نمذجة فيزيائية بالشبكات العصبية

الألماس ليس مجرد حلي. داخل شبكته البلورية تختبئ عيوب تستشعر المجال المغناطيسي أفضل من كثير من الأجهزة. أحد هذه العيوب هو مركز NV، الذي يعمل كبوصلة مصغرة، لكن إبرته تهتز بسبب الحرارة والضوضاء. لكي تشير البوصلة إلى الاتجاه الصحيح، نحتاج إلى معايرة. عادةً ما تكون هذه عملية يدوية طويلة، وهنا تتعلم الشبكة العصبية بنفسها.

إذا سكبت العسل في مصفاة ذات مئة ثقب صغير، فسيتدفق في خيوط رفيعة، لكن كل خيط سيلتف حول حافة الثقب. من المهم للمهندسين فهم هذه الدوامات: فهي تؤثر على سرعة ترشيح الماء، وخروج النفط من المكمن، وتسرب الدواء عبر الأنسجة. ولكن كلما زاد عدد الثقوب، زادت صعوبة حساب كل تفصيلة صغيرة عند الحافة بواسطة الكمبيوتر. الشبكة العصبية العادية، التي تُدرَّب على الأمثلة، تحاول تخمين التدفق في المصفاة بأكملها دفعة واحدة.

في غرفة مظلمة تعزف موسيقى. على الأرض نثر مسحوق ناعم يكاد لا يُرى. الترددات المنخفضة تجعله يتجمع في أنماط غريبة: خيوط، تكتلات، فراغات. تقريبًا هكذا تعمل الجاذبية على مدى مليارات السنين في نسج المجرات في الشبكة الكونية — لكن بدلًا من الموجات الصوتية، هنا يعمل التجاذب. لفهم "اللحن" الذي بدأ منه كل شيء، علينا إرجاع الزمن إلى الوراء: من النمط النهائي إلى الحفنة الأصلية من المسحوق.

ثماني نقاط مضيئة في السماء الراديوية. إنها نفس الكوازار HS 0810+2554، الذي مر ضوءه عبر عدسة جاذبية — مجرة ضخمة في المقدمة. لكن التفسير المعتاد بتوزيع أملس لـالمادة المظلمة في العدسة يترك فجوة: المواقع المتوقعة للنقاط تختلف عن المشاهدات بعدة ملي ثانية قوسية.

تُوصف العديد من العمليات الطبيعية بمعادلات تفاضلية، لكن العلماء غالبًا لا يملكون سوى بيانات مجزأة — أشبه بقطع خريطة ممزقة. تعمل الطريقة الحسابية الجديدة كخرّيط يعيد بناء خريطة كاملة للتضاريس من معالم قليلة.

عندما ينهار نجم عملاق على نفسه ليصبح مستعرًا أعظم، أو عندما يندمج كرتان نيوترونيتان في رقصة كونية، تحمل تريليونات من النيوترينوات طاقة الكارثة.

DFTB هو قطار سريع في عالم الكيمياء الكمومية: أسرع بمئات المرات من DFT التقليدي، لكنه لا يزال على القضبان الإلكترونية. لكن محركه - الاتساق الذاتي التكراري للشحنات - يشبه أحيانًا أوركسترا حيث تبدأ كل آلة بنغمة عشوائية. عندما تكون الشحنات الأولية صفرية، يضطر النظام للتناغم طويلاً: عشرات، بل مئات الدورات، حتى يتحول التنافر في التفاعلات الكهروستاتيكية إلى تناغم.

العدد −0.000459 ليس ضيفاً عابراً في معادلة بلاسيوس. إنه معامل الحد η⁵، الذي يحدد الطبقة الحدية فوق صفيحة مستوية – همسةٌ رقيقة لاحتكاك الهواء بالمعدن. طرق المحاكاة العددية الاعتيادية، كطريقة رونج-كوتا، لا تعطي سوى منحنى تقريبي. وتحاول الشبكات العصبونية الواعية بالفيزياء (PINN) تخمين الحل كاملاً. وغالباً ما تفشل.

عندما يستنفد نجم هائل وقوده، ينهار قلبه مولّدًا مستعرًا أعظم ومرسلاً وابلاً نافذًا من النيوترينوات. في ثلاثينيات القرن العشرين، تنبأ فريتز زفيكي وفالتر بادي بولادة نجوم نيوترونية في مثل هذه الكوارث، بينما كشف هانز بيته عن عمليات الاندماج النووي…

الشبكات العصبية التقليدية تتعلم من الأمثلة، كشخص يحفظ الألحان بالأذن: فهي تجمع الأنماط الإحصائية دون أن تفهم القواعد العميقة. أما النهج الآخر — الشبكات العصبية المزوّدة بالفيزياء — فتُدمج في بنيتها الأساسية القوانين الفيزيائية الجوهرية، مثل معادلات حفظ الطاقة أو معادلات الحركة.

