מדיול גנרטיבי מאפשר שחזור מבנה מולקולרי מתוך דימות התפוצצות קולומבית

צופים במולקולות זזות בזמן אמת

כימאים חלוּם מזה זמן רב לצלם מולקולות כשהן מתעוותות, נפרקות ויוצרות קשרים חדשים במהלך תגובות כימיות. היכולת לעשות זאת לא רק מספקת תשובה לסקרנות מדעית; היא עשויה לעזור לעצב בסופו של דבר תרופות, זרזים וחומרים יעילים יותר על‑ידי חשיפת האופן המדויק שבו האטומים מסודרים מחדש על סקלות הזמן האולטרה‑מהירות הטבעיות שלהם. מאמר זה מדווח על שיטה חדשה להפוך מדידה אלימה — שבה מולקולות מנופצות בפולסים ארוכים עוצמה של קרני רנטגן — לתמונות תלת־ממדיות ברורות של הצורות המקוריות שלהן באמצעות צורה עוצמתית של אינטליגנציה מלאכותית.

לפוצץ מולקולות כדי לראות את צורתן

טכניקה שנקראת דימות התפוצצות קולומבית מבוססת על רעיון פשוט אך דרמטי: להסיר בעת ובעונה אחת אלקטרונים רבים ממולקולה כך שהאטומים המוטענים בחיוב ישתחררו זה מזה ויתרחקו במהירות. באמצעות פולסי לייזר או רנטגן פמטי־שנייה בעוצמה גבוהה, החוקרים מעוררים את הפיצוץ ורושמים היכן ובאיזו מהירות כל שבר-יון פוגע במ Detektor. המומנטים הללו מקודדים מידע על האופן שבו האטומים היו מסודרים רגע לפני הפיצוץ. בעקרון, אם ניתן לפתור באופן מושלם את פיזיקת הפיצוץ, ניתן לעבוד לאחור מהשברים היוצאים אל המבנה המולקולרי המקורי. במציאות, עם זאת, זו בעיית הפוכה קשה במיוחד, במיוחד עבור מולקולות בעלות יותר ממספר אטומים מועט, כיוון שהדינמיקה הקוונטית של מערכות רבות־גופים מורכבת ומצריכה זמן רב מדי לסימולציה חוזרת במסגרת שחזור איטרטיבי מסורתי.

ללמד רשת עצבית לקרוא פיצוצים

כדי להתגבר על צוואר הבקבוק הזה, המחברים מציגים את MOLEXA, רשת עצבית גנרטיבית שתוכננה במיוחד להסיק גיאומטריה מולקולרית ממומנטים של יונים שנמדדו. MOLEXA נשענת על כלים מודרניים של למידה עמוקה שנוצרו במקור ליצירת שפה ותמונות: ארכיטקטורת Transformer משולבת במנגנון "זיכרון" מותאם, ותהליך דיפוזיה המתחיל מהנחה רועשת של מיקומי האטומים ומלטש אותם בהדרגה. הרשת מקבלת קלט של זהויות היונים, מצבי המטען והמומנטים התלת־ממדיים של כל היונים מאירוע התפוצצות קולומבית, ומפיקה ארגון צפוי של האטומים בחלל, ובפועל לומדת קיצור ישיר ממרחב המומנטום חזרה למרחב המציאותי.

להתגבר על דילמת הנתונים

אימון מודל כזה דורש דוגמאות רבות של פיצוצים שבהן ידועים גם השברים היוצאים וגם המבנים המולקולריים המקוריים. אבל סימולציות מדויקות מאוד של פיצוצות קולומביים המיוצרים על‑ידי רנטגן תובעניות מבחינת חישוב כך שניתן להפיק רק סט נתונים צנוע. לכן המחברים מאמצים אסטרטגיה בשני שלבים. קודם כל, הם מאמנים את MOLEXA על סט נתונים סינתטי גדול מאוד שנוצר באמצעות מודל פיצוץ קלאסי מפושט שהוא מהיר אך מקורב. לאחר מכן הם מכוונים בעדינות את אותה רשת על סט קטן בהרבה אך מדויק מאוד המופק מסימולציות אב‑ישר, הכוללות תהליכים אלקטרוניים מפורטים. גישה בשלביים זו חוסכת כמחצית משגיאת חיזוי המבנה הטיפוסית לעומת אימון על הסט המדויק הקטן בלבד, ומאפשרת למודל להגיע לשגיאה ממוצעת מוחלטת במיקום של פחות מיחידת אטום אחת — בערך חצי מאורך קשר כימי טיפוסי — עבור מולקולות של עד שבעה אטומים, ורק מעט פחות טוב עבור מערכות של שמונה ותשעה אטומים.

