في خطوة غير مسبوقة نحو مستقبل الذكاء الاصطناعي، تم تقديم نموذج لغوي كبير مستقل (Large Language Model) قادر على تطوير نظريات علوم المواد بشكل كامل يعتمد على البيانات. يُعتبر هذا الاختراق التكنولوجي تفسيراً جديداً لكيفية استغلال الذكاء الاصطناعي في تعزيز الفهم العلمي وتطوير أدوات بحثية جديدة.

يمتلك هذا النموذج القدرة على اختيار نوع المعادلات، وتوليد وتشغيل أكوده الخاصة، بالإضافة إلى اختبار مدى توافق النظريات التي يطورها مع البيانات المتاحة، كل ذلك بدون الحاجة إلى تدخل بشري. ويُدمج هذا الإطار بين التفكير المنطقي خطوة بخطوة واستخدام أدوات متخصصة، مما يسمح للنموذج بتعديل أسلوبه وفق الحاجة بينما يحتفظ بسجل واضح لقراراته.

عند اختبار العلاقات المادية المعروفة مثل معادلة هول-بتش (Hall-Petch equation) وقانون باريس (Paris law)، استطاع النموذج تحديد المعادلة الحاكمة وتقديم توقعات موثوقة على مجموعات بيانات جديدة. ومع ذلك، في الحالات الأكثر تخصصاً مثل معادلة كون (Kuhn's equation) المتعلقة بفجوة HOMO-LUMO للمواد، تبين أن الأداء يعتمد بشكل أكبر على جودة النموذج، حيث أظهر نموذج GPT-5 أداءً أفضل في استعادة المعادلة الصحيحة.

لكن الأمر لا يقتصر على النظريات المعروفة فقط، إذ تمكن النموذج أيضاً من اقتراح علاقات تنبؤية جديدة، كما هو موضح في قانون يعتمد على الشد للتغيرات في فجوة HOMO-LUMO. ورغم النتائج الواعدة، تظهر الحاجة الملحة للتحقق الدقيق، حيث يمكن للنموذج أن يعود بمعادلات غير صحيحة أو غير مكتملة أو غير متسقة حتى عندما يبدو أن التوافق العددي قوي.

بشكل عام، تسلط هذه النتائج الضوء على إمكانيات وقيود النماذج اللغوية المستقلة في مجال النمذجة العلمية المدعومة بالذكاء الاصطناعي. فما هي توقعاتكم بشأن تطورات هذه التكنولوجيا؟ شاركونا آرائكم في التعليقات!