GENIUS: إطار ذكاء اصطناعي عاملي للتصميم والتنفيذ المستقل لبروتوكولات المحاكاة

أدوات أذكى لاكتشاف مواد جديدة

تصميم بطاريات ومحفزات وأجهزة إلكترونية أفضل يعتمد بشكل متزايد على محاكيات حاسوبية تتنبأ بكيفية تصرف المواد قبل تصنيعها في المختبر. ومع ذلك، يتطلب تشغيل هذه المحاكيات عادة متخصصاً يعرف أوامر البرامج المعقدة وآلاف الخيارات التقنية. يقدم هذا المقال GENIUS، نظام ذكاء اصطناعي يتصرف كمساعد خبير يحوّل طلبات العلماء بلغة بسيطة إلى إعدادات محاكاة عاملة تلقائياً. عبر خفض الحاجز التقني، يهدف GENIUS إلى تمكين عدد أكبر من الباحثين من استخدام حسابات كمية قوية في عملهم اليومي.

الاحتكاك الخفي وراء التجارب الافتراضية

تعتمد أبحاث المواد الحديثة بشكل كبير على محاكاة ذرة بذرة لاختبار الأفكار بسرعة وبتكلفة منخفضة. برامج مثل Quantum ESPRESSO باتت الآن قادرة على مطابقة دقة التجارب لعدة بلورات، لكن استخدامها اليومي غالباً ما يقتصر على المتخصصين. إعداد حساب واحد قد يتطلب التنقيب في وثائق كثيفة، واختيار معايير متوافقة، وتصحيح رسائل خطأ غامضة. حتى المستخدمون ذوو الخبرة قد يقضون ساعات في النضال مع ملفات الإدخال بدلاً من التفكير في العلم. هذه الفجوة بين ما يمكن للبرمجيات فعله وما يمكن لمعظم العلماء استخدامه بسهولة تُعرف غالباً باسم "فجوة المعرفة والتطبيق" وتبطئ تحويل النظرية إلى تقنيات عملية.

طبقة ذكاء وسطى بين البشر والشفرة

صُمم GENIUS كطبقة وسطية ذكية تقع بين الباحث وبرنامج المحاكاة. يبدأ المستخدم بطلب حر، مثل طلب تحسين هندسة لمادة ثنائية الأبعاد محددة باستخدام طريقة كمية معينة. يقوم GENIUS بتفكيك هذا الطلب باستخدام نماذج لغوية كبيرة و"رسم معرفة" منظم يُشفّر كيفية ارتباط 247 إعداداً رئيسياً في Quantum ESPRESSO ببعضها البعض وبالفيزياء الأساسية. ومن هذا يُعد مسودّة ملف إدخال كامل تحترم صياغة البرنامج وقواعده الداخلية. والأهم أن GENIUS لا يعتمد على ذاكرة النموذج اللغوي وحدها؛ بل يؤسس خياراته على توثيق منقح ومعلومات قاعدة بيانات عن المادة الفعلية قيد الدراسة، مما يقلل كثيراً من الإعدادات الملفقة أو المتضاربة.

التعلم من الأخطاء دون تصحيح بشري

حتى المحاكيات المُعدة بعناية قد تفشل في المحاولة الأولى. للتعامل مع ذلك، يتضمن GENIUS حلقة استرداد أخطاء آلية. عندما يرفض Quantum ESPRESSO ملف الإدخال، ينتج البرنامج رسالة خطأ. يقرأ GENIUS تلك الرسالة، يستشير رسم المعرفة لتفسير ما حدث خطأ، ويقترح نسخة مصححة من ملف الإدخال. يتعقّب نظام تحكم بسيط لكنه منضبط هذه المحاولات، ليقرر متى يعيد المحاولة بنفس النموذج اللغوي، ومتى يعيد البدء من قالب نظيف، ومتى يصعّد إلى نموذج أكثر قوة. تستمر هذه الحلقة حتى تمر المحاكاة بالاختبارات المبكرة أو يستنتج النظام أن المحاولات الإضافية لن تجدي نفعاً. طوال هذه العملية، تسجل السجلات كل قرار، موفرة مساراً واضحاً للفحص لاحقاً أو للتدخل البشري.

مدى أداء النظام عملياً

لاختبار مدى متانة GENIUS، جمع المؤلفون 295 موجهة فعلية من كيميائيين وفيزيائيين يستخدمون المحاكاة الكمومية بانتظام، ولكن ليس بالضرورة Quantum ESPRESSO نفسه. تراوحت هذه الموجهات من مهام بسيطة إلى مفصلة جداً. قاس الفريق ما إذا كان GENIUS قادراً على تحويل كل طلب إلى ملف إدخال يستطيع البرنامج تفسيره وبدء تشغيله في نافذة تحقق قصيرة مدتها دقيقة واحدة. أدت نحو 80 بالمئة من الموجهات إلى إعداد عمل. نجحت نحو 14 بالمئة في المحاولة الأولى تماماً، بينما تم إنقاذ معظم الباقي عن طريق حلقة معالجة الأخطاء الآلية. انخفضت فرصة "إنقاذ" تشغيل فاشل بسرعة مع كل محاولة إضافية واستقرت قرب نسبة أساس 7 بالمئة، مما يدل على أن معظم المشاكل القابلة للإصلاح تُحل مبكراً. وقواعد مقارنة بسيطة تعتمد على النماذج اللغوية وحدها، دون رسم المعرفة ومنطق التحكم، نادراً ما أنتجت مدخلات صالحة على الإطلاق، مما يبرز قيمة بنية GENIUS بدلاً من مجرد استخدام نماذج أكبر.

فتح المحاكيات المتقدمة أمام مزيد من العلماء

من منظور عام، يمثل GENIUS خطوة نحو جعل المحاكيات الكمية عالية التقنية قابلة للوصول مثل محرك بحث حديث. بدلاً من حفظ أوامر غامضة، يصف الباحثون ما يريدون، ويجمع النظام التعليمات اللازمة ويختبرها ويصلحها تلقائياً. تحت السطح، يجمع GENIUS بين معرفة منظومة منظمة، وعدة نماذج لغوية، واستراتيجية إعادة محاولة مدروسة للسيطرة على الأخطاء. بينما يركز العمل الحالي على حزمة محاكاة مستخدمة على نطاق واسع، يمكن تكييف التصميم نفسه ليشمل أكواد أخرى أينما وُجد توثيق واضح ورسائل خطأ مفهومة. عبر تقليص فجوة المعرفة والتطبيق، قد تساعد أطر مثل GENIUS المزيد من المختبرات والشركات والطلاب على إدخال أدوات حسابية متقدمة في اكتشاف المواد اليومي.

الاستشهاد: Soleymanibrojeni, M., Aydin, R., Guedes-Sobrinho, D. et al. GENIUS: an agentic AI framework for autonomous design and execution of simulation protocols. Commun Mater 7, 115 (2026). https://doi.org/10.1038/s43246-026-01167-0

الكلمات المفتاحية: محاكاة المواد, سير عمل ذاتي, ذكاء اصطناعي عاملي, نظرية الكثافة الوظيفية, Quantum ESPRESSO