الجزيئات المجاورة تزيد من دقة التنبؤات سريع
توقّع خصائص جزيء جديد يشبه تخمين طعم طبق غير مألوف. يعمل البرنامج كطاهٍ خبير: «يتذوق» جزيئات مماثلة معروفة الخصائص، وبناءً على «مذاقها» يُنقِّح تخمينه. على سبيل المثال، بالنسبة لـ ماء أو ثاني أكسيد الكربون، تجد الخوارزمية نظائر مدروسة وتُصحِّح درجة الغليان أو الذوبانية.
لا يكتفي الطاهي بنسخ الجيران، بل يُقيِّم مدى ثقته بتنبؤه الذاتي. لهذا يُستخدَم مقياس لعدم اليقين، أشبه بـ الإنتروبيا في الفيزياء: كلما زاد عدم اليقين، زاد اعتماد البرنامج على بيانات موثوقة لمواد مماثلة. المدهش أن الطريقة تعمل حتى مع المعلومات المتضاربة: يقرر البرنامج بنفسه أي «جار» أكثر ثقة، بترجيح موثوقية المصادر.
في النهاية، يقل الخطأ بنحو 20% – كما لو أصبحت توقعات الطقس أدق بمقدار الخُمس. كل هذا دون إعادة ضبط طويلة: تُدمِج الخوارزمية البيانات الجديدة فوراً، مما يُسرِّع البحث عن الأدوية والمواد.
قد يستغرق قياس خاصية واحدة للجزيء في المختبر ساعات، أما التنبؤ الحاسوبي فيستغرق أجزاء من الثانية. الطريقة الجديدة تجعل هذه الحسابات أكثر دقة بنحو 20% دون الحاجة إلى تجارب إضافية.
أصبح المحلل الشامل الخيالي للمواد أقرب إلى الواقع: تُنقِّح الخوارزمية خصائص الجزيئات دون مختبر، بالاستفادة من خبرة «الجيران».