Az MIT 3D-ben tanítja az AI-t a kristályos anyagok megértésére

A kristályok szerkezete eddig kimaradt az AI látóteréből

A kristályos anyagok az atomok szabályos, háromdimenziós elrendeződéséből állnak, és a Föld szilárd anyagainak több mint 90 százalékát alkotják. Szerkezetüket jellemzően speciális formátumokban tárolják, miközben a mai nagy nyelvi modelleket elsősorban szöveges adatokon tanítják.

Ez korlátozza az anyagkutatási alkalmazásokat. A tudományos publikációk szövegei ráadásul néhány népszerű kristályanyag-osztály felé torzulnak, így a kizárólag szövegre támaszkodó modellek tudása is egyoldalú lehet. A számítási adatbázisokban tárolt lehetséges kristályszerkezeteket ezek a modellek nehezen használják fel, a geometriai viszonyokat pedig nem értik meg közvetlenül.

A modell összekapcsolja az atomokat és az anyagtulajdonságokat

Az MIT kutatói egy kristályos anyagokra szabott látás és nyelv modellt hoztak létre. A rendszer háromdimenziós atomi szerkezeteket kapcsol össze természetes nyelvű leírásokkal, amelyeket kísérleti kutatási cikkekből és első elveken alapuló számítási adatbázisokból állítottak elő.

Az egységes leírás nemcsak az anyag kémiai összetételét és szerkezetét tartalmazza, hanem a tulajdonságait, a feldolgozás szempontjait és a lehetséges alkalmazásait is. A kutatók kontrasztív tanulást alkalmaztak. A modell hasonló és eltérő szerkezeteket, illetve szöveges leírásokat vetett össze, hogy közös reprezentációt alakítson ki.

A Nature Communications folyóiratban bemutatott eredmények szerint az AI által létrehozott leírásokon tanított modell jobban megtanulta összehangolni a geometriai szerkezeteket a szöveges jellemzőkkel, mint az a változat, amely kizárólag publikációk szövegét használta.

Ígéretes akkumulátoranyagokat is megtalált

A kutatók természetes nyelvű lekérdezéssel adhattak meg egy kívánt anyagtulajdonságot, a modell pedig olyan kristályos anyagokat keresett, amelyek rendelkeznek vele. A rendszer ebben felülmúlt egy összehasonlítási alapként használt modellt.

Amikor szilárd halmazállapotú lítiumion-akkumulátorok elektrolitjaihoz kerestek megfelelő anyagokat, a modell legjobb találatai között olyanok is szerepeltek, amelyeket egymástól függetlenül ígéretes jelöltekként azonosítottak.

Ju Li, az MIT anyagtudományi és mérnöki tanszékének professzora szerint az anyagok szerkezete kulcsfontosságú, mert abból sok minden következtethető a tulajdonságaikra és teljesítményükre. Elsa Olivetti professzor úgy fogalmazott, hogy a módszer mélyebb betekintést adhat a háromdimenziós szerkezetekbe, és összekapcsolhatja azokat a tulajdonságokkal, valamint a feldolgozással.

Az anyagkutatók munkáját gyorsíthatja

Az MIT szerint az új megközelítés sokféle kristályos anyagra alkalmazható. A kutatók azt remélik, hogy más anyagtudósok is használják majd a módszert a munkájuk felgyorsítására. Li a modellt az AlphaFoldhoz hasonlítja, amely a fehérjeszerkezeteket és azok működését kapcsolja össze, és hozzájárult a biológiai kutatások, valamint a gyógyszerfejlesztés előrehaladásához.

A kutatás jelentősége a felhasználók számára közvetlenül az anyagkutatásban jelenhet meg: a kívánt tulajdonság nyelvi megadásával a rendszer jelölteket kereshet, miközben az atomi elrendeződéseket és kötési mintázatokat is figyelembe veszi. A fejlesztést részben az amerikai Védelmi Fenyegetéscsökkentési Ügynökség, a Védelmi Fejlett Kutatási Projektek Ügynöksége és a Koreai Nemzeti Kutatási Alap támogatta.