بيروفسكايت‑R1: نموذج لغوي كبير متخصص في مجال لاكتشاف ذكي للمضافات البادئة وتصميم التجارب

مساعدون أذكى لطاقة شمسية أفضل

تعد خلايا الطاقة الشمسية البيروفسكايت واحدة من أكثر السبل وعداً للحصول على طاقة شمسية أرخص وأكثر كفاءة، لكن تحويل الاكتشافات المعملية إلى ألواح تجارية طويلة العمر يظل أمراً صعباً. يمكن لمضافات كيميائية دقيقة أن تحسن هذه المواد بشكل كبير، لكن اختيار الأنسب يشبه البحث عن إبرة في كومة قش تضم عشرات الآلاف من الاحتمالات وآلاف الأبحاث. تقدم هذه الدراسة بيروفسكايت‑R1، نظام ذكاء اصطناعي متخصص مصمم لقراءة الأدبيات، والتفكير بالكيمياء، واقتراح وصفات أكثر موثوقية لصنع خلايا بيروفسكايت عالية الأداء.

لماذا تحتاج خلايا البيروفسكايت إلى دفعة

قفزت كفاءة خلايا البيروفسكايت من بضعة في المئة إلى ما يقرب من 27٪ في عقد فقط، مماثلة لأفضل خلايا السيليكون مع سهولة وتكلفة تصنيع أقل من المحاليل. نقطة ضعفها هي الثبات: يمكن أن يتدهور الطبقة الماصة للضوء تحت تأثير الحرارة والرطوبة والتشغيل طويل الأمد، لا سيما إذا احتوى البناء البلوري على عيوب كثيرة. إحدى الطرق المجربة لتقوية هذه الأفلام هي إضافة جزيئات مختارة بعناية إلى المحلول الابتدائي، التي تُوجّه كيفية نمو البلورات وتساعد على «إصلاح» العيوب. لكن مع انفجار الأدبيات العلمية حول البيروفسكايت واتساع الفضاء الكيميائي إلى حد كبير، تكافح التجارب اليدوية والحدس البشري لمواكبة الأمر.

تدريب خبير ذكاء اصطناعي في مجال ضيق

عالج الباحثون هذه المشكلة ببناء بيروفسكايت‑R1، نموذج لغوي كبير تمت معايرته خصيصاً لكيمياء البيروفسكايت. بدأوا بجمع 1,232 ورقة بحثية عالية الجودة تركز على كيفية تأثير المضافات على أفلام البيروفسكايت، بما في ذلك التخليق والتركيب والأداء. كما جمعوا مكتبة تضم 33,269 جزيء صغير «شبيه بالأدوية» ذات هياكل متنوعة قد تكون مرشحة كمضافات. باستخدام نموذج ذكاء اصطناعي قوي آخر، حوّلوا الأوراق ووصف الجزيئات إلى ما يقرب من 10,000 مثال سؤال‑وجواب يتضمن خطوات استدلال صريحة. ثم استُخدمت هذه الأمثلة لإعادة تدريب نموذج لغوي كبير موجود ليصبح قادراً على التحدث عن البيروفسكايت بطريقة مفصّلة وجاهزة للمختبر بدلاً من المصطلحات العلمية العامة فحسب.

من مطالبات نصية إلى وصفات مخبرية ملموسة

بيروفسكايت‑R1 لا يجيب عن أسئلة اختبارية فقط؛ بل يُوجَّه بمطالبات مصاغة بعناية تحاكي الطريقة التي يؤطر بها العالم مهمة تصميم. تشرح كل مطالبة الهدف (مثلاً، العثور على مضافات تقلل العيوب في تركيبة بيروفسكايت معينة)، وتورد معايير علمية (مثل أنواع الروابط الكيميائية التي يجب أن يشكلها المضاف أو كيف ينبغي أن يؤثر على نمو البلورة)، وتحدد المخرجات المطلوبة (جزيئات مرشحة، تراكيز مقترحة، والآليات المتوقعة). يستطيع النموذج أن يفرز معرفته المتعلمة و«يفحص» آلاف الجزيئات افتراضياً، ويعيد قائمة قصيرة مع سلسلة التفكير التي تشرح لماذا قد ينجح كل اختيار. تُظهر اختبارات القياس المعياري أنه في أسئلة الاستدلال الخاصة بالبيروفسكايت والتي تتراوح من الأساسية إلى الصعبة جداً، يتفوق بيروفسكايت‑R1 باستمرار على عدة نماذج لغوية عامة رائدة.

