب مميز، أو تكوين، قد يغيّر قليلاً سهولة تشكّل العيوب وحركتها. للتنبؤ بخواص العالم الحقيقي يجب على العلماء مبدئيًا أن يأخذوا جميع هذه الاحتمالات بعين الاعتبار، وهذا ما تُجسّده رياضيًا كمية تُسمى دالة المقسّم. الأساليب التقليدية إما تقارب الاضطراب باستخدام عدد قليل من الهياكل المصممة بعناية، أو تأخذ عينات كثيرة باستخدام محاكاة مونت كارلو. الاستراتيجية الأولى قد تفوّت ترتيبات مهمة؛ والثانية غالبًا ما تكون مكلفة حسابيًا إلى درجة تجعلها غير عملية للأنظمة الواقعية.

مأخذ عينات ذاتي التعلّم بالذكاء الاصطناعي

يتعامل PULSE (التعلّم غير المشرف لعينات وتقدير دالة المقسّم) مع هذا التحدّي بتعلّمه كيفية استكشاف فضاء التكوينات بنفسه. بُني حول مُشفّر آلي عكسي متغيّر (inverse variational autoencoder)، وهو نوع من الشبكات العصبية يبدأ من مدخلات عشوائية بسيطة ويحوّلها إلى تكوينات ذرية واقعية. والأهم أن هذا النموذج لا يحتاج إلى قاعدة بيانات مُسبقة من الأمثلة. بدلاً من ذلك، يُولّد ترتيبات مرشّحة، يرسلها إلى حاسب ذرّي للحصول على طاقاتها، ثم يضبط معاييره الداخلية لجعل العينات المفيدة أكثر احتمالًا. تتيح هذه الحلقة المغلقة للذكاء الاصطناعي توجيه الانتباه إلى التكوينات الأكثر أهمية لدالة المقسّم، خصوصًا تلك التي تهيمن على السلوك عند درجة حرارة معيّنة.

تجريب PULSE على الوقود النووي

لإظهار قدراته، يطبّق المؤلفون PULSE على أكسيد اليورانيوم‑البلوتونيوم، وهو مادة وقود نووي أساسية. يركّزون على عيوب شوتسكي — مجموعات من الذرات المفقودة التي تؤثر بقوة في كيفية استجابة الوقود لدرجات الحرارة العالية والإشعاع. أولاً، يختبرون الطريقة على بيئات محلية صغيرة نسبيًا حيث يمكن حساب دالة المقسّم بالضرب العددي الدقيق. تُطابق تقديرات PULSE لهذه الكمية، ولتركيزات العيوب الناتجة، النتائج الدقيقة عن قرب بينما تتطلب عددًا قليلاً جدًا من حسابات الطاقة مقارنة بمسح قاعدة بيانات كاملة. بالمقارنة مع «الهياكل شبه العشوائية الخاصة» المستخدمة على نطاق واسع، يحقّق PULSE دقة مماثلة أو أفضل، لكنه يوفر مقياسًا واضحًا مدمجًا للتقارب وتكلفة حسابية أقل بكثير عند درجات الحرارة العالية.

ما يكشفه الذكاء الاصطناعي عن المحيط المحلي

بما أن PULSE يولّد ويقَيِّم صراحة الأحياء الذرية حول العيب، يمكن استخدامه لاستقصاء مدى امتداد تأثير العيب. عن طريق عشوائية منهجية لطبقات الذرات أبعد فأبعد من العيب، يجد المؤلفون أنه في هذا الوقود المؤكسد تؤثر فقط بضع طبقات من الذرات المجاورة بشكل ملحوظ على طاقات العيب، وأن المسافة ذات الصلة تتقلّص مع ارتفاع درجة الحرارة. تُظهر الطريقة أيضًا كيف تتغيّر تركيزات العيوب مع محتوى البلوتونيوم: مع ازدياد وفرة البلوتونيوم في المادة، يصبح تكوّن العيوب أسهل عمومًا، ما يؤدي إلى كثافات عيوب أعلى — خصوصًا عند درجات الحرارة المنخفضة حيث تكون الفوارق الطاقية أكثر أهمية.

لماذا يهم هذا لتصميم المواد المستقبلية

بالنسبة لغير المتخصص، الرسالة الأساسية أن PULSE يقدّم وسيلة سريعة ومرنة للذكاء الاصطناعي «لعدّ» وترتيب أولويات أنماط الذرات الأكثر أهمية داخل المواد شديدة الفوضى. بدلًا من محاكاة كل تكوين ممكن بشكل شامل، تتعلّم الطريقة أثناء العمل أي الأنماط المحلية تتحكم في تكوين العيوب ثم تستخدم هذه المعرفة لتقدير تركيزات العيوب والخواص المرتبطة بها. وعلى الرغم من إظهارها على الوقود النووي، يمكن تطبيق نفس الإطار على مجموعة واسعة من المواد المعقّدة، مثل السبائك عالية الإنتروبيا أو الأكاسيد المختلطة لتخزين الطاقة والتحفيز. بهذه الطريقة، قد تساعد PULSE الباحثين على استكشاف سريع لكيفية تشكيل الاضطراب المجهري للأداء الكلي، موجهة تصميم مواد أكثر أمانًا وكفاءة.

الاستشهاد: Karcz, M.J., Messina, L., Kawasaki, E. et al. AI-driven data-efficient estimation of partition functions in disordered materials. Sci Rep 16, 14568 (2026). https://doi.org/10.1038/s41598-026-37953-6

الكلمات المفتاحية: المواد المشوشة, التعلّم الآلي, الوقود النووي, الشوائب النقطية, النماذج التوليدية