في عالم المواد، يُعتبر اكتشاف المواد ذات الطبقات الثنائية (bilayer materials) من التحديات الكبيرة نظرًا لتأثر خصائصها بطرق التراص المعقدة. ومع التفاعل القوي بين الروابط داخل الطبقة (intra-layer bonding) والتفاعل الضعيف بين الطبقات (inter-layer van der Waals interactions)، يصبح تطوير نماذج دقيقة لتوقع الخصائص أمرًا صعبًا. ولتسهيل هذه العملية، تم تقديم BDIP-Net (شبكة البنية الثنائية التفاعلية) كإطار عمل يعتمد على التعلم العميق.

يعتمد BDIP-Net على تدفقات تحسين التركيب المستندة إلى MatterSim-D3، مما يسمح بإنشاء بنى ثنائية ذات جودة تفوق دقة دالة الكثافة (DFT) بتكلفة حسابية منخفضة. هذا يعني أنه يمكن للباحثين الآن الحصول على هياكل موثوقة من كتل بناء ذات طبقة واحدة وتشكيلات تراص دون الحاجة إلى حسابات معقدة.

تستخدم الشبكة الرسومية العميقة BDIP-Net طريقة متقدمة لتمثيل التفاعلات، حيث تميز بين التفاعلات الداخلية بين الطبقات والتفاعلات الخارجية بفضل تمثيلات امكانية معينة ودمج الرسائل بشكل تكيفي، مما يضمن دقة عالية في توقع الخصائص.

تم اختبار الإطار الجديد على مجموعة بيانات تتضمن أنظمة ثنائية متجانسة وغير متجانسة وملفوفة، وأظهرت النتائج أن الأسلوب المستخدم في MatterSim-D3 يعيد إنتاج الهياكل المحسنة باستخدام DFT-PBE-D3 بدقة كبيرة، بينما يتفوق BDIP-Net بشكل متسق على النماذج الأخرى في توقع خصائص المواد ذات الطبقات الثنائية.

إن هذا التطور يعد خطوة مهمة تُعزز من قدرة الباحثين على استكشاف وتصميم مواد جديدة ذات خصائص محسّنة، وهو يفتح آفاقًا جديدة في مجال علوم المواد.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستغير مستقبل أبحاث المواد؟ شاركونا تعليقاتكم.