الأبحاث ضمن الموضوع : تعلم الآلة في علوم المواد
-
DeepQuark: نهج الشبكة العصبية العميقة لحالات الربط متعددة الكوارك
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Physical Review Letters | المجال: كيمياء المواد (Materials Chemistry)في هذا البحث، يقدم المؤلفون نهجًا جديدًا قائمًا على الشبكات العصبية العميقة يسمى DeepQuark، مصمم خصيصًا لدراسة حالات الربط متعددة الكواركات. يتناول هذا الأسلوب التعقيدات الناجمة عن التفاعلات القوية SU(3) اللونية، والتي هي أكثر تعقيدًا من تلك الموجودة في أنظمة الإلكترونات أو النوكليونات. يدير DeepQuark بفعالية التحديات مثل الارتباطات المعززة، والأرقام الكمومية المنفصلة الإضافية، والتفاعلات…
-
تحسين ذاتي لإمكانات التعلم الآلي المدعوم بتدفق العمل الآلي عالي الكفاءة لتصميم مواد الأنظمة المعقدة
2026 | المؤلف: Jiaxiang Li وآخرون | المجلة: npj Computational Materials | المجال: كيمياء المواد (Materials Chemistry)يقدم هذا القسم نظرة عامة على إطار عمل جديد للتنبؤ بهياكل البلورات الآلية يستفيد من إمكانيات الشبكات العصبية المرتبطة بالانتباه لتعزيز تصميم المواد المعقدة. بينما تقدمت إمكانيات التعلم الآلي بين الذرات بشكل كبير في استكشاف فضاءات تكوين المواد بدقة من الدرجة الأولى، لا تزال هناك تحديات في تحقيق تعميم قوي على الهياكل غير المعروفة وتقليل…
-
دمج المعرفة من أجل الانحدار الرمزي المستند إلى الفيزياء باستخدام نماذج لغوية كبيرة مدربة مسبقًا
2026 | المؤلف: Bilge Taskin وآخرون | المجلة: Scientific Reports | المجال: كيمياء المواد (Materials Chemistry)في هذا القسم، يناقش المؤلفون التقدم في الانحدار الرمزي (SR) كطريقة للاكتشاف العلمي الآلي، وخاصة في اشتقاق المعادلات الحاكمة من البيانات التجريبية. يبرزون دمج المعرفة الميدانية في الانحدار الرمزي المستنير بالفيزياء (PiSR) لتعزيز عمومية وقابلية تطبيق المعادلات المكتشفة. ومع ذلك، تتطلب الطرق الحالية غالبًا صيغًا متخصصة وهندسة ميزات يدوية، مما يحد من استخدامها على خبراء…
-
المواد الجديدة المدعومة بالذكاء الاصطناعي: الاكتشاف، التركيب، التنبؤ إلى التحقق
2026 | المؤلف: Ying Cao وآخرون | المجلة: Nano-Micro Letters | المجال: كيمياء المواد (Materials Chemistry)تقدم هذه القسم مراجعة شاملة للتطورات الأخيرة في تطبيقات الذكاء الاصطناعي (AI) في أبحاث المواد، مع التركيز على مجالات رئيسية مثل اكتشاف المواد، والتركيب، والتنبؤ، والتحقق. يؤكد على استراتيجيات التصميم التي تعزز أداء الذكاء الاصطناعي في علوم المواد، مشددًا على أهمية معالجة البيانات، وتطوير الخوارزميات، وأتمتة العمليات المختبرية لفهم المواد الموجودة واكتشاف مواد جديدة. علاوة…
-
استخراج وإعادة بناء المعرفة في أدبيات علوم المواد باستخدام نماذج اللغة الكبيرة
2026 | المؤلف: Shuyuan Li وآخرون | المجلة: Communications Materials | المجال: كيمياء المواد (Materials Chemistry)تقدم البحث طريقة عامة لإعادة بناء المعرفة من الأدبيات العلمية غير العضوية، مع التركيز على الطرق الاصطناعية والخصائص. استخدم المؤلفون تصميمًا يعتمد على طلب واحد لإنشاء مجموعة بيانات شاملة باستخدام نموذج GPT-4، والذي تم استخدامه بعد ذلك لضبط أربعة نماذج لغوية كبيرة (LLMs): LLaMA3-8Binstruct، Gemma-7B، Phi3-mini-128k-instruct، وGPT3.5-turbo-1106. أظهرت هذه النماذج المضبوطة أداءً قويًا في استخراج…
-
معلومات المواد: الظهور إلى الاكتشاف الذاتي في عصر الذكاء الاصطناعي
2026 | المؤلف: Zhenyun Du وآخرون | المجلة: Advanced Materials | المجال: كيمياء المواد (Materials Chemistry)يوفر هذا القسم نظرة شاملة على تطور معلومات المواد، مع تسليط الضوء على الروابط الأساسية لها مع الفيزياء ونظرية المعلومات، وتطورها من خلال دمج التعلم الآلي والذكاء الاصطناعي (AI). أسس الرواد الأوائل مثل تشيليكوسكي، وفيليبس، وبهادشيا الأساس لهذه الطريقة التحولية في اكتشاف المواد. لقد تسارعت مبادرة جينوم المواد الأمريكية بشكل كبير من تقدم هذا المجال،…
-
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…
-
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…