الأبحاث ضمن الموضوع : تعلم الآلة في علوم المواد
-
ChemGraph كإطار عمل وكيل لعمليات الكيمياء الحاسوبية
2026 | المؤلف: Thang D. Pham وآخرون | المجلة: Communications Chemistry | المجال: كيمياء المواد (Materials Chemistry)تقدم الأبحاث ChemGraph، وهو إطار مبتكر يستخدم الذكاء الاصطناعي لأتمتة وتبسيط سير العمل في الكيمياء الحاسوبية وعلوم المواد. من خلال دمج نماذج الشبكات العصبية الرسومية لحسابات فعالة ونماذج اللغة الكبيرة (LLMs) لمعالجة اللغة الطبيعية وإدارة المهام، يوفر ChemGraph واجهة بديهية للمستخدمين. تم تقييم الإطار عبر 13 مهمة معيارية، مما كشف أن نماذج LLMs الأصغر تؤدي…
-
تصميم المواد الحيوية المدفوع بالذكاء الاصطناعي: حلقة مغلقة ذكية من التصميم العكسي إلى الاستجابة البيولوجية
2026 | المؤلف: Minglei Liu وآخرون | المجلة: Frontiers in Cell and Developmental Biology | المجال: كيمياء المواد (Materials Chemistry)تقدم هذه القسم نظرة عامة على التحديات التي تواجه تصميم المواد الحيوية التقليدي، مثل التكاليف العالية، دورات التطوير الطويلة، والتعقيدات في فهم العلاقة بين خصائص المواد والاستجابات البيولوجية. يبرز التأثير التحويلي للذكاء الاصطناعي (AI) على تصميم المواد الحيوية، مع التأكيد على قدرته على معالجة البيانات عالية الأبعاد وإقامة خرائط معقدة بين المتغيرات. تحدد المقالة أربعة…
-
ZENN: إطار عمل حسابي مستوحى من الديناميكا الحرارية لنمذجة البيانات المتنوعة المدفوعة
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Proceedings of the National Academy of Sciences | المجال: كيمياء المواد (Materials Chemistry)يقدم القسم نظرة عامة على نهج جديد يسمى الشبكة العصبية المعززة بالزنترابي (ZENN)، والتي تعالج التحديات التي تطرحها دمج مجموعات البيانات غير المتجانسة في الذكاء الاصطناعي. كانت الطرق التقليدية المعتمدة على الزنترابي، مثل خسارة الزنترابي المتقاطع، أساسية في قياس عدم اليقين المعلوماتي؛ ومع ذلك، فإن التعقيد المتزايد للبيانات يتطلب تقنيات أكثر تطوراً. يوسع ZENN نظرية…
-
MC3D: قاعدة بيانات السحابة المادية الحاسوبية للمواد غير العضوية المعروفة تجريبياً
2026 | المؤلف: Sebastiaan P. Huber وآخرون | المجلة: Digital Discovery | المجال: كيمياء المواد (Materials Chemistry)تقدم هذه القسم نظرة عامة على قاعدة بيانات المواد السحابية للهيكل ثلاثي الأبعاد (MC3D)، التي تستخدم نظرية الكثافة الوظيفية (DFT) لحساب وتصنيف خصائص الهياكل البلورية غير العضوية. تتضمن قاعدة البيانات ما يقرب من مليون هيكل تم الإبلاغ عنها تجريبياً مأخوذة من قاعدة بيانات البلورات المفتوحة (COD)، وقاعدة بيانات الهياكل البلورية غير العضوية (ICSD)، وقاعدة بيانات…
-
مستكشف بلورات روبوتي مدفوع بالذكاء الاصطناعي للتعرف السريع على الأشكال البلورية
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Digital Discovery | المجال: كيمياء المواد (Materials Chemistry)تقدم البحث محرك بحث بلوري روبوتي مصمم لتعزيز كفاءة واستقلالية عمليات التبلور، والتي تعتبر حاسمة لتنقية وفهم خصائص المواد. يدمج النظام معالجة السوائل عالية الإنتاجية مع آلية رؤية حاسوبية مغلقة، مدعومة بتعلم الآلة لاكتشاف وتصنيف أشكال البلورات. من خلال استخدام مركب بلوري معياري، نجح الروبوت في التنقل عبر مساحة مذيبات معقدة، وقام بتقدير عوائد الأشكال…
