ماذا حدث
ذكرت وكالة أنباء شينخوا أن الباحثين في معاهد شنتشن للتكنولوجيا المتقدمة قاموا بتطوير MatBrain، وهو وكيل الذكاء الاصطناعي لأبحاث المواد المبني من نموذجين. يتعامل Mat-R1، الذي يحتوي على 30 مليار معلمة، مع المنطق العلمي ويقيم النتائج، بينما يستخدم Mat-T1، الذي يحتوي على 14 مليار معلمة، قواعد بيانات المواد وأنظمة إنشاء الهياكل والبرامج الحسابية. وفقًا للتقرير، تقوم النماذج بتبادل النتائج بشكل متكرر من خلال عملية التنفيذ والتحليل والتغذية الراجعة وإعادة التنفيذ. وتقول شينخوا إن MatBrain حققت دقة تنبؤ شاملة أعلى بنسبة 66 بالمائة من النماذج الكبيرة المستخدمة للمقارنة، بما في ذلك GPT-5 وDeepSeek-R1، مع تقليل تكاليف نشر الأجهزة بنسبة 95 بالمائة. ويقول التقرير أيضًا إن النظام أنتج 30 ألف محفز كهربائي مرشح، وقام بفحصهم حسابيًا وشارك في التحقق التجريبي. تعزو شينخوا هذا العمل إلى دراسة نشرت في مجلة Nature Machine Intelligence، لكنها لم تقدم عنوان الورقة أو تفاصيل المعيار أو رابطًا مباشرًا.
تقدم شينخوا النظام باعتباره سير عمل من نموذجين يتم فيه توزيع الاستدلال والتقييم واستخدام قاعدة البيانات وتوليد البنية والتحليل الحسابي عبر الوكيل. يربط الحساب أيضًا العمل بـ Nature Machine Intelligence ويصف سير عمل المحفز الكهربائي، لكنه يترك عنوان الورقة وتفاصيل المعيار ورابط المصدر المباشر غير محدد.
تفاصيل المصدر: english.news.cn ↗
لماذا يهم
إذا صمدت النتائج المبلغ عنها، فإن MatBrain يوضح نهجًا عمليًا لأبحاث الذكاء الاصطناعي المتخصصة: فصل الحكم العلمي عن تنفيذ الأدوات الخاصة بمجال معين. وهذا يمكن أن يجعل أنظمة اكتشاف المواد أقل اعتمادًا على نماذج كبيرة جدًا للأغراض العامة، وربما يقلل متطلبات الحوسبة للمختبرات التي تنشرها.
تحدد البنية المُبلغ عنها مسؤوليات مميزة لنموذجين أصغر حجمًا بدلاً من مطالبة نموذج واحد للأغراض العامة بالاستدلال واختيار الأدوات وإنشاء المعلمات وتفسير النتائج المتوسطة وتحديد التجارب اللاحقة.
ويتمثل الأثر العملي المحتمل في توفير سير عمل بحثي ميسور التكلفة للمؤسسات التي لا تستطيع نشر النماذج الأكبر. ومع ذلك، لم توثق شينخوا التخفيض المزعوم في التكلفة بنسبة 95%، بما في ذلك الأجهزة أو البرامج أو خط الأساس للنشر الذي تم استخدامه.
يقول التقرير إن MatBrain تعامل مع إنشاء البنية والتنبؤ بالخصائص وتحليل الاستقرار وتخطيط مسار التوليف واكتشاف المواد المفتوحة. ولا تحدد ما إذا كان النظام متاحًا على نطاق واسع، أو قابلاً للتكرار من قبل باحثين خارجيين، أو متفوقًا عبر مهام مختارة بشكل مستقل.
من المحتمل أن يكون مثال المحفز الكهربائي ذا أهمية لأنه يربط مخرجات النموذج بالفحص الحسابي والتحقق التجريبي. ولا يحدد التقرير المادة المكتشفة، أو المختبر الذي أجرى التحقق من الصحة، أو النتائج التجريبية، أو ما إذا كان العمل قد أنتج منتجًا قابلاً للاستخدام.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
ماذا تشاهد بعد ذلك
الخطوة الرئيسية التالية هي الفحص المستقل لورقة Nature Machine Intelligence والتقييمات الأساسية لها. إن وصول الجمهور إلى النماذج، والأكواد، وقواعد البيانات، وتكامل الأدوات، والبروتوكولات التجريبية من شأنه أن يحدد مدى سهولة قيام الباحثين في المواد الأخرى بإعادة إنتاج المطالبات.
لا توضح المقالة ما إذا كان MatBrain أو Mat-R1 أو Mat-T1 متاحًا للجمهور، أو بموجب أي ترخيص، أو ما إذا كان بإمكان المستخدمين الوصول إلى النظام عن بُعد. الوصول والتسعير غير معروفين.
المعنى الدقيق لتحسين الدقة بنسبة 66 بالمائة غير معروف. ولا يحدد التقرير المقياس، أو المهام، أو مجموعات البيانات، أو عدد التجارب، أو شروط المطالبة أو الضبط الدقيق، أو الإصدارات الدقيقة لنماذج المقارنة.
يتطلب سير عمل المحفز الكهربائي الذي يضم 30 ألف مرشح مزيدًا من التفاصيل حول كيفية إنشاء المرشحين، وعدد الأشخاص الذين نجوا من كل مرحلة فحص، وما هي التجارب التي تم إجراؤها وما هي النتائج التي تم الحصول عليها.
لم يتم تضمين أي اختبار مستقل أو تقييم خبير خارجي في تقرير شينخوا. ولذلك ينبغي التعامل مع المطالبات على أنها نتائج تم الإبلاغ عنها بدلاً من التعامل مع الأداء المؤكد بشكل مستقل.