كيف تتحول جزيئات الماء السائل إلى جليد عن طريق المحاكاة؟

كيف تتحول جزيئات الماء السائل إلى جليد في المحاكاة؟
كيف تتحول جزيئات الماء السائل إلى جليد في المحاكاة؟ - قام باحثون في جامعة برينستون بدمج الذكاء الاصطناعي وميكانيكا الكم لمحاكاة ما يحدث على المستوى الجزيئي عندما يتجمد الماء. والنتيجة هي المحاكاة الأكثر اكتمالا حتى الآن للخطوات الأولى في "تنوي" الجليد ، وهي عملية مهمة لنمذجة المناخ والطقس. قروض: بابلو بياجي ، جامعة برينستون

نجح فريق من جامعة برينستون في استخدام معادلات الذكاء الاصطناعي (AI) التي تتحكم في السلوك الكمي للذرات والجزيئات الفردية لاكتشاف المراحل المبكرة من تكوين الجليد.

تُظهر المحاكاة بدقة كمية كيف تتحول جزيئات الماء إلى جليد صلب.

كانت القوة الحاسوبية التي سيحتاجها الباحثون هائلة. استخدموا الشبكات العصبية العميقة ، نوع من الذكاء الاصطناعي ، في دراستهم لتحقيق درجة من الدقة يعتقد أنها غير قابلة للتحقيق. نشرت الأكاديمية الوطنية للعلوم جورنال بروسيدينجز الدراسة.

ساعد البروفيسور روبرتو كار من قسم الكيمياء برينستون في تطوير استراتيجية لمحاكاة السلوك الجزيئي بناءً على قواعد الكم الأساسية منذ أكثر من 35 عامًا ، وعلق على ذلك بأنه كان بمثابة حلم تحقق. "كان هدفنا في ذلك الوقت أن نكون قادرين في النهاية على دراسة أنظمة مثل هذه ، ولكن لم يكن ذلك ممكنًا بدون تطوير مفاهيمي إضافي ، وكان هذا التطور من خلال تخصص جديد تمامًا مثل الذكاء الاصطناعي وعلوم البيانات."

يمكن أن تؤدي نمذجة المراحل المبكرة من تجميد الماء أو نواة الجليد إلى زيادة دقة توقعات الطقس والمناخ ، بالإضافة إلى العمليات الأخرى مثل التجميد المفاجئ للأغذية.

تسمح الطريقة الجديدة للباحثين بمراقبة نشاط مئات الآلاف من الذرات على مدى فترات زمنية أطول بآلاف المرات من الدراسات السابقة ، على الرغم من أنها لا تزال أجزاء من الثانية فقط.

طريقة تطبيق قوانين ميكانيكا الكم الأساسية للتنبؤ بالحركات الفيزيائية للذرات والجزيئات اخترعها كار. كيف تتحد الذرات مع بعضها البعض لتكوين الجزيئات وكيف تتحد الجزيئات مع بعضها البعض لتكوين كائنات مشتركة يحدث كلاهما وفقًا لقوانين ميكانيكا الكم.

الديناميات الجزيئية Ab initio هو نهج نشره Car and Michele Parrinello ، عالم فيزياء يعمل الآن في Istituto Italiano di Tecnologia في إيطاليا ، في دراسة افتتاحية في عام 1985.

أب initio تعني من البداية باللاتينية.

ومع ذلك ، فإن الحسابات الميكانيكية الكمومية صعبة وتتطلب الكثير من قوة المعالجة. في الثمانينيات ، كان يمكن محاكاة مائة ذرة فقط بواسطة أجهزة الكمبيوتر على مقياس زمني يصل إلى عدة تريليون من الثانية. أدت الاختراقات في الحواسيب العملاقة الحديثة والحسابات اللاحقة إلى زيادة العدد الذري ووقت تشغيل المحاكاة ، لكن هذه الأرقام كانت لا تزال أقل بكثير من عدد الذرات اللازمة لمشاهدة العمليات المعقدة مثل تنوي الجليد.

كما تم تقديم حل ممكن من خلال الذكاء الاصطناعي. يقوم الباحثون بتدريب ما يسمى بالشبكة العصبية بسبب تشابهها مع كيفية عمل الدماغ البشري للتعرف على مجموعة فرعية صغيرة نسبيًا من الحسابات الكمومية المختارة. بمجرد التدريس ، يمكن للشبكة العصبية إجراء حسابات دقيقة ميكانيكيًا للقوى بين الذرات لم يسبق لها مثيل من قبل.

التعرف على الصوت والسيارات ذاتية القيادة هما مجرد تطبيقين من التطبيقات المعتادة التي تستخدم منهجية "التعلم الآلي".

باستخدام الشبكات العصبية العميقة لتمثيل القوى بين الذرية الميكانيكية الكمومية ، حقق طالب الدراسات العليا في جامعة برنستون لينفينج زانج وأستاذ الرياضيات في جامعة برنستون وينان إي انفراجة في الذكاء الاصطناعي في النمذجة الجزيئية في عام 2018. كانت هذه الطريقة تسمى "الديناميكيات الجزيئية العميقة المحتملة". وهو عالم أبحاث في معهد بكين لأبحاث البيانات الضخمة ، وحصل على درجة الدكتوراه.