-
دراسة حالة حول التعلم الآلي الهجين والنمذجة المستندة إلى الكم لتوقع الذوبانية لمركبات الأدوية في المذيبات العضوية
2026 | المؤلف: W.J. Wang وآخرون | المجلة: Digital Discovery | المجال: كيمياء المواد (Materials Chemistry)تناقش هذه الفقرة أهمية الذوبانية في صياغة الأدوية ومعالجتها، مع تسليط الضوء على قيود COSMO-RS بسبب تكلفته الحسابية. يقدم المؤلفون إطار عمل هجين متقدم لعلاقة الهيكل الكمي بالنشاط (QSAR) يدمج الذوبانيات المستمدة من COSMO-RS مع نماذج التعلم الآلي (ML)، بناءً على الجهود السابقة. تشير مقارنة منهجية بين COSMOtherm و openCOSMO إلى تحسينات هجينة متسقة عبر…
-
PET-MAD كإمكانات بين الذرات العالمية خفيفة الوزن لنمذجة المواد المتقدمة
2025 | المؤلف: Arslan Mazitov وآخرون | المجلة: Nature Communications | المجال: كيمياء المواد (Materials Chemistry)في هذا القسم، يوضح المؤلفون المنهجية المستخدمة لتطوير مجموعة بيانات MAD، وتدريب نموذج PET-MAD، وضبط النماذج المتخصصة. شملت بناء مجموعة بيانات MAD إجراءات منهجية تم تفصيلها لضمان إمكانية إعادة الإنتاج. بالإضافة إلى ذلك، تتماشى بروتوكولات المحاكاة المستخدمة للأمثلة المتقدمة بشكل وثيق مع تلك التي تم تأسيسها في الأعمال المذكورة سابقًا، مع تقديم مزيد من التوضيح…
-
تحسين أخذ العينات في عصر التعلم الآلي: الخوارزميات والتطبيقات
2025 | المؤلف: Kai Zhu وآخرون | المجلة: Chemical Reviews | المجال: كيمياء المواد (Materials Chemistry)تقدم هذه القسم نظرة شاملة على التقدم في طرق أخذ العينات المعززة في محاكاة الديناميكا الجزيئية، مع التركيز بشكل خاص على دمج تقنيات التعلم الآلي (ML). لقد تطورت طرق أخذ العينات المعززة على مدار الخمسين عامًا الماضية لاستكشاف الأحداث النادرة والمناظر الطاقية الحرة المعقدة بفعالية، مع التركيز في الابتكارات الأخيرة على البناء المدفوع بالبيانات للمتغيرات…
-
مراجعة لأساليب التعلم الآلي في التنبؤ بالسلوك الميكانيكي للمواد المركبة
2025 | المؤلف: Harshit Sharma وآخرون | المجلة: Discover Applied Sciences | المجال: كيمياء المواد (Materials Chemistry)تتناول ورقة البحث الدور الحاسم لمزج المواد بدقة في تصنيع المواد المركبة، مع التأكيد على دمج المعرفة العلمية للتغلب على عدم التوافق الفطري لمكونات مختلفة. كما تبرز أهمية مساعدات التركيب في ضمان الاستقرار والكفاءة، مع الإشارة إلى أن الوظيفة الأساسية للمنتجات مثل الدهانات والمواد المركبة تعتمد على التركيب الكيميائي. في الاستنتاجات، تقيم الورقة فعالية أساليب…
-
التعلم الآلي للشحنات والتفاعلات بعيدة المدى من الطاقات والقوى
2025 | المؤلف: Zhenyun Du وآخرون | المجلة: Nature Communications | المجال: كيمياء المواد (Materials Chemistry)في هذا القسم، يؤكد المؤلفون على أهمية نمذجة القوى بعيدة المدى بدقة في المحاكاة الذرية، حيث تؤثر هذه القوى بشكل كبير على خصائص المواد والأنظمة الكيميائية. يبرزون قيدًا في إمكانيات التعلم الآلي بين الذرات (MLIPs) القياسية، التي تركز عادةً على التفاعلات قصيرة المدى، مما يحد من فعاليتها في الأنظمة التي تتميز بقوى كهربائية وإنتشار كبيرة.…