طريقة

الشبكات التوليدية التنافسية

Generative adversarial networks are a machine learning method where two neural networks compete to generate realistic synthetic data.
62 مقالات ذات صلة · 1 صيغ

الوصف

شبكات الخصومة التوليدية (GAN) هي معمارية تتألف من شبكتين عصبيتين تلعبان لعبة الحد الأدنى والأقصى: يحاول المولد G خداع المُميِّز D عبر إنتاج بيانات تبدو حقيقية، بينما يتعلم D التمييز بين البيانات الحقيقية والمزيفة. يتحقق التوازن عندما يعيد G إنتاج توزيع البيانات الحقيقية بدقة عالية لدرجة أن D يعجز عن التمييز، فتنخفض دقته إلى مستوى التخمين العشوائي (50%). يشبه الأمر سباق تسلح بين مُزيِّف الأوراق النقدية وخبير المصرف، حيث يرفع كل طرف مستوى التحدي.

التاريخ

اقترحها إيان جودفيلو وزملاؤه (2014) كوسيلة لتدريب النماذج التوليدية دون الحاجة إلى نمذجة صريحة لتوزيع البيانات. تعود الفكرة إلى الألعاب التنافسية ونظرية الحد الأدنى والأقصى. سرعان ما اكتسبت شعبية لقدرتها على توليد صور وأصوات ومقاطع فيديو واقعية. وقد عالجت التعديلات اللاحقة — مثل DCGAN و StyleGAN و CycleGAN — مشكلات عدم استقرار التدريب ورفعت الجودة.

كيف يعمل

أثناء التدريب، يتم تحديث G و D بالتناوب. يتلقى المُميِّز عينة حقيقية ومخرجات المولد، ويحسب خسارته (دالة الخطأ اللوجستي). يضبط المولد أوزانه بهدف تعظيم خطأ المُميِّز — أي لجعل المُنتج المزيف يبدو حقيقيًا. تمر التدرجات من D عبر G، مما يُشكل تمثيلاً كامنًا. من المشكلات: تلاشي التدرجات عندما يكون D قويًا جدًا، لذا تُستخدم دوال خسارة غير معيارية (مثل Wasserstein GAN).

في التطبيق

توليد وجوه واقعية، وتصميم أزياء، وتحسين الصور الطبية — في كل مجال يتطلب إكمال التفاصيل بشكل مقنع.

حقيقة طريفة

أكثر عمليات التزييف العميق إثارة للإعجاب واستعادة الأفلام القديمة تعود إلى شبكات GAN.

Concept graph →

صيغ

$$\min_G \max_D V(D,G) = \mathbb{E}_{x \sim p_{data}}[\log D(x)] + \mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]$$
Adversarial training objective for generative adversarial networks.
ما في الصيغة
xمتغيرdata sample — sample
zمتغيرlatent variable sample — latent variable
D(x)متغيرdiscriminator output for real data — discriminator output
G(z)متغيرgenerator output for latent variable — generator output
V(D,G)متغيرvalue function of the game — value function
min_Gمؤثرminimize with respect to generator parameters — minimization over generator
max_Dمؤثرmaximize with respect to discriminator parameters — maximization over discriminator
E_{x~p_data}مؤثرexpectation over the empirical data distribution — expectation over data distribution
E_{z~p_z}مؤثرexpectation over the latent prior distribution — expectation over latent distribution
logمؤثرnatural logarithm — اللوغاريتم
\min_g\max_dv(d,g)=\mathbb{e}_{x\simp_{data}}[\logd(x)]+\mathbb{e}_{z\simp_z}[\log(1-d(g(z)))] · 2606.27227

