تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة الموضوعات الرئيسية
  3. تعلم الآلة في علوم المواد

الأبحاث ضمن الموضوع : تعلم الآلة في علوم المواد




  • ReactionSeek: تعدين البيانات الأدبية واكتشاف المعرفة المدعوم من LLM في التخليق العضوي

    2026 | المؤلف: Jiawei Li وآخرون | المجلة: Nature Communications | المجال: كيمياء المواد (Materials Chemistry)

    تقدم البحث ReactionSeek، وهو إطار عمل جديد مصمم لتعزيز تطبيق الذكاء الاصطناعي (AI) في الاكتشاف الكيميائي من خلال معالجة التحديات التي تطرحها الأدبيات العلمية غير المنظمة. غالبًا ما تكون طرق الحصول على البيانات التقليدية يدوية ومحدودة، مما يعيق الاستخدام الفعال للذكاء الاصطناعي في هذا المجال. يدمج ReactionSeek نماذج اللغة الكبيرة (LLMs) مع أدوات الكيمياء المعلوماتية…


  • التطورات الحديثة في السلوك الميكانيكي للمركبات القائمة على البوليمر

    2026 | المؤلف: Marcelo Antunes وآخرون | المجلة: Polymers | المجال: كيمياء المواد (Materials Chemistry)

    تسلط النظرة العامة الضوء على الخصائص المفيدة للأنظمة القائمة على البوليمرات، مثل طبيعتها الخفيفة، وقدراتها العازلة، ومرونتها الميكانيكية، التي تنبع من بنيتها المجهرية الجزيئية. ومع ذلك، تواجه هذه المواد قيودًا كبيرة في الأداء الميكانيكي والثبات الحراري، مما يحد من قابليتها للتطبيق في مختلف القطاعات التكنولوجية. وبالتالي، يتم توجيه جهود بحثية واسعة نحو تعزيز هذه الخصائص…


  • كشف الطاقة البينية في سبيكة المعدن المطاطي Ti-23Nb-0.7Ta-2Zr عبر إمكانيات التعلم الآلي بين الذرات العالمية

    2026 | المؤلف: Miroslav Lebedaa وآخرون | المجلة: Journal of Materials Research and Technology | المجال: كيمياء المواد (Materials Chemistry)

    تظهر هذه الدراسة فعالية ثلاثة إمكانيات بين الذرات للتعلم الآلي العالمية (uMLIPs)—MACE-MATPES-PBE-0، Orb-v3، وSevenNet-0—في رسم خريطة الطاقة للعناصر الخفيفة المتداخلة (C، N، O، وH) في سبيكة المعدن المطاطي Ti-23Nb-0.7Ta-2Zr. تبرز الدراسة أن هذه uMLIPs تعمل بسرعات أكبر بعدة أوامر من نظرية الكثافة الوظيفية التقليدية (DFT) بينما تلتقط بدقة التوزيعات الطاقية الواسعة (~1-3 eV) المرتبطة بهذه…


  • تمكين إمكانيات التعلم الآلي بين الذرات لمحاكاة الديناميات الجزيئية لمركب MoS 2 المخدر

    2026 | المؤلف: Abrar Faiyad وآخرون | المجلة: Journal of Chemical Theory and Computation | المجال: كيمياء المواد (Materials Chemistry)

    تقيّم هذه الدراسة دقة إمكانيات التعلم الآلي بين الذرات العالمية (MLIPs)، وبشكل خاص نموذج UMA العالمي للذرات من META، لأنظمة MoS\(_2\) المخدرة. تقارن الدراسة طاقات التكوين والتغيرات الهيكلية المتوقعة بواسطة MLIP مع حسابات نظرية الكثافة الوظيفية (DFT) لـ 25 نوعًا مختلفًا من المخدرات، بما في ذلك المعادن، واللافلزات، والمعادن الانتقالية. تشير النتائج إلى أن نماذج…


  • طيف الفونونات المستند إلى التعلم الآلي لخطوط الطيف الضوئي السريعة والدقيقة للعيوب

    2026 | المؤلف: Mark E. Turiansky وآخرون | المجلة: ACS Nano | المجال: كيمياء المواد (Materials Chemistry)

    قسم الطرق يوضح التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث استخدموا طرقًا إحصائية لتحليل البيانات المجمعة من عينة سكانية. تم تشغيل المتغيرات الرئيسية وقياسها باستخدام أدوات موثوقة، مما يضمن موثوقية وصلاحية النتائج. تم إجراء تحليل البيانات باستخدام أدوات برمجية سهلت تطبيق اختبارات إحصائية متنوعة، بما في ذلك اختبارات t وتحليلات…


