原理的には、人工知能を使えば、夕食を注文するのと同じくらい簡単に、仕事に適した資料を見つけることができます。必要なものを大規模な言語モデルに記述すると、そのタスク用に設計されたクリスタルが渡されます。実際には、今日のチャットボットの背後にあるモデルは、ほとんどのマテリアルがどのように見えるかを実際に見たことがないため、そのシナリオは実現できません。

MITの研究者らは、この問題を解決するために具体的な一歩を踏み出したと報告している。 Nature Communications に掲載された新しい論文の中で、MIT 材料科学工学部 (DMSE) のチームは、3 次元原子構造と自然言語記述を組み合わせて、システムに結晶幾何学とテキストについて同時に推論させるマルチモーダル AI モデルについて説明しています。 MIT News によると、このモデルは、AI が材料の挙動を決定する原子配列と結合パターンを認識できるようにすることで、テキストのみでトレーニングされたシステムよりも優れた材料設計を特定します。この取り組みは、テキストを超えて物理的な世界に移行するモデルに焦点を当てた、AI 業界の報道 の忙しい範囲に追加されます。

テキストでトレーニングされたモデルが問題でつまずく理由

障害は基本的にデータにあります。ほとんどの物質は結晶です。原子が 3 次元で周期的に配置されており、その構造は大規模な言語モデルがトレーニングされるテキスト ストリームではなく、特殊な計算形式で保存されます。それに加えて、実験文献はいくつかの一般的なクラスの結晶に大きく偏っており、主に出版された論文に基づいてトレーニングされた AI の出力が歪められます。

その結果、実際の結果を伴う盲点が生じます。地球上の固体物質の 90 パーセント以上は結晶質であり、次世代のバッテリー、エレクトロニクス、触媒にとって重要となる可能性のある構造の多くは、言語のみのシステムでは実質的に読み取ることができない計算データベース内に存在します。

構造を言語に合わせてモデルに教える

MIT チームの答えは、実質的に結晶のビジョン言語モデルとなるものを構築することでした。研究者らは、対照学習を使用して結晶構造のテキスト記述を生成するように言語モデルをトレーニングしました。この学習では、モデルが統一された理解を得るまで、構造と説明の類似および類似の例を比較するアプローチです。MIT では、このプロセスを、脳が視覚領域と言語領域を調整する方法にたとえています。

重要なのは、チームが既存の論文のみに依存するのではなく、材料に関する独自の物語を総合することを選択したことです。このモデルは、実験研究の文献と第一原理計算データベースを利用して、化学組成と構造だけでなく、特性、加工上の考慮事項、潜在的な用途もカバーする豊富な記述を生成しました。

「私たちは、さまざまな材料に幅広く機能する AI モデルを作成したかったのです」と、MIT の電力工学のカール・リチャード・ソダーバーグ教授であり、この論文の上級著者である Ju Li 氏は述べています。 「そのため、既存の論文だけに依存するのではなく、物語を合成することにしました。その物語データセットを使用すると、モデルが関数の予測に優れていることがわかりました。」

テスト: 全固体電池の電解質を見つける

このアプローチを評価するために、研究者らはモデルの 2 つのバージョンを比較しました。1 つは AI が生成した構造記述でトレーニングされたもので、もう 1 つは研究論文のテキストのみでトレーニングされました。合成された説明でトレーニングされたバージョンは、幾何学的構造を言語に合わせて学習することに成功しましたが、テキストのみのバージョンでは学習できませんでした。

次にチームは、次世代電池の重要な課題である固体リチウムイオン電池の電解質に適した結晶材料を特定するようモデルに依頼しました。 MIT News によると、このモデルの上位の結果には、有望な候補として独自に特定された物質が含まれており、特性を説明する自然言語クエリが与えられ、その特性を持つ結晶を見つけるよう求められた場合、システムはテキストのみのベースラインを上回りました。

「構造はまさに材料科学分野の中心です」とリー氏は語った。 「構造を理解していれば、材料の特性や性能についてかなり多くのことが推測できます。私たちは、材料の原子構造とその特性およびモデルの処理との間の関係を構築したいと考えました。」

これが AI 主導の材料発見に適合する場所

過去 10 年にわたり、AI はすでに新しい結晶の提案と設計の方法を再構築してきました。しかし、それらのシステムのほとんどは、結晶材料を、汎用 AI を駆動する言語モデルとは別に、特殊なアーキテクチャによって処理される 3 次元グラフとして扱います。 MIT の研究では、言語ベースのモデルに幾何学形状を直接認識するよう教えることで、いつか平易な英語で述べられた資料請求をエンドツーエンドで処理できるアシスタントを目指しています。

研究チームには、筆頭著者で元MITポスドクのヤン・ジョン・パーク氏のほか、イリノイ大学アーバナ・シャンペーン校でコンピュータ工学を卒業したばかりのマヤンク・クマラン氏、チア・ウェイ・スー氏、マサチューセッツ工科大学工学部ジェリー・マカフィー教授（1940年）のエルサ・オリベッティ氏が含まれていた。

次に何が起こるか

このモデルは研究システムのままであり、MIT は製品化を発表していません。しかし、その意味は広範囲に及びます。固体電解質は 1 つのテスト ケースであり、同じ構造と言語のアプローチが触媒、半導体、または構造材料にも適用できる可能性があります。このアプローチが一般化すれば、材料発見のボトルネックは、候補結晶の生成から実験室での検証へと移行する可能性があり、この移行はおそらく実験家が歓迎するだろう。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→