مقالات ذات صلة · 65

منظّم حرارة بلا مقياس حرارة: كيف تجد الشبكة النقطة الحرجة بنفسها
في مبنى من تسعة طوابق، في كل طابق ألف غرفة، بعض السكان يهمسون وبعضهم يصرخون. الجيران ينقلون الكلمات، لكن إذا تحدث الجميع بهدوء شديد، تتلاشى الرسالة في الطابق الثالث. وإذا تحدثوا بصخب شديد، تتحول بحلول الطابق الأخير إلى هدير غير مفهوم. بين هذين الطرفين توجد حالة يصل فيها الهمس إلى النهاية دون تشويه. يسميها علماء الأعصاب النقطة الحرجة، ويبدو أن الدماغ يعمل عندها تمامًا.
مترجم لا يواكب الكلام: كيف تسرّع الشبكة العصبية علم فلك الموجات الثقالية
مترجم فوري في قاعة يتحدث فيها شخصان: عليه أن يواكب المعنى والنبرة معًا، لكن إذا كان الكلام سريعًا جدًا، لا يبقى سوى إعادة صياغة. هكذا يشعر العلماء تقريبًا عندما يتزايد تدفق الموجات الثقالية من اندماجات الثقوب السوداء والنجوم النيوترونية، بينما لا تواكب الحسابات الدقيقة للإشارات.
مترجم لا يواكب الكلام: كيف تسرّع الشبكة العصبية علم فلك الموجات الثقالية
مترجم فوري في قاعة يتحدث فيها شخصان: عليه أن يواكب المعنى والنبرة معًا، لكن إذا كان الكلام سريعًا جدًا، لا يبقى سوى إعادة صياغة. هكذا يشعر العلماء تقريبًا عندما يتزايد تدفق الموجات الثقالية من اندماجات الثقوب السوداء والنجوم النيوترونية، بينما لا تواكب الحسابات الدقيقة للإشارات.
الدماغ أمام متاهة المرايا: كيف تتغلب الشبكة الداخلية للإحداثيات على الوهم
من السهل جدًا أن تضيع في قاعة المرايا: كل جدار يعكس الآخر، ويبدو أنك كنت هنا من قبل. بنفس الطريقة تقريبًا يرتبك الدماغ عندما يكون هناك الكثير من الأماكن المتشابهة حوله. العصبونات — الخلايا المسؤولة عن خريطة الفضاء — قد تُصدر إشارة متطابقة لزاويتين مختلفتين من الغرفة. تُسمى هذه الظاهرة بالغموض المكاني: يتلقى الدماغ معلومات غامضة حول موقع الجسم بالضبط.
قسمة لا تُفتّت الذاكرة
أن تُبقي في ذهنك الموضع الدقيق لقلم يُحرَّك ببطء — مهمة عادية للدماغ. أما بالنسبة للشبكات العصبية الاصطناعية فهي شبه مستحيلة. الشبكات المتكررة العادية، مثل GRU وLSTM، تميل إلى تقسيم الحركة المستمرة إلى درجات صلبة: القلم لا يزحف بسلاسة، بل يقفز من نقطة إلى أخرى. تبدو الشبكة وكأنها لا تتذكر خطًا متصلًا، بل عدة لقطات منفصلة.
تعلم الآلة2026-08-011 دarXiv:2608.00776سريع
الكيمياء تكتسب بصرًا: كيف يحسّن الرؤية الحاسوبية التنبؤ بالتفاعلات الكيميائية
التنبؤ بمردود تفاعل كيميائي هو محاولة لتقدير المحصول الزراعي دون معرفة سوى تكوين التربة. لفترة طويلة، اعتمد الكيميائيون على أعمدة طويلة من الأرقام، تُسمى الواصفات الكمومية (quantum descriptors)، التي تصف طاقة الإلكترونات لكنها تتجاهل شكل الجزيء. ومع ذلك، قد يتصرف مركبان بخصائص رقمية شبه متطابقة بشكل مختلف لمجرد أن أحدهما ضخم كباقة زهور والآخر مسطح كورقة.