تشبه الخلية العصبية دارة كهربائية تحتوي على بطاريات ومقاومات متغيرة. تلعب القنوات الأيونية دور المقاومات — وهي مسام بروتينية في الغشاء تنفتح وتنغلق لتسمح بمرور الجسيمات المشحونة. يعتمد توليد النبضة العصبية على مدى سرعة هذه المسام في الاستجابة وعند أي جهد. المشكلة أن هذه «التعليمات» غير معروفة جيدًا بالنسبة للعديد من القنوات.

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.

مرآب ضخم بمئات المواقف. تقود سيارتك الصغيرة — جزيء الدواء المستقبلي — وتبحث عن الصندوق الوحيد الحر الذي ستركن فيه بسلاسة. لكن هذه الصناديق ليست خرسانية، بل منسوجة من سلاسل DNA أو RNA، ولا توجد لائحة قواعد للركن. لفترة طويلة، حلّ المهندسون الحاسوبيون هذه المسألة بتجريب الخيارات وفق قوانين الفيزياء: حساب تنافر وتجاذب الذرات، والبحث عن الوضعية الأكثر راحة.

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.

عندما تندمج الثقوب السوداء أو النجوم النيوترونية، فإنها تهز نسيج الزمكان نفسه، مولدة الموجات الثقالية — تموجات تنبأ بها أينشتاين في إطار النسبية العامة. تلتقط كواشف مثل LIGO هذا "الرنين الكوني"؛ إذ يحمل تردده وتصاعده (ما يُسمى "الزقزقة") معلومات عن كتل الأجسام المتصادمة.

عصير الفواكه المخلوط يُتذوق عبر مصاصتين مختلفتين. إحداهما تسمح بمرور القطع الكبيرة فقط، والأخرى تسمح بمرور السائل فقط. كل على حدة قد يكون مثيرًا للخداع، لكن معًا يعطيان المفتاح: يبدو أن هذا موز، وهذه فراولة.

تدريب نموذج دقيق للديناميكا الهوائية يشبه فن الطهي: أولاً يتعلم الطاهي مئات الوصفات لاستيعاب المبادئ العامة، ثم يتقن بسهولة طبقاً معيناً. المهندسون صمموا AeroTransformer — بنية شبكة عصبية دُرِّبت على مجموعة بيانات ضخمة — و"أطعموها" 30 ألف شكل جناح مختلف، مجرة كاملة من أفكار الطهي مجرة.

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.

شبكة عصبية دربت على تصادمات البروتونات والإلكترونات نقلت مهاراتها إلى تجربة مختلفة تمامًا — اصطياد النيوترينوات. وكأنها طاهٍ تعلم فنون المطبخ الفرنسي، ثم أتقن بلا تحضير مسبق طبق بيلاف أوزبكي رائع. أخذ الباحثون نموذج OmniLearned، الذي درب على بيانات من مسرعات جسيمات حيث الطاقات هائلة والكاشفات معقدة.

في السحابة، تعلق آلاف القطرات المائية الصغيرة في الهواء. لكي يهطل المطر، يجب أن تكبر: أن تلتصق ببعضها لتشكل قطرات كبيرة وتصبح ثقيلة بما يكفي لتسقط على الأرض. ولكن كيف تجد القطرات بعضها البعض في سحابة ضخمة؟ ابتكر العلماء نموذجًا حاسوبيًا يتتبع كل قطرة على حدة — وكأن لكل قطرة مستشعرًا صغيرًا خاصًا بها. يغطي النموذج عمود الهواء بأكمله من الأرض إلى قمة السحابة.

يستمع علماء الزلازل إلى الأرض كما يستمع الطبيب إلى القلب. تنتشر الموجات السطحية الناتجة عن الزلازل عبر الكوكب، ومن خلال سرعتها يمكن الحكم على ما هو مخفي تحت الأقدام — صخور صلبة أو صهارة أو ماء. عادةً، تُبنى نماذج فيزيائية معقدة لهذا الغرض. الآن جاءت الشبكات العصبية للإنقاذ: فهي تتنبأ بسرعة بكيفية مرور الموجة عبر باطن الأرض، لكن ظل لغزًا لفترة طويلة ما إذا كانت تفهم الفيزياء نفسها أم أنها تحفظ البيانات فقط.

