قوة استثنائية لنماذج طاقة ذرية مستنيرة بالفيزياء عند درجة حرارة الغرفة وما بعدها

لماذا هذا مهم في الكيمياء اليومية

تعد المحاكاة الحاسوبية العمود الفقري للكيمياء والعلوم الموادية الحديثة. فهي تتيح للعلماء مراقبة انثناء الجزيئات واهتزازها وتصادمها داخل الحاسوب بدلاً من إجراء تجارب مكلفة وتستغرق وقتاً طويلاً. لكن عندما تعتمد هذه المحاكيات على التعلم الآلي، قد «تفشل» فجأة فتنتج أشكالاً جزيئية مستحيلة—خاصة عند درجات حرارة أعلى. تقدم هذه الدراسة نوعاً جديداً من نماذج التعلم الآلي المستنيرة بالفيزياء التي تستطيع تشغيل مثل هذه المحاكيات لفترات زمنية طويلة للغاية، وعلى درجات حرارة تصل إلى 1000 كلفن، دون أن تنهار.

من اختصارات ذكية إلى محاكيات هشة

تحسب الكيمياء الكمومية التقليدية طاقات الجزيئات بدقة عالية لكنها ببطء مؤلم. بينما تكون حقول القوى الأبسط سريعة لكنها غالباً تقريبية. تهدف الإمكانات المتعلمة آلياً إلى الجمع بين أفضل ما في العالمين: تتعلم طريقاً مختصراً من البنية الجزيئية إلى الطاقة والقوى، ثم تستخدم هذا الاختصار لدفع الديناميكا الجزيئية. على الورق تبدو العديد من هذه النماذج ممتازة، مع أخطاء متوسطة صغيرة على مجموعات الاختبار القياسية. في الواقع العملي، قد تكون هذه الأرقام مضللة. عندما تستكشف الجزيئات أشكالاً جديدة أثناء المحاكاة—خاصة عند درجات حرارة أعلى—تخرج كثير من النماذج عن نطاق البنى التي دربت عليها. وبدلاً من إرجاع الجزيئات بلطف إلى أشكال واقعية، قد تتنبأ بالقوى بطريقة تبسط أو تشد الروابط إلى أن يصبح النظام بأكمله غير فيزيائي وتنهار المحاكاة.

بناء نماذج على لبنات كمومية

يعالج المؤلفون هذه الهشاشة بتغيير ما يتعلمه النموذج وكيف يُرشد بمبادئ فيزيائية مسبقة. يستخدمون إطار عمل يدعى FFLUX، المبني على نهج الذرات الكمومية المتفاعلة (IQA). في IQA يُقسم الجزيء إلى «ذرات طوبولوجية» تُحدد طاقاتها الفردية مباشرة من ميكانيكا الكم. هذه الطاقات الذرية ذات معنى فيزيائي وتجمع لتكوّن الطاقة الكلية للجزيء. بدلاً من تعلم طاقات مواقع عشوائية، تتعلم نماذج عملية غاوس هذه الطاقات الذرية الجذرية كمياً، موفرة مرساة فيزيائية عميقة لكل تنبؤ. تُستخدم أربعة جزيئات عضوية مرنة—جليسين وكينونة بغطاء ببتيدي، سيرين، مالونديالدهيد، وأسبرين—كحالات اختبار صعبة بسبب حركاتها الداخلية العديدة والصعوبات المعروفة لحقول القوى المتعلمة آلياً الحالية.

تعليم النموذج توقع المشاكل

تكمن ابتكار رئيسي في كيفية إعداد عملية غاوس قبل أن ترى أي بيانات: «دالة المتوسط» الخاصة بها، التي تشفر ما يتوقعه النموذج في مناطق معرفتها ضعيفة. في معظم الأعمال السابقة يتم ببساطة تعيين هذا المتوسط إلى الصفر، وكأن النموذج بلا توقعات سابقة. بدلاً من ذلك، يحوّل المؤلفون هذا المتوسط عمداً نحو حالات طاقة ذرية أعلى، مع الحفاظ على معقولية فيزيائية. تعني هذه الخيارات التصميمية أنه عندما يُجبر النموذج على الاستقراء—مثلاً عند شدّ الروابط مؤقتاً—يفضل طبيعياً تنبؤات تفرض عقوبة على التشوهات المتطرفة. في اختبارات واسعة، تصرفت نسخ النموذج التي اختلفت فقط في هذا الافتراض السابق بشكل مختلف جداً. النماذج ذات المتوسطات التقليدية أو منخفضة الطاقة نادراً ما صمدت لأكثر من بيكوسيكند قبل أن ينفجر الجزيء أو ينهار. بالمقابل، أعطى أفضل متوسط عالي الطاقة (المسمي MF5) محاكاة بقيت مستقرة طوال نافذة الاختبار النانوسكندية عند درجات حرارة من 300 إلى 1000 كلفن لجميع الجزيئات الأربع.