علم الكون2026-07-311 دarXiv:2607.29683سريع
شبكة عصبية تمنع الجاذبية من الاختباء
في محيط كوني شاسع، تتجمع المادة المظلمة في كتل وخيوط، مثل العوالق في التيارات. لكن إذا كانت الجاذبية لا تعمل تمامًا وفقًا لنظرية أينشتاين، فإن هذه الأنماط تتغير — بشكل بالغ الدقة، مثل تموجات من رياح غير مرئية. يمكن رؤية هذه التموجات بمقارنة خرائط السماء بالمحاكاة الحاسوبية.
صدى الزلازل يروي حكاية التدفقات الخفية
حوض به رمل مبلل. تضغط في زاوية منه — فيبدأ الماء بالتحرك. ولكن كيف بالضبط؟ بدلًا من انتشاره في دائرة منتظمة، قد ينساب على شكل ألسنة، ويمكث طويلًا في بعض الأماكن، ويندفع بسرعة عبر أماكن أخرى. وتحت الأرض يحدث الأمر نفسه: النفط أو الماء أو الغاز يهاجر عبر الصخور ليس وفقًا للكتاب المدرسي، بل خاضعًا لفوضى الشقوق وعدم التجانس.
الذكاء الاصطناعي يتعلم صناعة الفيروسات
في عام 2025، لم تعد النماذج اللغوية الكبيرة مثل GPT مجرد أدوات للدردشة — بل تساعد العلماء في تصميم التجارب. لكن الأداة نفسها قد تقع في أيدي الأشرار. مجموعة من الباحثين بنت ميدانًا رقميًا لاختبار ذلك. لقد أنشأوا نموذجًا مخترقًا باسم Intern-BioBreaker — وهو بمثابة لص أقفال افتراضي يلتقط مفاتيح لاختراق دفاعات الشبكات العصبية.
مُرشِّح ذكي للمفاتيح السرية: المُشفِّر التلقائي ضد الضوضاء
عندما يحاول هاتفان إنشاء مفتاح سري مشترك من الخصائص العشوائية لموجات الراديو، تجعل التداخلات قياساتهما غير دقيقة. الأمر أشبه بشخصين ينظران إلى انعكاس في نافذة ضبابية: يرى كلٌّ منهما ظلاً مشوشاً، ويتعذر تمييز الصورة العامة. يأتي المُشفِّر التلقائي للإنقاذ — برنامج قابل للتعلم يزيل الضوضاء، مثل قطعة قماش تمسح الزجاج.
كيف توقف الذكاء الاصطناعي عن الخلط بين الأصوات في السيناريو
النماذج التي تحول النص إلى صوت تتقن إعادة إنتاج الأصوات المنفردة، لكنها تحتار عندما يتضمن السيناريو عدة أحداث. على سبيل المثال، وفقًا للسيناريو يأتي رنين الجرس أولاً، ثم خطوات الأقدام، ثم صوت إغلاق الباب. قد يعيد المولد ترتيب الأحداث، فيسمع المستمع خطوات الأقدام قبل رنين الجرس. وجد الباحثون حلاً غير متوقع: بدلاً من برمجة قواعد معقدة، أخذوا شبكة عصبية 'تفهم' الصوت، وجعلوها مراقبًا صارمًا.
ثنائي السرعة والدقة: دفاع متعدد الطبقات لشبكات الكهرباء الذكية
الألواح الشمسية ومولدات الرياح، على عكس التوربينات التقليدية، تُوصَل عبر عواكس (Inverters) — أجهزة تحول التيار المستمر إلى تيار متردد. وهذا يفتح نواقل جديدة للهجمات السيبرانية: إذ يمكن للمهاجمين تشويه قراءات الحساسات أو تزوير علامات GPS الخاصة بمزامنة التوقيت دون أن يُلاحَظ ذلك. ولمواجهة ذلك، جمع المهندسون بين نهجين — حارس فائق السرعة ومحقق مدقق.
