شهدت نماذج المحولات (Transformers) تحقيق نجاحات كبيرة في مجالات متعددة مثل النصوص والصور، ولكن استخدامها في توليد الجزيئات ثلاثية الأبعاد لا يزال في مراحل التطور. في هذا السياق، تمثل تقنية InertialAR التي تم تطويرها مؤخرًا خطوة رائدة لمواجهة تحديات هذا المجال.

تأسس InertialAR على أساس فكرتين رئيسيتين؛ الأولى هي كيفية تحوي الوضعيات الكيميائية للجزيئات إلى تسلسل رموز ذو شكل موحد ليكون مقاومًا للتحولات والتغييرات في ترتيب الذرات. بينما الثانية تتعلق بتصميم معمارية قادرة على نمذجة الرموز المختلطة بحيث تتشارك بين أنواع الذرات وأماكنها في الفضاء ثلاثي الأبعاد.

عبر توظيف آلية تجزئة قائمة على إطارات غير متغيرة، يقوم InertialAR بتحويل الهياكل الثلاثية الأبعاد العشوائية إلى تسلسل رموز فريد وقابل للاستخدام في التوليد التلقائي. بالإضافة إلى ذلك، يبتكر النموذج تقنية الترميز الهندسي (GeoPE) التي تمنح آلية الانتباه في المحولات القدرة على فهم الجوانب الهندسية في الفضاء.

ما يميز InertialAR هو استخدامه لنموذج هرموني توليدي (hierarchical autoregressive model) حيث يقوم النموذج بتوقع نوع الذرة والإحداثيات الثلاثية الأبعاد بشكل متسلسل، مما يعزز دقة التوليد ويساهم في تحقيق نتائج مذهلة في عدة اختبارات قياسية مثل QM9 وGEOM-Drugs وB3LYP. لم يقتصر النجاح على الجوانب العامة، بل أظهر InertialAR تفوقًا ملحوظًا في التحكم بعملية التوليد بما يتناسب مع الوظائف الكيميائية المستهدفة، محققًا نتائج تتفوق على معظم النماذج التقليدية.

يمكن للمهتمين الاطلاع على الشيفرة المصدرية للنموذج عبر GitHub: [github.com/HaoruiLi46/InertialAR].

**ما رأيكم في هذه التقنية الحديثة؟ كيف يمكن أن تؤثر على مستقبل العلوم الكيميائية والبيولوجية؟ شاركونا آراءكم في التعليقات!**