في أعماق كل قرص صلب أو ذاكرة وميضية، تختبئ مادة تعرف كيف «تتذكر» المجال الكهربائي. تُسمى هذه المادة بالحديدي الكهربائي (ferroelectric). عند تطبيق جهد كهربائي عليها، تنقلب مناطق صغيرة داخل البلورة — تُعرف بالمجالات (domains) — مثل إبر البوصلة. أدرت الإبرة فسجّلت واحدًا، وأدرتها عكسيًا فسجّلت صفرًا.

النموذج المعتاد للتعلم الآلي ينظر إلى كائن واحد في كل مرة: دماغ واحد، مريض واحد، محرك واحد. لكن علماء الأحياء يحتاجون إلى العام: كيف يُبنى دماغ النوع ككل، وليس فقط دماغ سمكة معينة. الطريقة الجديدة — التركيب الاحتمالي العميق للنماذج (DPMS) — تتعلم من نسخ متعددة في وقت واحد، مثل طاهٍ يتذوق عشرات التفاح ليفهم طعم الصنف، لا طعم ثمرة واحدة.

في البطارية العادية، يكون الإلكتروليت سائلاً، وتتحرك الجسيمات المشحونة (الأيونات) بحرية. أما في النسخة الصلبة، فإنها تندفع عبر "ممرات" ذرية، مثل المشاة في ممرات ضيقة. لكي تعمل البطارية بسرعة، نحتاج إلى مادة ذات موصلية أيونية جيدة. لكن البحث عن هذه المواد بشكل أعمى هو سنوات من التجربة والخطأ.

قطعة الوقود النووي داخل المفاعل ليست مجرد جسم صلب. عند التسخين، تبدأ ذرات اليورانيوم في "تحريك" عزومها المغناطيسية، وهذه الحركة تغير التوصيل الحراري وخصائص أخرى. في السابق، كان من شبه المستحيل حساب هذا السلوك بدقة: الحسابات الكمومية تتطلب موارد لا يمكن تصورها، والنماذج العادية لا تأخذ في الاعتبار الارتباط بين المغناطيسية واهتزازات الشبكة البلورية.

البقع الشمسية هي آثار المجالات المغناطيسية التي تظهر على السطح. تعيش حياتها الخاصة: البقع التي تظهر بالقرب من خط الاستواء تميل أكثر، بينما تلك البعيدة عنه تميل أقل. هذان التأثيران، مثل منظمين في جهاز راديو قديم، يتحكمان في كمية المجال المغناطيسي التي تصل إلى قطبي الشمس وتتراكم هناك حتى الدورة التالية.

كل بضع سنوات، يزيح التيار الدافئ قبالة سواحل بيرو، ويبقى الصيادون بلا صيد. هذه هي ظاهرة النينيو، نَفَس المحيط الهادئ الاستوائي، التي تؤثر على الطقس من إندونيسيا إلى كاليفورنيا. توقّع ظهورها صعب مثل توقّع الاتجاه الذي ستتدحرج إليه حصاة قُذفت في نهر هائج. يبني العلماء نماذج مبسّطة لهذه الأنظمة المضطربة، لأنه من المستحيل حساب كل قطرة في المحيط.

طالب تعلم الفيزياء من كتاب مدرسي ويؤدي امتحانًا. يحل المسألتين الأوليين ببراعة، لكنه يخطئ في الثالثة في أمر لم يرد في الكتاب. هذا تقريبًا شكل اختبار النموذج الهجين للغلاف الجوي NeuralGCM، الذي خضع لثلاثة مستويات من التحقق: الأعاصير، والنينيو، والاحترار الشاذ. يجمع النموذج بين نواة فيزيائية وتعلم آلي يحل محل الحسابات المكلفة للعمليات الصغيرة.

تمامًا كما يغيّر الماء حالته الفيزيائية — يتجمد إلى جليد أو يتبخر إلى بخار — فإن الفورستيريت، المعدن الرئيسي في وشاح الأرض، يعيد تجميع شبكته البلورية تحت ضغط يصل إلى مئات الآلاف من الأجواء. تشبه هذه العملية دوران أوجه مكعب روبيك: تتحرك الذرات لتشكّل توافيق جديدة، فينشأ معدنا الوادسلايت والرينغوودايت — وهما شكلان متعددان بنفس الصيغة الكيميائية لكن بتماثل مختلف.

النجوم في أطراف المجرة تدور أسرع مما تتنبأ به قوانين الميكانيكا السماوية إذا أخذنا في الاعتبار فقط المادة المرئية - الغاز والنجوم المضيئة. اكتشف هذا التناقض في القرن العشرين كل من فيرا روبين وفريتز زفيكي، بقياس سرعات النجوم من خلال الإزاحة الدوبلرية لخطوط الطيف.