شبكة عصبية ذات حس موضعي تحسّن الاتصال
في المطبخ بمواقد الغاز، كل شعلة تسخن بطريقتها. إذا أعاد الطاهي ترتيب القدور، قد يحترق الطعام. هكذا في الشبكة اللاسلكية: الهوائيات-الشعلات والمستخدمون-القدور يتطلّبون ترتيبًا دقيقًا. الشبكات العصبية العادية لا تميّز المواقع، معتبرةً كل الشعلات متشابهة. لذلك يصعب عليها تقدير جودة الاتصال أو ضبط الإرسال.
الكون الحرباء: كيف تتعلم الجاذبية الاختباء
في أعماق الكون، تتقن الجاذبية فن التمويه. منذ ربع قرن، يحاول علماء الفيزياء الفلكية فك لغز الطاقة المظلمة التي تجعل الكون يتوسع بتسارع. وقد رُشِّح لهذا الدور الثابت الكوني لـ أينشتاين، وحقول قياسية، وتعديلات على الجاذبية.
كيف تعلمت السماعات رؤية مصدر الضوضاء
إلغاء الضوضاء النشط ينتج 'صوتًا مضادًا' لإخماد الضوضاء. لكن الأنظمة التقليدية عمياء: فهي لا تعرف من أين يأتي الصوت. في الغرف ذات الصدى، يشبه ذلك محاولة قيادة سفينة في عاصفة دون بوصلة — تكتم الصوت بشكل عشوائي. اكتشف مبدأ إخماد الموجات في القرن السابع عشر العالم كريستيان هوغنس، لكن التوجيه المكاني أضيف الآن فقط. الطريقة الجديدة تمنح النظام بصرًا.
الروبوتات2026-07-141 دarXiv:2607.12861سريع
الخريطة الخفية لسرب الروبوتات
يشبه سرب الروبوتات سربًا من اليراعات: يتحرك كل منها بدافع 'نحو حيث يوجد متسع'، فيتحول الفوضى إلى نظام. لطالما كان لغزًا كيف ينشأ التناسق دون اتصال أو أوامر. جاء الحل مع ابتكار خريطة الاستجابة — أداة، مثل الأشعة السينية، تكشف عن المنطق الخفي لعقل الآلة. كشفت الخريطة حقيقة مذهلة: تبني الروبوتات، دون قصد، نموذجًا للمهمة على شكل فضاء منحنٍ.
خداع اصطناعي: كيف تعلّم الصور المزيّفة الرؤية الحاسوبية رؤية الحقيقة
تخيّل طبّاخًا يتعلّم الطهي من صور مرسومة فقط — شبه مؤكد أنه سيفسد كل طبق. فخّ مشابه يتربّص بـ الرؤية الحاسوبية: تدريب النماذج يتطلب آلاف الصور الموسومة، لكن جمعها ووضع العلامات عليها يدويًا مكلف ومضجر. الصور الاصطناعية المولّدة بالخوارزميات تحل المشكلة، لكن بشرط أن تبدو حقيقية. هنا تظهر أداة GraNatPy التي تقيّم مصداقية الصور الاصطناعية.
الفضاء الكهربائي على القضبان: كيف تبحث الشبكة العصبية عن التذبذبات في شبكة التماس
تشبه شبكة التماس للسكك الحديدية المجرة — بنية معقدة تنتشر فيها الطاقة مثلما تنتشر مجالات الجاذبية التي تربط النجوم. وفي هذا التشبيه، تصبح القطارات كواكب خارجية — أجسامًا ضخمة تزعج الوسط بحضورها.
تعلم الآلة2026-07-131 دarXiv:2607.11091سريع
الجزيئات المجاورة تزيد من دقة التنبؤات
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.
متحكم العوّامة: الاستقرار عبر معادلة لحظية
