ذكاء اصطناعي صمّم شبكات ليفية أقوى وأخف، ثم طبعها الباحثون

تستطيع أنظمة الذكاء الاصطناعي اقتراح أشكال مدهشة، لكن كثيراً منها يصطدم بمشكلة بسيطة: لا يمكن تصنيعه كما هو. حاول فريق بحثي في الصين تجاوز هذه الفجوة، فبنى نظاماً يصمم شبكات ليفية وفق مسارات قابلة للحياكة أو الطباعة ثلاثية الأبعاد، ثم صنع نماذج فعلية لاختبار النتيجة.

الرقم الأهم
حققت الشبكات المحسّنة قوة أعلى بنحو 50% مع كتلة أقل بنحو 20% مقارنة بالتصاميم التي بدأ منها النظام.

لماذا لا تكفي مطالبة الذكاء الاصطناعي بتصميم شكل قوي؟

توجد الشبكات الليفية في الأقمشة والورق والأنسجة الحيوية وهياكل هندسية كثيرة. لا تحدد المادة وحدها أداءها، بل تؤثر أيضاً مواضع التقاطع والانحناء واستمرار المسار الذي تمر فيه الليفة.

قد يقترح الحاسوب شبكة قوية في المحاكاة، ثم يتبين أن خيطاً واحداً لا يستطيع المرور عبرها بصورة متصلة أو أن الطابعة لا تستطيع تنفيذ تفاصيلها. لذلك ركزت الدراسة المنشورة في Nature Communications على قابلية التصنيع، لا على القوة النظرية وحدها.

في تقدير NewTqnia، هذه هي القيمة الحقيقية للعمل. النسب الكبيرة تلفت الانتباه، لكن الإنجاز العملي هو جعل قيد التصنيع جزءاً من البحث عن التصميم، بدلاً من اكتشاف المشكلة بعد اكتمال النموذج الرقمي.

كيف يعمل نظام التصميم؟

يبدأ إطار الشبكات الليفية المنتظمة (Regular Fibrous Network Framework أو REFINe) ببناء مسار مستمر يناسب التصنيع بليفة واحدة. بعد ذلك تستخدم سلسلة محاكاة بالعناصر المحدودة (Finite Element Analysis) لحساب استجابة الشبكة للشد والانحناء.

تتعلم شبكة عصبية بيانية مستلهمة من الفيزياء (Physics-Inspired Graph Neural Network) توقع السلوك الميكانيكي بسرعة أكبر من تكرار المحاكاة الكاملة في كل مرة. ثم يبحث التعلم المعزز عن ترتيب يحقق الهدف المطلوب، مثل زيادة القوة مع تقليل كمية المادة.

يقول الباحثون في الوصف المؤسسي للمشروع إن مرحلة التصميم العكسي تستطيع الوصول إلى مرشحين محسّنين خلال دقائق. ويمكن للنظام أيضاً إسقاط الشبكة المسطحة على سطح ثلاثي الأبعاد منحنٍ، وهو أقرب إلى الأشكال المستخدمة في المنتجات الحقيقية.

ما الذي صنعه الباحثون فعلياً؟

لم تتوقف الدراسة عند النماذج الرقمية. صنع الفريق هياكل مختارة باستخدام الطباعة بالراتنج الضوئي، وكذلك الطباعة التي ترسب مادة لينة طبقة فوق طبقة. كان الهدف التأكد من أن المسارات الرقمية تتحول إلى أجسام مترابطة وأن الاختبارات الميكانيكية تقترب من التوقعات.

أظهرت النتائج قوة أعلى بنحو النصف وكتلة أقل بنحو الخمس مقارنة بنقاط البداية. يذكر الباحثون هياكل البناء خفيفة الوزن وسقالات الأنسجة كتطبيقات محتملة، لكنهم لم يقدموا مكوّناً إنشائياً معتمداً أو غرسة طبية أو نسيجاً منتجاً على نطاق واسع.

لماذا يفيد نشر البرمجيات؟

أودع الفريق حزمة REFINe على منصة Zenodo وربطها بمستودع عام. يتيح ذلك لباحثين آخرين فحص خطوات العمل وتجربة مواد وأهداف مختلفة، بدلاً من الاعتماد على وصف الورقة وحده.

وأدرجت Nature Communications الدراسة ضمن أبحاثها المنشورة في 30 يوليو، ووصفت المخرجات بأنها هياكل جاهزة للتصنيع يمكن أن تخدم مستقبلاً العمارة الخفيفة وسقالات الأنسجة. نشر الشفرة لا يضمن تكرار النتيجة، لكنه يجعل الاختبار المستقل أكثر واقعية.

ما الذي ينبغي اختباره بعد ذلك؟

تحتاج النتيجة إلى تكرار مستقل باستخدام طابعات وألياف وأهداف ميكانيكية مختلفة. كما ينبغي مقارنة النظام بأدوات التحسين الهندسي القائمة وبمعايير صناعية حقيقية، لا بنقاط البداية الخاصة به فقط.

إذا صمدت النتائج، فقد يساعد الإطار المهندسين على استكشاف هياكل خفيفة من دون الوصول في النهاية إلى شكل رقمي يستحيل صنعه. وحتى ذلك الحين، تمثل الدراسة جسراً مقنعاً بين تحسين التصميم بالذكاء الاصطناعي والتصنيع، وليست دليلاً على أن البرمجيات المستقلة جاهزة لتصميم المنتجات النهائية وحدها.