داخل البطارية، كما في كعكة متعددة الطبقات، تتعايش طبقات صلبة مختلفة. المكان الذي تلتقي فيه هذه الطبقات — الحدود — يتصرف بشكل متقلب: تتركز فيه الضغوطات، ومع مرور الوقت تتقادم البطارية. لفهم هذه العمليات، نحتاج إلى نماذج حاسوبية ترى كل ذرة. لكن الحسابات الدقيقة مكلفة للغاية، والحسابات السريعة خشنة جدًا. يقترح مؤلفو الدراسة طريقة FIRE — وهي أسلوب لضبط نموذج عام على مهمة محددة.

في كاشف المصادم، يترك كل تصادم بروتونات أثرًا من عشرات الجسيمات، مثل رذاذ الماء المتطاير عند رمي حجر في بركة. فهم هذا الرذاذ ومعرفة ما حدث بالضبط لحظة الاصطدام مهمة لم يعد الإنسان قادرًا على إنجازها بمفرده. تأتي الشبكات العصبية للإنقاذ، وEveNet واحدة من أكثرها طموحًا: فقد دربت على 500 مليون تصادم محاكى. تنظر EveNet إلى كل حدث كسحابة من الجسيمات: لكل جسيم اتجاه وطاقة ونوع معروف.

عندما يدخل الجزيء الضيف إلى الجزيء المضيف، يشبه ذلك دخول المفتاح في القفل. لكن الجزيئات ليست صلبة الشكل؛ فهي تنحني قليلًا، وشحناتها على أسطحها تتجاذب أو تتنافر، وكان تخمين طريقة ارتباطها بدقة أمرًا بالغ الصعوبة. يتدرّب برنامج DeepHostGuest على آلاف الأزواج المعروفة من «مضيف-ضيف». إنه ينظر إلى السطح الكهربائي للمضيف وإلى شكل الضيف، كما لو كان ينظر إلى خريطة تضاريسية وإلى مخطط المفتاح.

في كل ربيع، تفقد توقعات النينيو قوتها، كمترجم يشرد ذهنه عند كل حفيف في القاعة فيحول اجتماعًا مدته ساعة إلى ساعتين. يسمي العلماء هذا بحاجز الربيع لقابلية التنبؤ: ففي شهري مارس وأبريل، تبدأ النماذج التي كانت واثقة في يناير من حدوث طور دافئ في المحيط الهادئ، في الخطأ بمعدل مضاعف.

يشبه التنبؤ بالمناخ وصفة طهي معقدة: رشة خاطئة واحدة تفسد الطبق بأكمله. وكذلك الحال مع السحب، فهي مكونات صغيرة لكنها حاسمة. تقسم النماذج المناخية التقليدية الغلاف الجوي إلى خلايا بحجم 50-100 كم ولا تميز السحب الفردية. هذا يشبه رش الفلفل بحفنات عندما تتطلب الوصفة رشة دقيقة. التبسيط يبعد عن الواقع: في النماذج، يؤدي فقدان المعلومات حول السحب إلى تراكم الأخطاء في حساب انعكاس ونفاذية الإشعاع الشمسي.

يجلس مترجم في اجتماع يُتحدث فيه بلغة غير مألوفة. لا يعرف الكلمات، لكنه يلاحظ: عندما يرفع أحدهم صوته، يبدأ آخر بعد دقيقة بالإيماء برأسه. في البداية يبدو ذلك صدفة، لكن مع الوقت يتعلم المترجم فهم من يؤثر في من. بهذه الطريقة تقريبًا تعمل خوارزمية Kausal التي تبحث عن العلاقات السببية في الأنظمة المعقدة.

السكين السويسري بسيط: هيكل واحد، شفرات متعددة، كل شفرة لمهمتها. تسحب ما تحتاجه وتعمل. في علم المواد، ظلت الشبكات العصبية الرسومية لفترة طويلة تشبه أدوات متناثرة: MEGNet في درج TensorFlow، وM3GNet في درج PyTorch، وCHGNet في صندوق منفصل ببرامجه الخاصة. لنقل نموذج إلى بيانات جديدة أو مقارنة البنى، كان عليك ابتكار محولات. مكتبة MatGL تجمع هذه الشفرات في هيكل واحد.

المترجم في المؤتمر يسمع ضجيج القاعة لكنه يواصل الترجمة. إنه لا يكرر كل كلمة، بل يجد لغةً وسيطة تصبح فيها العبارات المعقدة بسيطة دون أن يضيع المعنى. هكذا تعمل شبكة كوبمان الغاوسية الشرطية: فهي تعلّم الشبكة العصبية ترجمة النظام الفوضوي إلى صيغة يصبح فيها التنبؤ ودمج البيانات سريعين ودقيقين.