كيف تكتشف الشبكة العصبية الأخطاء في كتب الفيزياء المدرسية ✎ سريع

الأصل: "Machine Learning Insights into Discrepancies Between Theoretical and Experimental Fission Barrier Heights"
· Kun Ratha Kean, Yoritaka Iwata
arXiv:2604.16996 · 2026-04-18 · arXiv non-exclusive · تحليل مستقل · 1 دقيقة
التعلم الآلي كشف نقاط الضعف في المعادلات التي تتنبأ بقوة النوى الذرية.

نواة اليورانيوم تشبه محفظة مشدودة مقفلة على نصفين. لكي تنفجر وتطلق الطاقة – أي لكي تنقسم النواة – يجب تجاوز حاجز الطاقة. ارتفاع هذه العتبة يحدد ما إذا كانت المادة مستقرة أم عرضة للتفكك في أي لحظة. ظل الفيزيائيون لعقود يحسبونها بالمعادلات، لكن بالنسبة لأكثر النوى تقلباً – شديدة الاستطالة، ذات عدد غير معتاد من الجسيمات – كانت الحسابات كاذبة.

في الدراسة الجديدة، لعب التعلم العميق في التصوير الطبي دور المدقق الدقيق. زُوّد بمئات القياسات التجريبية وطُلب منه تصحيح تنبؤات نموذج ETFSI – أحد المناهج النظرية القياسية. تعلّمت خوارزمية XGBoost من الأخطاء، مثل تلميذ يراجع إجاباته مع دليل الحلول، وأصبح في النهاية يخطئ بنسبة 0.3–1.2 ميغا إلكترون فولت فقط. للمقارنة: طاقة الارتباط النموذجية لجسيم واحد في النواة حوالي 8 ميغا إلكترون فولت.

الأكثر إثارة للاهتمام أن الخوارزمية لم تكتفِ بـ«ملاءمة» الأرقام، بل أبرزت المنطق الفيزيائي. الحاجز الداخلي، الأقرب إلى مركز النواة، يعتمد بشدة على طاقة الارتباط وعدد النيوترونات – أي على مدى تماسك الجسيمات. أما الحاجز الخارجي، فيُدار بشكل أساسي بعدد البروتونات: كلما زاد عددها، زاد تنافرها، وأصبح من الأسهل على النواة أن تتفكك. وهذا بالضبط ما تتنبأ به نظرية التنافر الكولومي.

هكذا تحولت النظرة الآلية إلى عدسة مكبرة نرى من خلالها الشقوق في المعادلات القديمة. الآن يعرف الفيزيائيون أين ينظرون لتحسين الحسابات – وربما وصف كيفية نشوء العناصر الثقيلة في انفجارات النجوم بدقة أكبر.

طاقة انشطار نواة يورانيوم واحدة حوالي 200 ميغا إلكترون فولت. إذا أمكن شطر جميع النوى في غرام واحد من اليورانيوم-235، لانبعثت حرارة تعادل حرق 2.5 طن من الفحم.

العلماء
George GamowLeo Esaki
المفاهيم
إكس جي بوست تدريب خطأ التنبؤ معدل التعلم تعلم آلة قوي جهد بين ذري متعلم آليًا نمذجة فيزيائية بالشبكات العصبية نموذج لغة البروتين شجرة القرار المعززة انحدار الشبكة العصبية عتبة الخطأ دقة التنبؤ اختيار النموذج تقدير اللايقين بيانات التدريب الغابة العشوائية وسيط فيمتومتر التصحيح الذاتي للذكاء الاصطناعي فرط التجهيز