في كاشف مصادم الهادرونات الكبير، بعد كل اصطدام للبروتونات تبقى آلاف النقاط — آثار الجسيمات المتطايرة. تعلمت شبكة عصبية أن ترى في هذا النمط قوانين وتتنبأ بما حدث لحظة الاصطدام. الآن دربت نفس الشبكة على النظر إلى الجزيئات: بدل آثار الجسيمات — مواقع الذرات، وبدل الاصطدام — كيف ستتحرك هذه الذرات وتتفاعل.
السر أن النموذج بُني على قاعدة: الذرات القريبة من بعضها تؤثر بقوة أكبر من البعيدة. هذا يشبه أن الجيران في نفس العمارة يلاحظون بعضهم أكثر من سكان الأحياء المختلفة. بفضل هذا، لا تحفظ الشبكة الصور فحسب، بل تستشعر فيزياء التفاعلات. أظهر الاختبار: حتى بعد ضبط بسيط، يتنبأ النموذج بسلوك الجزيئات بشكل ممتاز، ويحسب أسرع بشكل ملحوظ من النماذج المماثلة.
هذا النقل للمعرفة من فيزياء الطاقات العالية إلى الكيمياء أمر نادر. لكن إذا كان يعمل، فلدينا أداة عالمية: نفس البنية تفهم الجسيمات دون الذرية والجزيئات الدوائية. وبالتالي، البحث عن مواد وأدوية جديدة قد يتسارع أضعافًا مضاعفة.
النموذج دُرّب في البداية على مليار «صورة» لاصطدامات الجسيمات — هذا مثل تعلم مليار صورة للألعاب النارية لتمييز أنماط رقاقات الثلج لاحقًا.
في مسلسل «الأسس» (Foundation) تنبأ هاري سيلدون بمستقبل الحضارات من خلال كميات هائلة من البيانات — هنا نهج مشابه يعمل مع الجزيئات الفردية.