قد تبدو بنية بلورية شبه كاملة، لكنها لا تزال غير صالحة للاستخدام في المحاكيات الحاسوبية، لأن بعض ذراتها تفتقر إلى مواقع.
الهيدروجين مصدر متكرر لهذه الفجوات ووفقًا لـ ايتنا ونقلًا عن SciTechDaily، طور الباحثون نموذجًا مستوحى من تقنية الذكاء الاصطناعي المستخدمة في ترميم الصور يتنبأ إلى أين تنتمي تلك الذرات المخفية.
طورت هذه الطريقة مجموعة بقيادة جيوفاني بيتزي من مركز الحوسبة العلمية والنظرية والبيانات في معهد بول شيرر وبالتعاون مع باحثين من جامعات بارما ومودينا في إيطاليا.
تُوصف هذه الطريقة في مجلة «npj Computational Materials» وتستخدم رؤية الحاسوب حيث يتعرف الذكاء الاصطناعي على المعلومات البصرية ويفسرها. تساعد أنظمة الذكاء الاصطناعي المتخصصة بالفعل أبحاث المواد، لكن الطريقة الجديدة تركز على ملء المواضع الفارغة في هياكل معروفة تجريبيًا.
يشكل الهيدروجين مشكلة دائمة. رغم أن هذا العنصر غالبًا ما يكون جزءًا من الشبكة البلورية، إلا أن طرق حيود الأشعة السينية القياسية المستخدمة لتحديد ترتيب الذرات لا تكشفه بسهولة. ونتيجة لذلك، قد تضع التصويرات البلورية ذرات الهيدروجين في مواقع خاطئة أو تزيلها تمامًا.
علّم تيمو رينت (يسار) وجيوفاني بيتزي نظام ذكاء اصطناعي للعثور على مواقع ذرات الهيدروجين المفقودة في الهياكل البلورية.
تحتاج المحاكيات إلى إحداثيات ذرية دقيقة للتنبؤ بخواص مثل الموصلية الكهربائية والحرارية. يقول جيوفاني بيتزي: «إذا كانت معلومات ذرات الهيدروجين مفقودة، فهذه مشكلة. غالبًا لا نستطيع استخدام آلاف المواد المحتملة المثيرة للاهتمام لمحاكياتنا بالضبط لهذا السبب».
استوحى حل الباحثين من نماذج الانتشار المستخدمة في رؤية الحاسوب. عندما تعيد هذه الأنظمة جزءًا مفقودًا من صورة، يُسمى ذلك عملية "الاستكمال".
كانت النماذج القديمة تغطي الصورة كلها بمعلومات عشوائية، لكن النهج الحديثة تركز ضجيجًا أقوى في المنطقة المجهولة وتؤثر أقل بكثير على الأجزاء المرئية.
تمنح هذه العملية الانتقائية النموذج نقطة بداية موثوقة ويمكنها استخدام المعلومات المحيطة لاستنتاج ما في الفجوة. رغم أن الاستكمال الانتقائي مثبت جيدًا في رؤية الحاسوب، إلا أنه لم يُستخدم سابقًا لإعادة بناء مواقع ذرات مفقودة.
حلّت مجموعة بيتزي المشكلة بتطوير OxTALPoint، نموذج مفتوح المصدر مقتبس من مترجن مايكروسوفت.
يشرح تيمو رنتس، طالب دكتوراه في مجموعة بيتزي: «تجمع هذه الطريقة بين مزايا رؤية الحاسوب الحديثة وإعادة بناء البلورات: يُضاف الضجيج فقط إلى المواضع المجهولة داخل البلورة وتبقى المواضع المعروفة إلى حد كبير دون تغيير خلال العملية».
بما أن OxTALPoint يحافظ على معظم البنية الموجودة، يمكنه استخدام الذرات المعروفة كدليل أثناء إعادة البناء. يضيف رنتس: «من خلال إعادة البناء خطوة بخطوة، يمكن لـ OxTALPoint التوجه منذ البداية نحو البلورة الموجودة مما يزيد معدل النجاح ويوفر القدرة الحاسوبية».
اختبر الباحثون OxTALPoint بأخذ هياكل بلورية ذات مواقع هيدروجين معروفة، وإزالة تلك الإحداثيات وطلب من النموذج إعادة بنائها.
استعاد OxTALPoint الترتيب السابق في 87 في المئة من التجارب. في عشرة في المئة الأخرى، أنتج تكوينات كانت أكثر استقرارًا من حيث الطاقة من الهياكل المسجلة.
قال رنتس: «بشكل عام، هذا يعني معدل نجاح قدره 97 في المئة لـ OxTALPoint». يمكن الآن استخدام هذا النموذج لاستعادة إحداثيات الهيدروجين المفقودة في قواعد بيانات المواد. كما استخدم بيتزي وزملاؤه هذه الطريقة لاكتشاف أخطاء في قواعد البيانات.
تجدر الإشارة إلى أن التطبيق المحتمل لهذا الاكتشاف الجديد يتجاوز الهيدروجين، ويمكن لنفس النهج إعادة بناء مواقع الليثيوم والصوديوم أيضًا؛ وهما العنصران المهمان في البحث عن مواد بطارية جديدة.