مراقبة إصلاح الجزيئات المشوّهة ذاتياً

لمعرفة سبب عمل النماذج المتينة جيداً، بدأ الباحثون محاكياتهم من هياكل معطوبة عمداً بروابط مشدودة أو مضغوطة بشدة. بالنسبة للسيرين والأسبرين والمالونديالدهيد، كانت هذه النقاط الابتدائية أعلى بمئات إلى أكثر من ألف كيلو كالوري لكل مول مقارنة بالبنية الطبيعية—تكوينات كانت ستكون كارثية عادة. مع دالات متوسط أضعف، تفككت الجزيئات بسرعة. مع إعداد MF5، على النقيض، أشارت القوى المتوقعة فوراً في اتجاهات أقصرت الروابط المطولة وطالت المضغوطة. خلال عشرات إلى مئات من خطوات الزمن، استرخت الجزيئات إلى أشكال واقعية ثم واصلت التطور بثبات. كما أظهر الفريق أنه، دون أي تدريب مباشر على القوى، يمكن لنفس النماذج توجيه تحسينات البنية الهندسية لثنائيات الألانين، مكررة التشكيلات منخفضة الطاقة المعروفة والطاقة النسبية ضمن أجزاء قليلة من كيلو كالوري لكل مول، لكن بتكلفة تقريبية أقل بمقدار 200 مرة من الحسابات الكمومية الكاملة.

محاكيات طويلة وساخنة على أجهزة عادية

الصلابة ليست مجرد البقاء من انطلاقة صعبة واحدة؛ إنها التحمل عبر ملايين أو مليارات من خطوات الزمن. دفع المؤلفون نماذجهم الأفضل أبعد بتشغيل 50 محاكاة مستقلة عند 500 كلفن، كل واحدة لمدة 10 نانوثانية، عبر الجزيئات الأربعة المختبرة. لم تنهار أية من هذه التشغيلات، مما أعطى زمن محاكاة مجمّع نصف ميكروثانية—وهو أمر غير معتاد لحقول القوى المتعلمة آلياً المتقدمة. الأكثر إثارة أن هذه المحاكيات جرت بكفاءة على وحدات المعالجة المركزية القياسية، خطوة بخطوة مضاهية أو متفوقة على بعض الإمكانات الشبكية العصبية البارزة التي تتطلب وحدات معالجة رسوميات قوية. طوال ذلك، استكشفت الجزيئات مجموعات غنية من الأشكال والحالات شبه المستقرة، مما يظهر أن المتانة لم تُحقق بتجميد الحركة اصطناعياً أو فرض هياكل جامدة.

ماذا يعني هذا لمستقبل نمذجة الجزيئات

بالنسبة لغير الخبراء، الرسالة الأساسية هي أن ليست كل نماذج التعلم الآلي منخفضة الخطأ موثوقة عند الضغط الشديد. من خلال تأصيل نماذجهم في طاقات ذرية مشتقة كمومياً وضبط توقعات النموذج المدمجة بعناية نحو حالات طاقة أعلى، أنشأ المؤلفون عائلاً من الإمكانات التي تنتج طبيعياً «قوى اعادة»—ما يعادل حزام أمان جزيئي—تحافظ على فيزيائية المحاكاة حتى عند درجات حرارة عالية ومن نقاط بداية مشوهة. يعد هذا النهج بوعد محاكيات أكثر موثوقية وطولاً للجزيئات المعقدة، ويشير إلى امتدادات مستقبلية حيث تتعامل نماذج مماثلة مستنيرة بالفيزياء مع الأطوار المكثفة والتفاعلات الدقيقة مثل التبعثر، مع البقاء عملياً من ناحية التكلفة الحاسوبية.

الاستشهاد: Isamura, B.K., Aten, O., Nosratjoo, M. et al. Unprecedented robustness of physics-informed atomic energy models at and beyond room temperature. Commun Chem 9, 138 (2026). https://doi.org/10.1038/s42004-026-01965-0

الكلمات المفتاحية: حقول القوى المعتمدة على التعلم الآلي, متانة المحاكاة الديناميكية الجزيئية, إمكانات عملية غاوس, نمذجة مستنيرة بالفيزياء, طاقات ذرية كمومية