  • ديناميات فراغ الكبريت التعاونية على نطاق واسع في MoS 2 ثنائي الأبعاد من إمكانيات التعلم الآلي بين الذرات

    2026 | المؤلف: Aaron Flötotto وآخرون | المجلة: Small | المجال: كيمياء المواد (Materials Chemistry)

    تبحث الدراسة في ديناميات فراغات الكبريت في طبقة واحدة من MoS\(_2\) وتأثيراتها على النشاط التحفيزي والسلوك الميمريستي. باستخدام محاكاة الديناميات الجزيئية على نطاق النانو ثانية مع إمكانيات بين الذرات المعتمدة على التعلم الآلي (MLIPs)، توضح الدراسة آليات نقل الفراغات التعاونية، بما في ذلك تشكيل تجمعات فراغات الكبريت الممتدة وعيوب الخط. تمت مقارنة إطارين من MLIP:…


  • خلط مكاني فعال ودقيق للطاقات بين الذرات المستفادة من التعلم الآلي لعلوم المواد

    2026 | المؤلف: Fraser Birks وآخرون | المجلة: npj Computational Materials | المجال: كيمياء المواد (Materials Chemistry)

    تقدم البحث ML-MIX، وهو حزمة LAMMPS مصممة لتعزيز كفاءة محاكاة الديناميات الجزيئية من خلال دمج الإمكانيات بين الذرات ذات التعقيدات المتنوعة. يسمح هذا النهج باستخدام الإمكانيات بين الذرات المستندة إلى التعلم الآلي (MLIPs) بدقة قريبة من المبادئ الأساسية مع معالجة القيود الحسابية المرتبطة عادةً بالمحاكاة على نطاق واسع. تتضمن الطريقة استخراج إمكانيات خطية، أقل استهلاكًا…


  • مجموعة بيانات و نماذج بلورات جزيئية مفتوحة 2025 (OMC25)

    2026 | المؤلف: Vahe Gharakhanyan وآخرون | المجلة: Scientific Data | المجال: كيمياء المواد (Materials Chemistry)

    يقدم القسم مجموعة بيانات البلورات الجزيئية المفتوحة 2025 (OMC25)، التي تتناول تحدي محدودية مجموعات البيانات المتاحة للجمهور لتوقع بنية وخصائص البلورات الجزيئية. تتكون OMC25 من أكثر من 27 مليون بنية بلورية جزيئية، تضم 12 عنصرًا وتستوعب خلايا وحدات تحتوي على ما يصل إلى 300 ذرة. تم إنشاء مجموعة البيانات من خلال تحسين أكثر من 230,000…


  • الذكاء الاصطناعي في المواد حسب التصميم: مراجعة نقدية وآفاق حول معلومات المواد للذكاء التوليدي والوكيل

    2026 | المؤلف: Kritesh Kumar Gupta وآخرون | المجلة: Archives of Computational Methods in Engineering | المجال: كيمياء المواد (Materials Chemistry)

    تقدم هذه القسم نظرة عامة على التقدمات الكبيرة في علم المواد، مع التركيز بشكل خاص على البوليمرات، والسيراميك المتقدم، والمركبات القائمة على الليثيوم، ومواد البيروفكسايت. أدت هذه الابتكارات إلى تحقيق إنجازات في أنظمة توصيل الأدوية المستهدفة، وزرع العظام، والبطاريات عالية الأداء، والخلايا الشمسية. يبرز السياق التاريخي كيف دفعت احتياجات الجيش الابتكار في المواد، خاصة في…


  • الاستفادة من التعلم الانتقالي للتقدير الدقيق لحواجز هجرة الأيونات في المواد الصلبة

    2026 | المؤلف: Reshma Devi وآخرون | المجلة: npj Computational Materials | المجال: كيمياء المواد (Materials Chemistry)

    في هذا القسم، يتناول المؤلفون التحدي الحاسم المتمثل في توقع حاجز هجرة الأيونات ($E_m$) في المواد الصلبة، والذي يؤثر بشكل كبير على أداء التطبيقات مثل البطاريات، وخلايا الوقود، وأجهزة الاستشعار الكهروكيميائية. غالبًا ما كانت الطرق التقليدية لتحديد المواد ذات $E_m$ المنخفض تعتمد على أوصاف غير دقيقة. للتغلب على هذا القيد، يقترح المؤلفون بنية قائمة على…


←السابق
1 2 3 4 … 8
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.