في عالم التصميم الهندسي، تعتبر الروابط الميكانيكية القلب النابض للعديد من الأنظمة الديناميكية. في هذا الإطار، تمثل عملية تصميم الروابط تحدياً يتطلب توازنًا بين الاختيار المناسب لتوبولوجيا الروابط (topology) وضبط المعلمات المستمرة. لكن ماذا لو كان هناك طريقة لتحسين هذه العملية باستخدام ذكاء اصطناعي أكثر تقدماً؟

في دراسة حديثة، أظهرت الأبحاث أن نماذج اللغة (Language Models) يمكنها تعزيز تصميم الروابط الميكانيكية من خلال تمثيلات رمزية. يقوم وكلاء نماذج اللغة باستكشاف توبولوجيات منفصلة بينما يتم ضبط المعلمات المستمرة بواسطة محسنات عددية. هذا التعاون بين الفكرتين يوفر نتائج مذهلة في دقة التصميم.

من خلال استخدام مشغل رفع رمزي (symbolic lifting operator)، تستطيع النماذج تحويل المسارات الناتجة عن المحاكاة إلى أوصاف نوعية، ملصقات حركية، معايير زمنية، وتشخيصات هيكلية تُستخدم عبر دورات التصميم المتكررة.

تبرز نتائج الدراسات التي تشمل ستة أهداف حركية ذات صلة بالهندسة وثلاثة نماذج مفتوحة المصدر (Llama 3.3 70B، Qwen3 4B، Qwen3 MoE 30B-A3B)، حيث تمكن الهيكل المعماري المودولاري من تقليل الخطأ الهندسي بنسبة تصل إلى 68٪ وتحسين صلاحية الهيكل بنسبة تصل إلى 134٪ مقارنة بالنماذج التقليدية.

من الأهمية بمكان أن 78.6٪ من المسارات التي شهدت تحسينات قابلة للقياس، مع قدرة النظام على تشخيص حالات الفشل (مثل الزيادة في القيود والقيود الناقصة) واقتراح تصحيحات مناسبة.

الأهم من ذلك، أن النماذج عبر جميع العائلات الثلاثة اكتسبت استراتيجيات واضحة للتفكير الميكانيكي دون الحاجة إلى تعديل دقيق، مما يُظهر أن التجريد الرمزي المنهجي يمكن أن يدعم الجوانب التوليدية للذكاء الاصطناعي مع الدقة العددية المطلوبة لتصميم الهندسة.

لذا، كيف ترى مستقبل استخدام الذكاء الاصطناعي في تحسين العمليات الهندسية؟ شاركونا آرائكم في التعليقات!