عوّامة في خزان ماء: متحكم مثالي، تستشعر مستوى الماء فتعيد النظام فوراً إلى التوازن دون النظر إلى الماضي. طبق المهندسون هذا المبدأ على الشبكات العصبية. أعادوا كتابة البنية المعيارية بحيث تحل معادلة توازن واحدة بدلاً من سلسلة متتالية من الحسابات. تنبثق إشارة التحكم فوراً — مثل وضعية العوّامة.
فقدان الذاكرة اللغوية في الشبكات العصبية: كيف ينقذ الإسقاط المتدرج الموحد النماذج متعددة اللغات
شبكة عصبية كبيرة، مثل Whisper، التي تتقن مئات اللغات، تشبه النموذج القياسي في فيزياء الجسيمات الأولية — نظامًا متناسقًا حيث كل شيء في توازن دقيق. ولكن بمجرد البدء في تدريبها على لغة نادرة، ينهار هذا التوازن: تتحول اللغة المستهدفة إلى ثقب أسود — منطقة تجذب بلا هوادة جميع موارد التدريب.
الطِّرس الكوني: الموجات الثقالية تروي قصة الثقوب السوداء السلفية
الكون يعيد كتابة تاريخه مراراً وتكراراً. فبينما لا يرى الفلك التقليدي سوى نقطة — ثقب أسود — تنتزع الموجات الثقالية طبقات الماضي الرقيقة، كما نفعل مع طِرس أثري. وفكرة أن الثقوب السوداء يمكنها أن تنمو بابتلاع بعضها بعضاً، وأن تندمج ذريتها في تحالفات جديدة، يناقشها علماء الفيزياء الفلكية منذ نصف قرن.
معايرة مدينة افتراضية: تجربة SIVE
مئة وعشرون ساكنًا في مونتيلاغو ليسوا بشرًا، بل شخصيات رقمية. لكل منهم، بالإضافة إلى الاسم والسيرة الذاتية، ثلاثة إحداثيات مخفية: الثقة في السلطات البلدية، تقييم مصداقية المصدر، مدى ملاءمة المعلومات المدركة. هذه الأرقام معروفة للمبدعين، ولكن ليس للنظام نفسه.
كيف يستولي عملاء الذكاء الاصطناعي الضعفاء على الشبكات: تبلور اللامساواة
ذرة غبار صغيرة في محلول فائق التشبع تتحول خلال ثوانٍ إلى بلورة كبيرة متعددة الأوجه. وتبقى الجسيمات المجاورة غير مرئية. اكتُشفت مؤخرًا عملية مشابهة في مجتمعات الوكلاء اللغويين. فعندما مُنحت مئة نموذج حرية اختيار من تتحدث إليه، فإن تفاوتها التواصلي لم يتلاشَ، بل تصلب كما لو كان شبكة بلورية.
مسرح الظلال في ليغو: شبكة عصبية تصنع خللاً خادعاً
تلتقط كواشف LIGO وVirgo الموجات الثقالية من اندماجات الثقوب السوداء والنجوم النيوترونية. لكن بين الإشارات الكونية، تعبر أذرعها الحساسة ظلالاً باستمرار – تشويشات عابرة، أو خلل، تمثل مسرح ظلال حقيقياً.
كيف تتعلم الأجسام المضادة: خريطة الطفرات المفيدة
يشبه الجهاز المناعي محررًا لا يكل، يصحح مسودة الأجسام المضادة ليجعلها أكثر التصاقًا بالفيروسات والبكتيريا. تُسمى هذه العملية نضج الألفة: تحدث أخطاء عشوائية في الجينات (طفرات)، ويحتفظ الانتقاء الطبيعي بتلك التي تحسّن التقاط الهدف. المشكلة أن «فائدة» الطفرة ليست عامة. فما يقوّي جسمًا مضادًا قد يفسد آخر.
شبكة عصبية تتعلم رؤية الاستقطاب غير المرئي في كاشفات سداسية الشكل