اختبار المكونات التي اختارها الذكاء الاصطناعي

لاختبار ما إذا كانت هذه الأفكار تعمل في المختبر، طلب الفريق من بيروفسكايت‑R1 اختيار مضافات واعدة ثم قارنها مع جزيئات اختارها باحثون ذوو خبرة باستخدام الحدس الكيميائي التقليدي. تشارك المرشحات الأربع —اثنتان من الذكاء الاصطناعي واثنتان من البشر— في ميزات تبدو منطقية، مثل مجموعات وظيفية يمكنها الارتباط بمكوّنات الرصاص واليود في البيروفسكايت. خُلطت المضافات في خلايا بيروفسكايت متطابقة عند تركيز منخفض واحد، وبُنِيَتْ واختُبرت 24 جهازاً لكل حالة. زادت الجزيئات المختارة بواسطة الذكاء الاصطناعي الكفاءة المتوسطة بشكل مستمر وجعلت الأداء أكثر قابلية للتكرار، بينما أضعفت المضافات المختارة يدوياً الكفاءة والموثوقية فعلياً، رغم مظهرها المعقول على الورق.

كيف طابق استدلال الذكاء الاصطناعي الكيمياء الحقيقية

بعيداً عن الأرقام الخام، تحقق الباحثون لماذا كانت المضافات التي اختارها الذكاء الاصطناعي أفضل. تنبأ بيروفسكايت‑R1 بأن أحد الجزيئات سيشكل روابط تنسيقية مع أيونات الرصاص، بينما سيكوّن آخر روابط هيدروجينية مثبتة داخل البلورة. أظهرت تجارب مطيافية الأشعة تحت الحمراء اللاحقة بالفعل التحولات المتوقعة في اهتزازات الروابط، مؤكدة تلك التفاعلات. كما احتوت الأجهزة التي أضيفت إليها المضافات المختارة بواسطة الذكاء الاصطناعي على عيوب نشطة كهربائياً أقل واحتفظت بأدائها لفترة أطول تحت الحرارة والتخزين، بينما تدهورت الأجهزة الضابطة وتلك التي أُضيفت إليها مضافات من اختيار البشر بسرعة أكبر. تشير هذه النتائج إلى أن بيروفسكايت‑R1 يلتقط علاقات بنية‑وظيفة ذات مغزى بدلاً من توليد تخمينات محظوظة.

ماذا يعني هذا لاكتشاف المواد في المستقبل

تُظهر الدراسة أن نموذجاً لغوياً مضبوطاً لمجال معين يمكن أن يعمل كشريك عملي في أبحاث المواد التجريبية، محصوراً عملية البحث عن مضافات فعالة من عشرات الآلاف من الخيارات إلى قائمة قصيرة عالية الجودة وقابلة للإدارة. لا يحل بيروفسكايت‑R1 محل العمل المخبري؛ بل يولد فرضيات مبررة يمكن للعلماء اختبارها، مسرِّعاً الاكتشاف مع استخدام أفضل للمعرفة المتاحة. يتصور المؤلفون توسيع نفس النهج إلى جوانب أخرى من أجهزة البيروفسكايت—مثل الواجهات والهياكل متعددة الطبقات—وفي نهاية المطاف ربط نماذج مثل بيروفسكايت‑R1 بمنصات التخليق الآلية. للقراء غير المتخصصين، الرسالة الأساسية هي أن أنظمة الذكاء الاصطناعي المدربة بعناية يمكنها الآن المساعدة في تصميم مواد شمسية أفضل بطريقة مستهدفة وقابلة للتفسير، مما يقرب تقنيات البيروفسكايت عالية الكفاءة والدائمة من الاستخدام اليومي.

الاستشهاد: Wang, XD., Chen, ZR., Guo, PJ. et al. Perovskite-R1: a domain-specialized large language model for intelligent discovery of precursor additives and experimental design. Commun Mater 7, 86 (2026). https://doi.org/10.1038/s43246-026-01099-9

الكلمات المفتاحية: خلايا شمسية بيروفسكايت, اكتشاف المواد, نماذج لغوية كبيرة, مضافات البادئ, الذكاء الاصطناعي في الكيمياء