Pada prinsipnya, kecerdasan buatan dapat membuat pencarian bahan yang tepat untuk suatu pekerjaan semudah memesan makan malam: jelaskan apa yang Anda perlukan ke model bahasa besar, dan model tersebut akan memberi Anda kristal yang dirancang untuk tugas tersebut. Dalam praktiknya, skenario tersebut masih di luar jangkauan, karena model di balik chatbot saat ini belum pernah benar-benar melihat seperti apa sebagian besar materi.
Peneliti MIT melaporkan bahwa mereka telah mengambil langkah nyata untuk memperbaikinya. Dalam makalah baru yang diterbitkan di Nature Communications, tim dari Departemen Sains dan Teknik Material (DMSE) MIT menjelaskan model AI multimodal yang menggabungkan struktur atom tiga dimensi dengan deskripsi bahasa alami, sehingga sistem dapat memikirkan geometri kristal dan teks pada saat yang bersamaan. Menurut MIT News, model ini mengidentifikasi desain material yang lebih baik daripada sistem yang dilatih hanya berdasarkan teks dengan memungkinkan AI melihat susunan atom dan pola ikatan yang menentukan perilaku material. Pekerjaan ini menambah kesibukan cakupan industri AI yang berfokus pada model yang bergerak melampaui teks dan memasuki dunia fisik.
Mengapa Model yang Dilatih Teks Tersandung Materi
Kendalanya pada dasarnya adalah soal data. Sebagian besar materi berbentuk kristal: susunan atom tiga dimensi dan periodik yang strukturnya disimpan dalam format komputasi khusus, bukan dalam aliran teks yang digunakan untuk melatih model bahasa besar. Selain itu, literatur eksperimental sangat bias terhadap beberapa kelas kristal yang populer, sehingga mengganggu keluaran AI yang dilatih terutama pada makalah yang diterbitkan.
Hasilnya adalah titik buta dengan konsekuensi nyata. Lebih dari 90 persen bahan padat di Bumi berbentuk kristal, dan banyak struktur yang penting bagi baterai, elektronik, atau katalis generasi mendatang berada dalam basis data komputasi yang tidak dapat dibaca secara efektif oleh sistem yang hanya menggunakan bahasa.
Mengajarkan Model untuk Menyelaraskan Struktur Dengan Bahasa
Jawaban tim MIT adalah membangun model bahasa visi yang efektif untuk kristal. Para peneliti melatih model bahasa untuk menghasilkan deskripsi tekstual struktur kristal menggunakan pembelajaran kontrastif, sebuah pendekatan di mana model membandingkan contoh struktur dan deskripsi yang serupa dan berbeda hingga mengembangkan pemahaman terpadu — sebuah proses yang dibandingkan oleh MIT dengan bagaimana otak menyelaraskan wilayah visual dan bahasanya.
Yang terpenting, tim ini memilih untuk mensintesis narasi mereka sendiri mengenai materi dibandingkan hanya mengandalkan makalah yang sudah ada. Berdasarkan literatur penelitian eksperimental dan basis data komputasi prinsip pertama, model ini menghasilkan deskripsi kaya yang tidak hanya mencakup komposisi dan struktur kimia, tetapi juga sifat, pertimbangan pemrosesan, dan potensi penerapan.
“Kami ingin menciptakan model AI yang bekerja secara luas di berbagai material,” kata Ju Li, Profesor Carl Richard Soderberg di bidang Teknik Tenaga di MIT dan penulis senior makalah tersebut. “Itulah sebabnya kami memutuskan untuk mensintesis narasi daripada hanya mengandalkan makalah yang sudah ada. Kami menemukan ketika kami menggunakan kumpulan data naratif tersebut, modelnya lebih baik dalam memprediksi fungsinya.”
Ujian: Menemukan Elektrolit Baterai Solid-State
Untuk mengevaluasi pendekatan ini, para peneliti membandingkan dua versi model: satu dilatih berdasarkan deskripsi struktural yang dihasilkan AI dan satu lagi dilatih hanya pada teks dari makalah penelitian. Versi yang dilatih berdasarkan deskripsi yang disintesis berhasil mempelajari cara menyelaraskan struktur geometris dengan bahasa, sedangkan versi teks saja tidak.
Tim kemudian meminta model tersebut untuk mengidentifikasi bahan kristal yang cocok untuk elektrolit baterai lithium-ion solid-state – sebuah tantangan utama untuk baterai generasi berikutnya. Menurut MIT News, hasil teratas model ini mencakup material yang telah diidentifikasi secara independen sebagai kandidat yang menjanjikan, dan sistem tersebut mengungguli garis dasar yang hanya berupa teks ketika diberikan kueri bahasa alami yang mendeskripsikan suatu properti dan diminta untuk menemukan kristal dengan properti tersebut.
“Struktur benar-benar merupakan inti dari bidang ilmu material,” kata Li. “Jika Anda memahami strukturnya, Anda dapat menyimpulkan banyak hal tentang sifat dan kinerja material. Kami ingin membangun hubungan antara struktur atom suatu material dan sifat-sifatnya serta pemrosesan untuk model tersebut.”
Kesesuaiannya dengan Penemuan Material Berbasis AI
Selama dekade terakhir, AI telah mengubah cara usulan dan desain kristal baru; Namun sebagian besar sistem tersebut memperlakukan material kristal sebagai grafik tiga dimensi yang diproses oleh arsitektur khusus, terpisah dari model bahasa yang mendukung AI untuk tujuan umum. Dengan mengajarkan model berbasis bahasa untuk memahami geometri secara langsung, pekerjaan MIT menunjuk pada asisten yang suatu hari nanti dapat menangani permintaan materi yang dinyatakan dalam bahasa Inggris secara menyeluruh.
Tim peneliti termasuk penulis pertama Yang Jeong Park, mantan postdoc MIT, bersama dengan Mayank Kumaran, lulusan teknik komputer Universitas Illinois Urbana-Champaign baru-baru ini, Chia-Wei Hsu, dan Elsa Olivetti, Profesor Teknik Jerry McAfee (1940) di MIT.
Apa yang Terjadi Selanjutnya
Modelnya tetap berupa sistem penelitian, dan MIT belum mengumumkan produksi apa pun. Namun implikasinya luas: elektrolit solid-state adalah salah satu contoh kasusnya, dan pendekatan struktur-plus-bahasa yang sama dapat diterapkan pada katalis, semikonduktor, atau material struktural. Jika pendekatan ini digeneralisasikan, hambatan dalam penemuan material mungkin akan beralih dari menghasilkan kandidat kristal menjadi memvalidasinya di laboratorium – sebuah perubahan yang mungkin akan diterima oleh para peneliti.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
