تعلم هذا الذكاء الاصطناعي قوانين الفيزياء ويمكنه تسريع اختراقات الحوسبة الكمومية

طور باحثون في السويد نهجًا للتعلم الآلي يدمج قوانين الفيزياء مباشرة في الشبكات العصبية.

دراسة جديدة من جامعة تشالمرز للتكنولوجيا في السويد يدل على ذلك التعلم الآلي يمكن أن تصبح أكثر كفاءة عندما تبدأ بفهم مدمج لقوانين الفيزياء. وجد الباحثون أن إعطاء نظام الذكاء الاصطناعي هذه المعرفة الأساسية يقلل بشكل كبير من الوقت اللازم لتطوير المكونات البصرية المتقدمة المستخدمة في تقنيات تتراوح من أجهزة الكمبيوتر الكمومية إلى عدسات الكاميرا والنظارات.

وقال فيليب تاسين، الأستاذ في قسم الفيزياء وعلم الفلك في جامعة تشالمرز للتكنولوجيا: “عندما قمنا بتغذية معلومات الدماغ الفائق حول قوانين الفيزياء، أصبح على الفور أكثر ذكاءً. وتستغرق حساباتنا الآن عُشر الوقت المطلوب سابقًا”.

يعمل فريق تاسين في مجال الضوئيات النانوية، وهو مجال يركز على التحكم في الضوء عند مستويات صغيرة للغاية. عندما يتفاعل الضوء مع هياكل أصغر من طوله الموجي، فإنه يمكن أن يتصرف بشكل مختلف تمامًا عما يفعله على المقاييس الأكبر. ومع ذلك، فإن المواد البصرية الطبيعية لها حدود تحد من كيفية التعامل مع الضوء. وللتغلب على هذه القيود، يستخدم الباحثون عمليات المحاكاة الحاسوبية لتصميم مواد بصرية صناعية.

يمكن أن تؤدي هذه المواد الهندسية إلى إنتاج عدسات كاميرا ونظارات أخف وأرق وأكثر فعالية. قد يدعم البحث أيضًا المستقبل الحوسبة الكمومية التقنيات. من خلال العمل مع علماء من قسم التكنولوجيا الدقيقة وعلوم النانو في تشالمرز، حيث يجري تطوير أول حاسوب كمي واسع النطاق في السويد، يستكشف الفريق مواد ذات بنية نانوية يمكنها التحكم بدقة في حركة الضوء.

يتضمن أحد التطبيقات المحتملة نقل المعلومات بين أجهزة الكمبيوتر الكمومية، أو عبر مسافات أطول، باستخدام الترددات الضوئية والبلورات الضوئية المتوافقة ميكانيكيًا. يمكن لهذه البلورات المصممة خصيصًا أن تعكس الضوء بكفاءة عالية للغاية.

توضح المحاكاة كيفية تصميم المادة على النحو الأمثل

ويعتمد الباحثون بشكل كامل على عمليات محاكاة الكمبيوتر العملاق، وذلك باستخدام التعلم الآلي والشبكات العصبية لتحليل كيفية تصرف المواد المختلفة. تساعد هذه الأدوات في تحديد خصائص المواد وتوجيه عملية التصميم.

يقول فيليب تاسين: “أعرف معادلات الكهرومغناطيسية بشكل كامل وأقوم بتدريسها، لكنني ما زلت غير قادر على استخلاص جميع الاستنتاجات التي تستطيع الشبكة العصبية استخلاصها. إن الفيزياء معقدة للغاية لدرجة أنني لا أفهم خصائص المادة بمجرد النظر إليها، لكن الكمبيوتر يفهمها”.

تستغرق وقتًا طويلاً لتغذية البيانات في الشبكات العصبية

يتطلب تدريب الشبكات العصبية لهذه المحاكاة تقليديًا كميات هائلة من البيانات. يمكن أن يستغرق إنشاء نقطة بيانات واحدة ما بين عشر دقائق إلى ساعة، وقد يحتاج الباحثون إلى ما يصل إلى 40 ألف عملية محاكاة.

قال فيكتور ليلجا، طالب الدكتوراه في قسم الفيزياء وعلم الفلك في جامعة تشالمرز للتكنولوجيا: “قد يستغرق الأمر منا شهرًا كاملاً لتوليد بيانات كافية لتدريب الشبكة العصبية. ثم إذا أدركت أنك بحاجة إلى إضافة المزيد من الأشياء، فقد يستغرق الأمر شهرًا آخر”.

لقد قام الفريق الآن بتقليص هذه العملية إلى حوالي عُشر الوقت الأصلي. يمكن الآن إكمال المهام التي كانت تتطلب 30 يومًا في السابق في ثلاثة أيام تقريبًا لأن الشبكة العصبية تفهم بالفعل المبادئ الفيزيائية الأساسية قبل بدء التدريب.

تعليم الشبكة العصبية قوانين الفيزياء

أدرك الباحثون أن المكونات البصرية يجب أن تتبع دائمًا قوانين الفيزياء والكهرومغناطيسية. وبدلاً من إجبار الشبكة العصبية على اكتشاف تلك القواعد من بيانات التدريب وحدها، قاموا بدمج القوانين مباشرة في النظام.

ونتيجة لذلك، لم يعد الذكاء الاصطناعي بحاجة إلى إعادة تعلم نفس العلاقات الجسدية من الصفر في كل مرة. ظهر هذا النهج بينما كان الباحثون يحاولون تسهيل تفسير تنبؤات الشبكة على البشر من خلال تضمين معادلات مألوفة في النموذج. أثناء الاختبار، وجدوا أن الشبكة أصبحت أيضًا أكثر قدرة بشكل ملحوظ وتتطلب بيانات تدريب أقل بكثير. تم وصف العمل في مجلة Laser & Photonics Reviews.

قال ليلجا: “بمجرد تدريب الشبكة، يمكننا أن نطلب منها فحص أي بنية على الإطلاق والحصول على الخصائص البصرية في جزء من الثانية. ومع هذه الشبكات الجديدة، نحصل على تقديرات أفضل ونتجنب الأخطاء الواضحة”.

بالنسبة لتاسين، الميزة الأكبر هي توفير الوقت.

“الآن بعد أن أصبح بإمكاننا العمل بشكل أسرع بكثير، يمكننا تسريع عملية تطوير التصميم للمكونات البصرية.”

المرجع: “إطار عام لتكامل المعرفة في التعلم الآلي من أجل الانتثار الكهرومغناطيسي باستخدام الأوضاع شبه الطبيعية” بقلم فيكتور أ. ليلجا، وألبين ج. سفاردسبي، وتيمو جالمان، وفيليب تاسين، 17 مارس 2026، مراجعات الليزر والضوئيات.
دوى: 10.1002/lpor.202502769

تم تمويل البحث من قبل منطقة تشالمرز نانو المتقدمة، ومجلس البحوث السويدي، ومؤسسة كنوت وأليس والنبرغ. تم تنفيذ تدريب الشبكة العصبية باستخدام الموارد المقدمة من البنية التحتية الوطنية السويدية للحوسبة (NAISS) في Chalmers/C3SE وKTH/PDC، جزئيًا بتمويل من مجلس البحوث السويدي. تم تنفيذ العمل جزئيًا داخل مركز كفاءة META-PIX في تشالمرز.

لا تفوت أي اختراق: انضم إلى النشرة الإخبارية SciTechDaily.
تابعونا على جوجل و أخبار جوجل.