تشهد مجالات علوم المواد طفرة جديدة تعكس تأثير الذكاء الاصطناعي، حيث تمثل الأنظمة الجديدة أملاً كبيرًا لتحسين موثوقية التحقق من فرضيات الهياكل المعدنية العضوية (MOFs). تمثل هذه الهياكل بيئات تبحث عن الدقة، حيث تختلف الهياكل بناءً على تعريفات متعددة، وتعتمد نتائج التركيب بشكل كبير على الظروف التجريبية. من هنا، يبرز التحدي المتمثل في جمع الأدلة من مصادر متنوعة للتأكد من صحة الفرضيات.

طورت الفرق البحثية آلية جديدة تُسمى MOF-Verify، وهي أداة تعتمد على نماذج لغوية ضخمة (Large Language Models) لتيسير عملية التحقق. هذه الأداة تبحث عن الأخطاء المحتملة في المعرفة المكتسبة، واكتساب الأدلة، والتفكير، وتُقيّم الأداء من خلال أربع عائلات مهمة، تتضمن التحقق من التركيب، والتحقق من ظروف التوليف، والتحقق من كفاية الأدلة، والتحقق القائم على الحوسبة.

تظهر النتائج بشكل واضح أن MOF-Verify تُحسن أداء التحقق من الفرضيات بشكل كبير مقارنةً بالأساليب التقليدية المعتمدة على الاستنتاج المباشر. تجاوزت هذه الأداة العوائق المعقدة لتقديم نتائج دقيقة وموثوقة.

لمزيد من المعلومات، يمكنكم زيارة موقع المشروع على GitHub لتحميل مجموعات البيانات الخاصة بالتحقق.

ما هي أفكاركم حول استخدام الذكاء الاصطناعي في تحسين دقة العلوم المادية؟ شاركونا في التعليقات!