نحو مستقبل مشرق: نماذج أساسية لتحويل النص إلى صورة في ميدان الطاقة النووية

شهدت السنوات الأخيرة ثورة في مجال الذكاء الاصطناعي (AI)، ولا سيما في تطبيقات تحويل النص إلى صورة. ومع ذلك، فإن تمثيل المجالات الهندسية المتخصصة، مثل الطاقة النووية، لا يزال عرضة للتحديات. ومعظم النماذج العامة تعاني من إنتاج صور غير دقيقة أو غير متسقة بسبب نقص المعرفة المتخصصة.

تقدم هذه الدراسة واحدة من أوائل الدراسات المنهجية حول تكيف البيانات الخاصة بالطاقة النووية لتوليد الصور، من خلال إعادة ضبط نماذج الانتشار (Diffusion Models) مفتوحة المصدر. تم تجهيز مجموعة بيانات تحتوي على 1000 صورة مرتبطة بالطاقة النووية، تغطي مجموعة من المفاهيم مثل المفاعلات ودورات الوقود والإشعاع.

أجريت الدراسات للنماذج المتوفرة، مثل Stable Diffusion XL (SDXL) وSD-v3.5-Medium ونموذج Flux.1، وتم تقييم أدائها باستخدام معايير تشابه الصور الكمية والتقييمات النوعية من قبل خبراء. أظهرت النتائج تحسناً ملحوظاً في دقة SDXL مقارنة بالنماذج الأخرى، مما يبرز أهمية تكيف النماذج مع المعلومات الخاصة بالمجال، بدلاً من التركيز على حجم النموذج فقط.

علاوة على ذلك، تمت مقارنة النماذج المعاد ضبطها مع ثلاثة أنظمة تجارية رائدة مثل GPT-Image-2 وGemini-3.1-Flash-Image وMidjourney. على الرغم من أن GPT-Image-2 وGemini قادرتان على إنتاج صور مقنعة لمفاهيم نووية عامة، إلا أنهما غالباً ما تفشلا في التعامل مع التعليمات الهندسية المتخصصة. بينما أظهرت النماذج المعاد ضبطها دقة أكبر وتوافقاً تقنياً.

تشير هذه النتائج إلى أن التكيف الخاص بالمجال يمكن أن يكون مساراً عملياً لتطوير أدوات ذكاء اصطناعي موثوقة للتطبيقات المتخصصة.