التدريسية م.د فرح سعدون جعفر
مكان العمل: جامعة ابن سينا للعلوم الطبية و الصيدلانية/ كلية طب الاسنان- فرع العلوم الاساسية
بالتعاون مع:
المجلس الأعلى للجمعيات العلمية
لا يخفى علينا التطور السريع في علم الذكاء الاصطناعي حتى اصبح جزء اساسي في شتى مجالات العلوم و من بينها توظيف التكنولوجيا الرقمية في تطوير علم الكيمياء و دراسة التفاعلات قبل حدوثها و التنبؤ باهمية المركبات و مدى الاستفادة منها , حيث اعتمد تخليق المركبات و اكتشافها في السابق على التجربة و الخطأ الموجهين بالحدس و هذا يتطلب المزيد من عمليات التحسين لتخطي اي عائق اثناء العمل في المختبر. اما اليوم فأن التقارب بين الذكاء الاصطناعي وأتمتة المختبرات يزيل هذه الحواجز التقليدية و هذا يجعلنا في عصر جديد من الاكتشافات الكيميائية المعتمدة على البيانات الرقمية. و يمكن تلخيص اهم تطبيقات الذكاء الاصطناعي في الكيمياء كالتالي :
- مخططات تخليق المركبات بمساعدة الحاسوب Computer-aided synthesis planning (CASP) :
و يهدف هذا النظام الى مساعدة الباحثين الكيميائين على اجراء التحليل التخليقي العكسي من خلال تحسين مسارات التخليق للمركبات الكيميائية القائمة على تحليل قواعد البيانات الضخمة للتفاعلات الكيميائية بشكل ملحوظ بدون اي تداخل بشري و هذا يساعد الباحثين على تحديد اكثر الطرق كفاءة و قابلية للتوسع لتكوين الجزيئات المطلوبة في جزء بسيط من الاطر الزمنية التقليدية. - المعلوماتية الكيميائية و التصميم الجزيئي التوليدي :
حيث يمكن لنماذج الذكاء الاصطناعي التوليدي ان تقترح على الفور تراكيب جزيئية جديدة مصممة خصيصاً لمواصفات دقيقة مثل الموصلية الكهربائية المستهدفة لإلكتروليتات البطاريات او تحديد قوة الارتباط بين المركبات الكيميائية الدوائية و مستقبلاتها. - التجارب المستقلة و المختبرات ذاتية القيادة Self-Driving Laboratories (SDLs) :
يربط علم الكيمياء الرقمي بين العالمين المادي و الافتراضي عبر اجهزة مؤتمتة, حيث تدمج المختبرات ذاتية القيادة المفاعلات و الاجهزة مع تحليلات الذكاء الاصطناعي و تعمل هذه الأنظمة في حلقة مغلقة. و يتم تحليل نتائج هذه التجارب من خلال خوارزميات الذكاء الاصطناعي. - نمذجة البدائل االكمومية :
هو طريقة تستخدم التعلم الآلي لتقريب العمليات الكمومية المعقدة او المحاكاة الفيزيائية للمركبات الكيميائية. حيث تتطلب محاكاة ميكانيكية الكم دقة عالية للانظمة الجزيئية المعقدة و هذا بدوره يحتاج الى قدرة حاسوبية هائلة اما في الوقت الحاضر و بفضل تقنيات الذكاء الاصطناعي فيمكن سد هذه الفجوة و توفير دقة تقارب مستوى الكم باقل وقت و تكلفة.
امثلة على بعض الادوات المستخدمة في هذا المجال :
▪ Chemical.AI
▪ Iktos
▪ Atinary SDLabs
▪ Energent.ai
المصادر:
✓ Ananikov, V.P., 2025. Classification of artificial intelligence applications in chemistry: from automation to digital scientific thinking. https://doi.org/10.26434/chemrxiv-2025-fbk8w.
✓ Ishida, S., Terayama, K., Kojima, R., Takasu, K. and Okuno, Y., 2020. AI-Driven Synthetic Route Design with Retrosynthesis Knowledge. https://doi.org/10.26434/chemrxiv.13386092.v1.
✓ Eider, G.P., Meritxell, G.O., Jon, L. and Naroa, M., 2025. Quantum surrogate modelling to solve phase field simulation problems in metal solidification: E. Garate-Perez et al. The Journal of Supercomputing, 81(5), p.656. https://link.springer.com/article/10.1007/s11227-025-07032-0.