لقد كشف الذكاء الاصطناعي للتو عن سر مخفي داخل الماء

يساعد الذكاء الاصطناعي العلماء على اكتشاف البنية الجزيئية المخفية وراء سلوك الماء الغريب الشهير.

يغطي الماء معظم سطح الأرض، ومع ذلك فهو لا يزال يحير العلماء لأنه يتصرف بشكل مختلف عن كل السوائل الأخرى تقريبًا. واحدة من أفضل مميزاتها المعروفة هي أنها تتوسع بدلاً من أن تتقلص عندما تتجمد. لقد ربط الباحثون منذ فترة طويلة هذه الخصائص غير العادية بالتغيرات في البنية المجهرية للمياه مع اختلاف درجة الحرارة والضغط، لكنهم افتقروا إلى طريقة متسقة لقياس ومقارنة تلك التغيرات الهيكلية.

الآن، تحول فريق من جامعة أوساكا إلى الذكاء الاصطناعي (منظمة العفو الدولية) لمواجهة هذا التحدي. دراستهم نشرت في كيمياء الاتصالاتيقدم إطارًا قائمًا على الذكاء الاصطناعي يقوم بتقييم ومقارنة الطرق المختلفة لوصف بنية الماء فائق التبريد.

الذكاء الاصطناعي يساعد في فك تشفير المياه فائقة التبريد

لكي يتحول الماء السائل إلى ثلج، يجب أن ترتب جزيئاته نفسها في شبكة بلورية منظمة. تبدأ هذه العملية في موقع النواة، الذي يعمل كنقطة انطلاق لنمو البلورات. يمكن للشوائب الصغيرة الموجودة في الماء أو حتى الخدوش المجهرية الموجودة داخل الحاوية أن توفر مواقع النواة هذه.

إذا غابت نقاط البداية هذه، يمكن أن يظل الماء سائلاً حتى بعد تبريده إلى ما دون درجة حرارة التجمد الطبيعية. تُعرف هذه الحالة غير العادية بالمياه شديدة البرودة.

لقد وجد العلماء أن سلوك الماء غير المعتاد يصبح أكثر وضوحًا في هذه الحالة شديدة البرودة. يشير أحد التفسيرات الرائدة إلى أن الماء فائق التبريد ينتقل بين بنيتين سائلتين متنافستين: سائل عالي الكثافة (HDL) وسائل منخفض الكثافة (LDL). يتم إنشاء هذه الهياكل من خلال شبكة دائمة التغير من الروابط الهيدروجينية بين جزيئات الماء. مع ارتفاع درجة الحرارة، تصبح هياكل HDL الأكثر إحكاما مهيمنة بشكل متزايد على ترتيبات LDL الأكثر انفتاحا.

مقارنة الهياكل الخفية للمياه

لقد طور الباحثون العديد من الطرق المختلفة لوصف البنية الجزيئية المحلية للمياه، بما في ذلك قياسات مثل ترتيب الروابط الرباعية السطوح والكثافة المحلية. ونظرًا لأن هذه الأوصاف الهيكلية تم إنشاؤها بشكل مستقل، فإنها تعتمد على مقاييس وأبعاد وأنواع مختلفة من المعلومات. وقد جعل ذلك من الصعب مقارنتها بشكل مباشر وتحديد أي منها يقدم أوضح صورة لسلوك الماء.

“لقد أظهرت الدراسات السابقة أن استخدام التعلم الآلي “يوضح المؤلف المقابل كانغ كيم أن تصنيف وفهم البيانات الهيكلية أمر فعال. “أردنا على وجه التحديد دمج نموذج الشبكة العصبية في هذه الدراسة لتقييم مدى دقة الواصفات في التقاط المعلومات الهيكلية الرئيسية، بطريقة تشبه الإدراك البشري.”

لتدريب الذكاء الاصطناعي، زوده الباحثون بالبيانات الهيكلية من محاكاة الديناميكيات الجزيئية للمياه فائقة التبريد. من خلال التجربة والخطأ المتكرر، تعلمت الشبكة العصبية التعرف على الأنماط ذات المعنى داخل البيانات.

يحدد الذكاء الاصطناعي الواصفات الأكثر فعالية

يقول نوبويوكي ماتوباياسي، كبير الباحثين: “استخدمت الشبكة ما تعلمته لمقارنة كيفية التمييز بين 16 واصفًا بين هياكل LDL وHDL في درجات حرارة مختلفة”. “وبهذه الطريقة، حددنا الواصفات الأكثر كفاءة.”

ويعتقد الباحثون أن إطارهم يمكن أن يحسن فهم العلماء لكيفية ارتباط التغيرات الهيكلية المجهرية بالسلوك الديناميكي الحراري للمياه. في نهاية المطاف، قد يساعد هذا العمل في تفسير أصول الخصائص غير العادية للمياه، وفي الوقت نفسه يوجه تطوير أدوات أكثر فعالية لدراسة واحدة من أبرز المواد الطبيعية.

المرجع: “تقييم التعلم الآلي للواصفات الهيكلية للمياه فائقة التبريد” بقلم كوهي يوشيكاوا، وكوكورو شيكاتا، وكانغ كيم، ونوبويوكي ماتوباسيا، 6 يوليو 2026، كيمياء الاتصالات.
دوى: 10.1038/s42004-026-02097-1

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