كاشفات الأشعة السينية مبنية على غرار أقراص العسل: في الخلايا السداسية، تُسجَّل هنا وهناك ومضات — آثار اصطدام فوتونات فردية. تضطر الخوارزميات التقليدية إلى تمديد هذا البنية السداسية الطبيعية إلى شبكة مستطيلة، مما يولد قطعًا أثرية — أشباحًا زائفة للاستقطاب الاستقطاب تشوه الصورة الحقيقية.
مكثف ضوئي يتعلم رسم الأرقام
الشبكات العصبية التوليدية التي تنشئ الصور تعتمد عادةً على العشوائية الرقمية. لكن مجموعة من الباحثين بنت نظامًا تولد فيه العشوائية ليس في الكود، بل في تجويف بصري صغير يحتوي على صبغة عضوية. داخل التجويف، يتفاعل الضوء وجزيئات الصبغة بقوة لدرجة أنهما يشكلان بولاريتونات — جسيمات هجينة نصف موجية.
رقصة جزيئية بلا مُخرج
رقصة مئات الجسيمات: بعض الأزواج تدور ببطء وسلاسة، بينما تهتز أخرى بإيقاع محموم. لفهم جوهر الرقصة، يجب متابعة الحركات البطيئة تحديدًا، فهي الكوريغرافيا الرئيسية للنظام. في علم الجزيئات، تُسمى هذه الحركات البطيئة "الأنماط البطيئة" (slow modes)، وهي التي تحدد كيفية طي البروتين على شكل كرة أو ارتباط الدواء بالهدف. الطريقة الجديدة SelfTICA تتعلم تمييز هذه الكوريغرافيا دون توجيه.
مرساة جينية للصحة
اشتريت ميزان مطبخ جديدًا، لكنه بدلاً من الوزن الدقيق يعرض فقط الانحراف عن «المعيار» ما. لمعرفة وزن التفاحة، عليك أولاً وزن عشرات التفاحات الأخرى وحساب المتوسط. هكذا تعمل أنظمة مراقبة الصحة اليوم: تجمع بيانات عن النبض وضغط الدم والنوم لأسابيع لتفهم ما هو معتاد بالنسبة لك وما هو انحراف. هذه هي مشكلة البداية الباردة — النموذج لا يعرفك حتى يجمع ملاحظات كافية.
تعلم الآلة2026-06-061 دarXiv:2606.08287سريع
شبكة عصبية تستشعر الإجهاد في تفاصيل أي شكل
تصميم الآلات يشبه الطهي: يجب أن تعرف بالضبط أين سينقطع «العجين». الحسابات الحاسوبية القديمة تفحص كل نقطة في القطعة على مدار ساعات، مثل قياس كل جزء من القدر للتأكد من أن المقبض لن يسقط. شبكة عصبية من الجيل الجديد تنظر إلى القطعة كشبكة نقاط، تماماً كما ينظر الطبّاخ الماهر إلى المقلاة فيشعر من النظرة الأولى كيف تتوزع الحرارة فيها.
بحث عن آثار ولادة النيوترينوات في الموجات الثقالية
يشبه الكون أحيانًا قدرًا يغلي فيه الماء. عند التسخين الكافي، يتحول السائل إلى بخار — وهذا تحول طوري. في الكون المبكر، ربما حدث شيء مشابه: مجال يملأ الفضاء غيّر حالته فجأة، كما يتحول الماء إلى غاز. ومن هذا الحدث، انتشر تموج عبر نسيج الزمكان — موجات ثقالية.
المولّد الكمومي: صور بلا تدريب
تتعلم الشبكات العصبية التقليدية من آلاف الأمثلة، مستهلكةً ساعات وغيغاواطات من الطاقة. لكن الفيزيائيين وجدوا طريقًا كموميًا مختصرًا. كان ماكس بلانك قد أظهر تكميم الطاقة، واليوم يسمح لنا ذلك بالتوليد دون تدريب. تبني الطريقة مشهدًا طاقيًا: كل نقطة فيه تمثل صورة أو عبارة محتملة، والصورة النهائية هي أدنى منخفض فيه.
