الذكاء الاصطناعي يكشف سرا خفيا داخل الماء

يُغطي الماء معظم سطح الأرض، ومع ذلك لا يزال يُحيّر العلماء لأنه يتصرف بشكل مختلف عن جميع السوائل الأخرى تقريبًا ، ومن أبرز خصائصه المميزة أنه يتمدد بدلًا من أن ينكمش عند تجمده.

ولطالما ربط الباحثون هذه الخصائص غير العادية بتغيرات في البنية المجهرية للماء مع تغير درجة الحرارة والضغط، لكنهم افتقروا إلى طريقة موحدة لقياس هذه التغيرات البنيوية ومقارنتها.

وكنتيجة لذلك لجأ فريق من جامعة أوساكا إلى الذكاء الاصطناعي لمواجهة هذا التحدي حيث تقوم دراستهم، المنشورة في مجلة "كوميونيكيشنز كيمستري" ، في إطار عمل قائم على الذكاء الاصطناعي لتقييم ومقارنة طرق مختلفة لوصف بنية الماء فائق التبريد.

اكتشف العلماء أن السلوك غير المعتاد للماء يزداد وضوحًا في هذه الحالة فائقة التبريد. ويشير أحد التفسيرات الرئيسية إلى أن الماء فائق التبريد ينتقل بين بنيتين سائلتين متنافستين: سائل عالي الكثافة (HDL) وسائل منخفض الكثافة (LDL). وتتشكل هاتان البنيتان من خلال شبكة متغيرة باستمرار من الروابط الهيدروجينية بين جزيئات الماء. ومع ارتفاع درجة الحرارة، تصبح بنية HDL الأكثر كثافة هي السائدة بشكل متزايد على بنية LDL الأكثر انفتاحًا.

وطوّر الباحثون طرقًا عديدة لوصف البنية الجزيئية للماء، ولأن هذه المؤشرات البنيوية وُضعت بشكل مستقل، فإنها تعتمد على مقاييس وأبعاد وأنواع معلومات مختلفة. وقد صعّب ذلك مقارنتها مباشرةً وتحديد أيها يُقدّم أوضح صورة لسلوك الماء.

وأوضح المؤلف الرئيسي للدراسة، كانغ كيم أن الدراسات السابقة أظهرت أن استخدام التعلم الآلي لتصنيف البيانات الهيكلية وفهمها فعال. وقد أردنا تحديدًا دمج نموذج الشبكة العصبية في هذه الدراسة لتقييم مدى دقة المؤشرات في التقاط المعلومات الهيكلية الرئيسية، بطريقة تحاكي الإدراك البشري.

ومن أجل ذلك قام الباحثون بتدريب الذكاء الاصطناعي، وزوده ببيانات هيكلية من محاكاة ديناميكيات الجزيئات للماء فائق التبريد. ومن خلال التجربة والخطأ المتكررين، تعلمت الشبكة العصبية التعرف على الأنماط ذات الدلالة داخل البيانات.

استخدمت الشبكة ما تعلمته لمقارنة كيفية تمييز 16 مؤشراً بين بنيتي البروتين الدهني منخفض الكثافة (LDL) والبروتين الدهني عالي الكثافة (HDL) عند درجات حرارة مختلفة. وبهذه الطريقة، تم تحديد المؤشرات الأكثر كفاءة.

ويعتقد الباحثون أن إطار عملهم قد يُحسّن فهم العلماء لكيفية ارتباط التغيرات البنيوية المجهرية بالسلوك الديناميكي الحراري للماء. وفي نهاية المطاف، قد يُساعد هذا العمل في تفسير الخصائص غير العادية للماء، بالإضافة إلى توجيه تطوير أدوات أكثر فعالية لدراسة إحدى أكثر المواد تميزًا في الطبيعة.