في هذه المقالة ، استخدم كار وباحث ما بعد الدكتوراه بابلو بياجي وباحثون آخرون هذه الأساليب للتغلب على المهمة الصعبة المتمثلة في محاكاة تنوي الجليد.

كانوا قادرين على إجراء عمليات محاكاة لما يصل إلى 300.000 ذرة باستخدام قوة حسابية أقل بشكل كبير واستخدام ديناميكيات جزيئية عميقة محتملة لفترات زمنية أطول بكثير مما كان يمكن تحقيقه في السابق. أداروا عمليات المحاكاة على سوميت ، أحد أسرع الحواسيب العملاقة في العالم ، ويقع في مختبر أوك ريدج الوطني.
وفقًا للبروفيسور بابلو ديبنديتي ، المؤلف المشارك للدراسة الجديدة ، تقدم هذه الدراسة واحدة من أفضل المراجعات لنواة الجليد.

وفقًا لـ Debenedetti ، فإن أحد المتغيرات الرئيسية التي لم يتم قياسها في نماذج التنبؤ بالطقس هو تنوي الجليد. "نشهد اتفاقًا قويًا للغاية مع التجارب ، لذا فهذه خطوة مهمة جدًا.

بسبب قدرتنا على نمذجة أنظمة كبيرة جدًا ، أصبحت الحسابات الكمومية ممكنة الآن.

حاليًا ، تعد الملاحظات من التجارب المعملية المصدر الرئيسي للمعلومات التي تستخدمها النماذج المناخية لتحديد مدى سرعة نوى الجليد ، ولكن هذه الارتباطات وصفية فقط وليست تنبؤية ولا تنطبق إلا على مجموعة صغيرة من الإعدادات التجريبية. في المقابل ، يمكن أن تولد المحاكاة الجزيئية من النوع المستخدم في هذه الدراسة عمليات محاكاة تتنبأ بالأحداث المستقبلية وتحسب كمية الجليد التي ستتشكل عند درجة حرارة وضغط مرتفعين.

وفقًا لأثاناسيوس باناجيوتوبولوس ، أستاذة سوزان دود براون في الهندسة الكيميائية والبيولوجية والمؤلف المشارك للدراسة ، "ستساعد منهجية الإمكانات العميقة المستخدمة في دراستنا على تحقيق الوعد بالديناميات الجزيئية من أجل إنتاج تنبؤات مفيدة للظواهر المعقدة مثل التفاعلات الكيميائية وتصميم مواد جديدة ".

حتى بمساعدة الذكاء الاصطناعي ، تحدث أحداث نادرة في جداول زمنية لا يمكن تقديمها للمحاكاة وتتطلب استخدام أساليب معينة لتسريعها.
ساعد جاك ويس ، طالب دكتوراه في الهندسة الكيميائية والبيولوجية ، في زيادة احتمالية مشاهدة التنوي عن طريق "زرع" بلورات الجليد المجهرية في المحاكاة.

تشكل ذرتان من الهيدروجين وذرة أكسجين جزيء ماء. يتحكم عدد الإلكترونات المحيطة بكل ذرة في مدى سهولة تجميع الذرات معًا لتكوين جزيئات.

المعادلة التي تحدد كيفية تصرف الإلكترونات ، وفقًا لبياجى ، هي حيث نبدأ. "تتحكم الإلكترونات في كل جانب من جوانب الكيمياء تقريبًا ، بما في ذلك كيفية تفاعل الذرات وتشكيل روابط كيميائية."

يمكن للذرات أن تعيش فعليًا في ملايين التكوينات المختلفة ، وفقًا لكار ، مدير الكيمياء ، الذي يتلقى تمويلًا من مكتب العلوم بوزارة الطاقة الأمريكية ويتعاون مع الكليات المحلية.
إن قدرة الآلة على التنبؤ بما يحدث في عدد محدود من التكوينات لمجموعة صغيرة من الذرات إلى الاحتمالات التي لا تعد ولا تحصى لنظام أكبر بكثير هو ما يسميه كار "السحر".

وفقًا لـ Piaggi ، على الرغم من أن أساليب الذكاء الاصطناعي كانت موجودة منذ بعض الوقت ، إلا أن الأكاديميين مترددون في استخدامها في الحسابات التي تنطوي على أنظمة فيزيائية. "كان معظم المجتمع العلمي مترددًا عندما اكتسبت خوارزميات التعلم الآلي شعبية لأول مرة لأن هذه الخوارزميات عبارة عن صندوق أسود ولا تفهم الفيزياء ، فلماذا نستخدمها؟"

وفقًا لـ Piaggi ، تغيرت هذه العقلية بشكل كبير في السنوات الأخيرة ، ليس فقط لأن الخوارزميات فعالة ، ولكن لأن العلماء يطبقون الآن فهمهم للفيزياء لتوجيه تطوير نماذج التعلم الآلي.

بالنسبة إلى Car ، من المجدي أن ترى نتائج العمل الذي بدأ منذ ثلاثة عقود. وفقًا لـ Car ، كان علم البيانات والرياضيات التطبيقية من المجالات التي حدث فيها تحسين. من المهم جدًا أن يكون لديك هذا النوع من الاتصال متعدد التخصصات.

المصدر: phys.org/news

 

Günceleme: 14/08/2022 10:29

إعلانات مماثلة

كن أول من يعلق

Yorumunuz