يعتبر التصميم العكسي للمواد المسامية ثلاثية الأبعاد محوريًا في العديد من التطبيقات الحيوية مثل الترشيح، والتخزين الطاقي، وخلايا الوقود، وغير ذلك. ومع ذلك، لا يزال هذا المجال يمثل تحديًا كبيرًا نظرًا للتعقيد الكبير في الأشكال المختلفة للمسامات التي يمكن أن تتشارك في خصائص مثل المسامية أو النفاذية، بينما تؤثر التغيرات الطفيفة في التركيب على سلوك النقل بشكل ملحوظ.

قدمت دراسة جديدة إطار عمل مبتكر يرتكز على الذكاء الاصطناعي الموجه بالفيزياء، الذي يهدف إلى تحسين تصميم المواد المسامية المستهدفة. يجمع هذا الإطار بين نموذج التلقين التلقائي (Variational Autoencoder) الوعي بالخصائص ونموذج الانتشار الشرطي (Conditional Latent Diffusion Model) ونموذج تقريبي منفصل مُدرّب بطريقة قابلة للاشتقاق لتحويل الهيكل إلى خصائصه.

يحقق هذا النظام تعلم مساحة تصميم مخفية مُعلمة بالفيزياء، ويولد هياكل مسامية مستهدفة بناءً على المسامية والنفاذية الاتجاهية المحددة. بالإضافة إلى ذلك، يقوم الإطار بتحسين العينات المولّدة باستخدام تغذية راجعة على مستوى الخصائص أثناء عملية إزالة الضوضاء وفك التشفير.

أظهرت التجارب على الهياكل المستندة إلى إجراء بيانات حقيقية من الميكرو-CT لتحويل المواد المسامية تحسينات ملحوظة في مطابقة الخصائص المستهدفة والتحكم في النفاذية الاتجاهية، مقارنةً بالنماذج التقليدية. تؤكد النتائج المقدمة نهجًا قابلًا للتوسع نحو تصميم عكسي محكم لجيولوجيا مسامية معقدة وتؤسس أرضية لتطوير أدوات الذكاء الاصطناعي المستندة إلى المحاكاة في مجالات الهندسة واكتشاف المواد المتقدمة.

ما رأيكم في هذه الطفرة في تصميم المواد؟ هل تعتقدون أنها ستحدث ثورة في التطبيقات الهندسية؟ شاركونا آرائكم في التعليقات.