GENIUS: מסגרת בינה מלאכותית סוכנית לתכנון וביצוע עצמאי של פרוטוקולי סימולציה

כלים חכמים יותר לגילוי חומרים חדשים

תכנון סוללות, זרזים ומכשירים אלקטרוניים טובים יותר תלוי יותר ויותר בסימולציות ממוחשבות החוזות את התנהגות החומרים לפני שהם מיוצרים במעבדה. עם זאת, הרצת סימולציות אלה דורשת לרוב מומחה המכיר פקודות תוכנה מורכבות ואלפי אפשרויות טכניות. מאמר זה מציג את GENIUS, מערכת בינה מלאכותית הפועלת כעוזר מומחה והופכת בקשות בשפה פשוטה של מדענים להגדרות סימולציה תקינות באופן אוטומטי. על ידי הורדת המחסום הטכני, GENIUS שואפת לאפשר להרבה יותר חוקרים להשתמש בחישובים קוונטיים רבי‑עוצמה בעבודתם היומיומית.

שפשוף נסתר מאחורי ניסויים וירטואליים

מחקר חומרים מודרני נשען במידה רבה על סימולציות אטום‑על‑אשר לבחינת רעיונות במהירות ובעלות נמוכה. תוכניות כמו Quantum ESPRESSO יכולות כיום להגיע לדיוק ניסויי עבור רבות מהמבנים הגבישים, אך השימוש היומיומי בהן מוגבל לעתים קרובות למומחים. הקמת חישוב אחד יכולה לדרוש חיפוש בתיעוד צפוף, בחירת פרמטרים תואמים ופענוח הודעות שגיאה מסתוריות. גם משתמשים מנוסים עלולים להקדיש שעות למאבק בקבצי קלט במקום לחשוב על המדע. הפער בין מה שהתוכנה יכולה לעשות לבין מה שרוב המדענים יכולים להשתמש בו בנוחות נקרא לעתים קרובות "פער ידיעה‑לעשייה" והוא מאט את התרגום של תיאוריה לטכנולוגיות בעולם האמיתי.

שכבה תיכונית חכמה בין אנשים לקוד

GENIUS מעוצב כשכבה תיכונית אינטליגנטית היושבת בין החוקר לתוכנית הסימולציה. המשתמש מתחיל בבקשה חופשית בטקסט, למשל בקשה לאופטימיזציית גיאומטריה של חומר דו‑ממדי מסוים עם שיטה קוונטית נתונה. GENIUS מפרק בקשה זו באמצעות מודלים שפתיים גדולים ו"גרף ידע" מובנה שמקודד כיצד 247 ההגדרות העיקריות של Quantum ESPRESSO מתקשרות זו עם זו ועם הפיזיקה הבסיסית. מכך הוא מנסח קובץ קלט מלא השומר על תחביר הכלי והכללים הפנימיים. חשוב לציין ש‑GENIUS אינו נסמך רק על זיכרון מודל השפה; הוא מעגן את החלטותיו בתיעוד ובמאגרי נתונים מסוננים על החומר הנחקר, מה שמקטין באופן דרמטי הגדרות מומצאות או לא עקביות.

למידה מהטעויות ללא תיקון ידני

אפילו סימולציות שהוכנו בקפידה עלולות להיכשל בניסיון הראשון. כדי להתמודד עם זה, GENIUS כולל לולאת תיקון שגיאות אוטומטית. כאשר Quantum ESPRESSO דוחה קלט, התוכנית מייצרת הודעת שגיאה. GENIUS קורא את ההודעה, מתייעץ עם גרף הידע שלו כדי לפרש מה השתבש, ומציע גרסה מתוקנת של הקלט. מערכת בקרה פשוטה אך מדוקדקת עוקבת אחרי ניסיונות אלה, ומחליטה מתי לנסות שוב עם אותו מודל שפה, מתי להתחיל מחדש מתבנית נקייה ומתי להעלות לדרג מודל חזק יותר. הלולאה נמשכת עד שהסימולציה עוברת בדיקות ראשוניות או שהמערכת מסיקה שניסיונות נוספים אינם צפויים לעזור. לאורך כל התהליך, יומנים מתעדים כל החלטה ומספקים עקבות ברורים לבדיקה מאוחרת או להתערבות אנושית.

כמה טוב המערכת פועלת בפועל

כדי לבדוק עד כמה GENIUS יציב, המחברים אספו 295 בקשות אמתיות מכימאים ופיזיקאים שמשתמשים בקביעות בסימולציות קוונטיות, אך לא בהכרח ב‑Quantum ESPRESSO עצמו. בקשות אלה נעו מפשוטות ועד משימות מפורטות מאוד. הצוות מדד האם GENIUS הצליח להפוך כל בקשה לקובץ קלט שהתוכנית יכלה לפרסר ולהתחיל להריץ בתוך חלון אימות קצר של דקה אחת. בערך 80 אחוז מכלל הבקשות הובילו להגדרה עובדת. כ‑14 אחוז הצליחו בניסיון הראשון, בעוד שרוב היתר ניצלו על ידי לולאת הטיפול האוטומטית בשגיאות. הסיכוי "להציל" ריצה שנכשלה ירד במהירות עם כל ניסיון נוסף והתייצב בסביבת בסיס של כ‑7 אחוז, מה שמראה שרוב הבעיות שניתנות לתיקון נפתרות מוקדם. בסיסי מודל שפה פשוטים, ללא גרף הידע והלוגיקה של הבקרה, כמעט ולא ייצרו קלטים תקפים, מה שמדגיש את ערך הארכיטקטורה של GENIUS ולא רק גודל המודלים.

פתיחת סימולציות מתקדמות ליותר מדענים

מנקודת מבט של אדם מן השורה, GENIUS הוא צעד לקראת הפיכת סימולציות קוונטיות טכניות מאוד לנגישות כמו מנוע חיפוש מודרני. במקום לשנן פקודות ארכאיות, החוקרים מתארים מה הם רוצים, והמערכת מרכבת, בודקת ומתאמת אוטומטית את ההוראות הנדרשות. מתחת לפני השטח, GENIUS משלב ידע מבוסס מבנה בתחום, כמה מודלי שפה ואסטרטגיית ניסיונות מחושבת כדי לשמור על שליטה בשגיאות. בעוד שהעבודה הנוכחית מתמקדת בחבילת סימולציה נפוצה אחת, אותו עיצוב יכול להיות מותאם לקודים אחרים בכל מקום שבו יש תיעוד ברור והודעות שגיאה ברורות. על ידי הצרת פער הידיעה‑לעשייה, מסגרות כמו GENIUS עשויות לסייע ליותר מעבדות, חברות וסטודנטים לשלב כלי חישוב מתקדמים בגילוי חומרים יומיומי.

ציטוט: 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

מילות מפתח: סימולציית חומרים, זרימות עבודה אוטונומיות, בינה מלאכותית סוכנית, תורת הפונקציונל הצפיפות, Quantum ESPRESSO