בדיקת דיוק וידיעה מתי ניתן לסמוך עליו

החוקרים בודקים שיטתית את MOLEXA על אלפי מולקולות מדומות ומוצאים שהיא לא רק משחזרת צורות כלליות אלא גם מספקת מרחקי קשר וזוויות הגיוניים. עבור מולקולות דיאטומיות פשוטות, היא עולה על נוסחאות שחזור קלאסיות המבוססות אך ורק על שחרור האנרגיה הקינטית. חשוב מכך, הרשת מצוידת במודול הערכת אי־ודאות: לצד כל נקודת אטום חזויה היא מפיקה הערכה פנימית של גודל השגיאה הסביר. במבחנים רבים, אי־הוודאות החזויה הגבוהה מקושרת בחוזקה לשגיאות למעשה גדולות יותר, ובכך מספקת מדד אמין לשיקול אנשי הניסוי. המודל יכול גם לייצר מספר שחזורים לאותו קלט; הפיזור ביניהם מספק מדד עצמאי לאי־ודאות.

ממחשובי תמונות סטטיות לסרטי תגובה

כדי להדגים ש‑MOLEXA עובדת על נתונים אמיתיים, הצוות מיישם אותה על מדידות התפוצצות קולומבית מהמתקנם האירופי לחופש־אלקטרונים ברנטגן עבור מולקולות מוכרות כגון מים, טטרהפלואורומתאן ואתנול. באמצעות מדידות מומנטום היונים בלבד, ללא התאמה ספציפית למולקולה, הרשת משחזרת מבנים שווי משקל שהתאימו היטב לגיאומטריות מקובלות. הם מדגימים בנוסף כיצד MOLEXA יכולה לתפוס סידורים מבניים מובחנים לאורך מסלול תגובה מודלי של פתיחת טבעת ציקלובוטן, כולל שבירת הטבעת והגרירת פרוטון, כאשר מסופקים לה קלטי מומנטום אידיאליים. בעוד שבניסויים הנוכחיים לעתים קרובות מתמזגים מצבים קוונטיים וגיאומטריות רבות, מחקרים עתידיים בעלות רזולוציית זמן טובה יותר שיבהירו את התרומות השונות יוכלו להשתמש ב‑MOLEXA להרכיב "פריימים" לסרטי תגובות של מולקולות בזמן אמת.

למה ההתקדמות הזו חשובה

העבודה מראה שאינטליגנציה מלאכותית גנרטיבית יכולה לפתור בעיה הפוכה רב־פעמית וקשיחה שהתנגדה לשיטות מסורתיות. על ידי למידה מסימולציות ריאליסטיות איך פיצוצים מקודדים מבנה, MOLEXA מאפשרת לחוקרים לחלץ צורות מולקולריות תלת‑ממדיות — ושינויים בהן לאורך זמן — מתוך נתונים שנראו בעבר מורכבים מדי להפיכה. הגישה כללית: אימון דו‑שלבי דומה עשוי לסייע בפתרון בעיות אחרות שבהן קיים מודל פיזיקלי מפורט אך יקר מדי לשילוב ישיר באלגוריתמי השחזור. אם תורחב למולקולות גדולות יותר ולתסריטי איתור חלקי, אסטרטגיה זו עשויה להפוך את דימות ההתפוצצות הקולומבית לכלי שגרתי לצפייה בתגובות כימיות בזמן ובמרחב האמיתי.

ציטוט: Li, X., Jahnke, T., Boll, R. et al. Generative modeling enables molecular structure retrieval from Coulomb explosion imaging. Nat Commun 17, 3430 (2026). https://doi.org/10.1038/s41467-026-70160-5

מילות מפתח: דימות התפוצצות קולומבית, שחזור מבנה מולקולרי, רשתות עצביות גנרטיביות, מדעי קרינה אולטרה‑מהירים, בעיות הפוכות בפיזיקה