في عالم المواد الجديدة، يُعرف أن المواد الأكثر أهمية من الناحية التكنولوجية هي من بين الأكثر ندرة. فهي تحتل مناطق ضيقة من الفضاء الكيميائي، وتتوافق مع قيود فيزيائية متنافسة، وغالبًا ما تكون معلوماتها نادرة في قواعد البيانات المتاحة. من بين هذه المواد نجد المواد العازلة عالية الكفاءة (High-kappa dielectrics) والم superconductors عالية الحرارة (high-Tc superconductors) والعوازل المغناطيسية الفيرومغناطيسية. ولكن كيف يمكن للذكاء الاصطناعي أن يغير هذه المعادلة؟ هنا يبرز دور DielecMIND.

DielecMIND هو إطار عمل مبتكر يستخدم الذكاء الاصطناعي لإعادة صياغة عملية اكتشاف المواد النادرة، من خلال نهج يعتمد على الاستدلال بدلاً من مجرد استعراض قواعد البيانات. استخدم النظام في البداية كحالة اختبار لتقنية العوازل العالية الكفاءة، حيث جمع بين توليد الفرضيات عبر نماذج اللغة الكبيرة (Large Language Models) وحسابات أولية موثوقة بالفيزياء، مما يسمح له بالتنقل بين compounds الكيميائية المجهولة.

قبل هذا العمل، كان هناك فقط 14 مادة تم التحقق منها تجريبيًا أو حسابيًا ذات ثابت عازل (kappa) أكبر من 150. لكن مع تقديم DielecMIND، تم اكتشاف 5 مواد جديدة، مما أسهم في توسيع هذه الفئة النادرة بنسبة مذهلة تقترب من 35% عن دراسة واحدة فقط. من بين هذه المواد، تُظهر مادة Ba2TiHfO6 ثباتًا ملحوظًا عند درجات حرارة تصل إلى 800 كلفن وثابت عازل يُقدّر بـ 637 فضلًا عن انخفاض الخسائر عند الترددات الضوئية المنخفضة.

تمثل هذه الدراسة نموذجًا جديدًا لاكتشاف المواد، حيث تولد عددًا قليلًا من المرشحين الموثوقين من الناحية الفيزيائية، ومع ذلك تزيد بشكل ملحوظ من مساحات المواد الوظيفية المأهولة بشكل نادر. وبالتالي، تدل DielecMIND على استراتيجية عامة لاكتشاف المواد الوظيفية النادرة ذات التأثير العالي، الأمر الذي كان مقيدًا بسبب ندرة البيانات لفترة طويلة.

مع هذه الابتكارات، نتطلع إلى مستقبل واعد حيث يمكن للتقدم التكنولوجي والذكاء الاصطناعي أن يفتحوا آفاقًا جديدة في مجالات المواد المتقدمة.