عالم علم المواد يتطور بسرعة، ومعه تبرز تقنيات جديدة تساهم في فتح آفاق جديدة من الابتكار. من بين هذه الابتكارات، يأتي DyRIS، وهو إطار متقدم يستخدم نماذج اللغات الضخمة (LLM) لتوقع مجموعات الفضاء (Space Groups) للبيروفسكيت المزدوج. البيروفسكيتات المزدوجة تقدم تنوعًا واسعًا في التركيب الكيميائي، ولكن التحدي الأكبر يكمن في توقع مجموعات الفضاء للتركيبات المستقرة، وهو أمر يتأثر بشكل بالغ بقوة عدم التوازن في البيانات المتاحة.

يتميز DyRIS بديناميكية التعلم من خلال شوتات قليلة (Few-shot) معززة بالتنوع، مما يساعد في استرجاع أمثلة ذات صلة في السياق. من خلال هذا الابتكار، يتم تقليل هيمنة مجموعات الفضاء الرئيسية، مما يعطي فرصًا أكبر للفئات الأقل تمثيلًا. فما الذي يميز DyRIS عن غيره؟

تعتمد عملية التنبؤ التي يقوم بها DyRIS على تقنية الاستدلال القائم على القواعد، والتي تستند إلى ترتيب الكاتيونات B/B'، والمقاييس الكمية، والتحكم في التحيز لمجموعات الفضاء الرئيسية، مما يساهم في تحسين تصنيف المتنبآت الثلاثة الأفضل.

وقد أظهرت الدراسات التجريبية أن DyRIS قد حقق دقة تنافسية رائعة، حيث حصل على أفضل معدل دقة لـ Top-1 في مقاييس الفئات الأقل تمثيلًا بزيادة تصل إلى 3.26 نقطة مئوية مقارنةً بنموذج CrabNet. هذا الأداء يعزز آمال الباحثين في استخدام المعرفة المعتمدة على استرجاع البيانات المتعلق بنماذج اللغات الضخمة AI في توقع مجموعات الفضاء لدى مجموعات المواد غير المتوازنة.

في الختام، يمثل DyRIS خطوة رائدة نحو تحسين دراسات علم المواد وفتح آفاق جديدة لتطبيقات الذكاء الاصطناعي في هذا المجال. إذا كنت من المهتمين بعلم المواد وهندسة البيروفسكيت، فلا تفوت فرصة معرفة المزيد عن هذا الابتكار الثوري!