أنشأ باحثون من كلية الهندسة في University of Toronto أداة مفتوحة المصدر تُدعى MOF-ChemUnity، توفر طريقة منهجية لأبحاث الإطارات المعدنية العضوية (MOF)، مما يساعد على اكتشافات أكثر سهولة. الـMOF هي فئة من المواد واسعة التطبيقات في مجالات مثل نقل الأدوية، والتحفيز، والتقاط الكربون، حيث تتميز بمساحة سطحية عالية جداً وخصائص كيميائية قابلة للضبط الدقيق، مما يمنحها آفاقاً واسعة مثل استخدامها كمناخل جزيئية لفصل الغازات، والتقاط جزيئات صغيرة لكشف مواد بتركيز منخفض، وتسريع التفاعلات الصناعية، ونقل الأدوية. تتزايد أهمية الـMOF في المجالات التقنية، ودليل ذلك منح جائزة نوبل في الكيمياء لعام 2025 لها.
مع تسارع أبحاث الـMOF في أكثر من 25 مجال تطبيقي، أصبح تتبع نظام المعرفة أكثر صعوبة، وهو تحدٍ للباحثين وأدوات الذكاء الاصطناعي على حد سواء. لمواجهة هذا التحدي، طور فريق بقيادة البروفيسور Mohamad Moosavi من قسم الهندسة الكيميائية والكيمياء التطبيقية وVector Institute أداة MOF-ChemUnity. نُشرت النتائج في Journal of the American Chemical Society واختيرت كمقالة غلاف.
يستخدم MOF-ChemUnity رسماً بيانياً للمعرفة منظماً وقابل للتوسع، يستخرج ويربط المعلومات من أوراق أبحاث الـMOF، وقواعد بيانات الهياكل البلورية، وقواعد البيانات الحسابية للمواد. يعتمد جوهره على سير عمل نماذج لغة كبيرة متعددة الوكلاء، قادر على ربط الأسماء الكيميائية في الأدبيات بالهياكل البلورية الصحيحة، مما يجعل خطوات التخليق، وخصائص المواد، والتطبيقات المحتملة متاحة بتنسيق متسق وقابل للقراءة الآلية. دمج الفريق الرسم البياني للمعرفة مع نماذج لغة كبيرة لبناء مساعد ذكاء اصطناعي قائم على الأدبيات. في تقييم أعمى من خبراء MOF من مؤسسات متعددة، كان المساعد أكثر دقة وسهولة في التفسير وموثوقية مقارنة بنماذج LLM الأساسية مثل GPT-4o، مما يقلل من الهلوسات الذكاء الاصطناعي ويدعم الاستدلال العلمي الموثوق.
أتاح فريق University of Toronto مجموعات البيانات والكود على GitHub، لدعم التطور المستمر في أبحاث علوم المواد والذكاء الاصطناعي. قال Moosavi إن المشروع يضع أساساً لتحول في طريقة تنظيم وصول المعرفة العلمية، ويساعد في كسر الحواجز البحثية، ويُعد MOF-ChemUnity خطوة أولى نحو أنظمة ذكاء اصطناعي قادرة على معالجة البيانات عبر المجالات، ويؤسس نموذجاً جديداً للاكتشاف القائم على الأدبيات، وهو بداية لنظام معرفي عام يسرع الأبحاث في مجالات متعددة.
