تعتبر الاكتشافات العلمية واحدة من أعقد المهام التي تواجه البشرية، حيث تتطلب استكشافًا عميقًا لمساحات شاسعة من النظريات والتجارب. في هذه الدراسة الجديدة المنشورة، نقدم فكرة مبتكرة تُعرف بالأمثلية الميتا (Meta-Optimization)، حيث يصبح هدف تحسين عملية البحث نفسه محل تحسين.

أثناء استكشافنا، نبين أهمية تعديل المعايير المستخدمة في التقييم واستخدام نماذج لغوية ضخمة (Large Language Models) لتسهيل هذه العملية.

يتمثل مساهمتنا الرئيسية في ما يعرف بتجميع الأهداف الجماعية (Consensus Objective Aggregation)، حيث يتم دمج الوظائف الهدفية التي تم إنشاؤها بواسطة نماذج اللغة عبر تصويت مدعوم بالارتباط. هذه الطريقة توفر معيار تقييم مستقر ومتطور مع مرور الوقت.

على سبيل المثال، قمنا بتطبيق هذا الإطار على اكتشاف خوارزميات لمشكلة 3-SAT المستندة إلى آلات MemComputing الرقمية، حيث استطعنا تقليل معدل النمو الأساسي مع حجم المشكلة N من حوالي N^2.51 إلى N^1.33. وهذا يعني تسريعًا يصل إلى 67 ضعفًا عند اختبار أكبر الحالات.

باعتبارها إطارًا غير محدد بالمشكلة، نأمل أن يساعد هذا النهج بشكل كبير في دفع عجلة الاكتشافات العلمية إلى الأمام.