النجوم النيوترونية تكشف أسرارها عبر الموجات الثقالية
نجمان فائقا الكثافة يدوران حول بعضهما البعض وفي النهاية يصطدمان. هذه الرقصة تدوم لحظات، لكنها تولد تموجات قوية في الفضاء — الموجات الثقالية. بعد الاندماج يبقى كتلة سريعة الدوران ترن كالجرس، وهذا الرنين يحمل معلومات عن مكونات النجوم.
تعلم الآلة2026-05-201 دarXiv:2605.21164سريع
المساعد الكمومي يكتشف الاحتيال النادر
في محيط المعاملات المصرفية، يظهر الاحتيال بشكل أندر من النجوم النيوترونية في الفضاء — فقط 0.1% من جميع العمليات. الكاشف التقليدي يعتاد على التدفق النظيف ويفقد يقظته. يأتي النظام الهجين Q-SYNTH مع مولد كمومي للإنقاذ. هو نفسه يُنشئ معاملات مزيفة واقعية، بالاعتماد على فتات البيانات الحقيقية.
مطر من بكسلات: كيف ترى هطولًا لم يكن موجودًا
فسيفساء من بلاطات ملونة كبيرة. كل بلاطة تمثل متوسط هطول الأمطار لشهر كامل على مساحة بحجم دولة صغيرة. هذه الصورة تصلح لفهم عام، لكنها عديمة الفائدة إذا أردت معرفة ما إذا كان قد هطل مطر غزير أمس فوق مدينة معينة. نماذج المناخ العالمية تعمل هكذا تمامًا: تعطي صورة ضبابية لأن حساب كل نسمة ريح وكل سحابة لكوكب الأرض بأكمله مكلف جدًا. النهج الجديد، المسمى «لونغوانغ»، يحل هذه المسألة بطريقة مختلفة.
الذكاء الاصطناعي يتعلم الاستماع إلى الثقوب السوداء: خوارزمية GWAgent تفك شيفرة الموجات الثقالية
عندما تصطدم الثقوب السوداء — وهي أجسام ذات جاذبية قوية لدرجة أن الضوء نفسه لا يستطيع الإفلات منها — تهتز بنية الزمكان نفسه، وهو continuum رباعي الأبعاد يوحّد الأبعاد المكانية الثلاثة مع الزمن.
كيف نسمع الشقوق في نسيج الكون
تعزف السيمفونية، لكن في النوتة الموسيقية نغمة كاذبة بالكاد تُلحظ. هكذا تقريبًا يبحث الفيزيائيون عن انحرافات عن النظرية النسبية العامة في "أصوات" الكون — الموجات الثقالية الناتجة عن اندماج الثقوب السوداء.
شبكة عصبية تتعلم قراءة الجزيئات من بصمة الكربون
كل ذرة كربون في الجزيء تحمل جواز سفر — طاقة إلكتروناتها الأعمق التي تستقر في مداراتها. هذه الطاقة تستجيب بحساسية للجيران: يظهر أكسجين أو رابطة مزدوجة — ويتغير الرقم في الجواز. الكيميائيون يقيسون هذه الطاقات منذ زمن باستخدام الأشعة السينية، لكن حساب كل جزيء جديد يستغرق ساعات من وقت الحاسوب.
تعلم الآلة2026-04-261 دarXiv:2604.23758سريع
بلورات تحت مجهر الذكاء الاصطناعي: كيف عثرت الآلة على 68 ألف موصل فائق جديد
البحث عن مادة جديدة يشبه البحث عن إبرة في كومة قش، لكن الكومة هنا هي ملايين التركيبات الممكنة من الذرات. في الماضي، كان العلماء يقضون سنوات في تجربة الخيارات داخل المختبر، معتمدين على الحدس والحظ. الآن يأتي الذكاء الاصطناعي للنجدة، إذ يتعلم «فهم» لغة البلورات. يعمل نظام ElementsClaw كفريق منسجم.