Ing asas, intelijen buatan bisa nggawe nemokake materi tengen kanggo proyek gampang kaya pesenan nedha bengi: njlèntrèhaké apa sing perlu kanggo model basa gedhe, lan menehi sampeyan kristal dirancang kanggo tugas. Ing praktik, skenario kasebut tetep ora bisa digayuh, amarga model ing mburi chatbots saiki durung nate ndeleng kaya apa akeh bahan kasebut.
Peneliti MIT laporan wis njupuk langkah konkrit kanggo ndandani. Ing makalah anyar sing diterbitake ing Nature Communications, tim saka Departemen Ilmu lan Teknik Material (DMSE) MIT nggambarake model AI multimodal sing nggabungake struktur atom telung dimensi kanthi deskripsi basa alam, supaya sistem kasebut menehi alesan babagan geometri kristal lan teks ing wektu sing padha. Miturut MIT News, model kasebut ngenali desain materi sing luwih apik tinimbang sistem sing dilatih mung ing teks kanthi ngidini AI ndeleng pengaturan atom lan pola ikatan sing nemtokake cara bahan tumindak. Karya kasebut nambahi sibuk jangkoan industri AI fokus ing model sing ngluwihi teks lan menyang jagad fisik.
Napa Model Dilatih Teks Kesandung ing Materi
Rintangan kasebut dhasar babagan data. Sebagéyan gedhé bahan kristal: telung dimensi, susunan périodik saka atom sing strukturé disimpen ing format komputasi khusus tinimbang aliran teks sing dilatih model basa gedhé. Kajaba iku, literatur eksperimen bias banget marang sawetara kelas kristal sing populer, sing skews output saka AI sing dilatih utamane ing makalah sing diterbitake.
Asil punika titik wuta karo jalaran nyata. Luwih saka 90 persen bahan padhet ing Bumi iku kristal, lan akeh struktur sing penting kanggo baterei, elektronik, utawa katalis generasi sabanjure manggon ing basis data komputasi sing sistem mung basa ora bisa diwaca kanthi efektif.
Ngajarake Model kanggo Nyelarasake Struktur Kanthi Basa
Jawaban tim MIT yaiku mbangun model basa visi kanggo kristal kanthi efektif. Para panaliti nglatih model basa kanggo ngasilake deskripsi teks babagan struktur kristal nggunakake pembelajaran kontrastif, pendekatan sing model mbandhingake conto struktur lan deskripsi sing padha lan ora padha nganti ngembangake pemahaman sing manunggal - proses MIT mbandhingake karo cara otak nyelarasake wilayah visual lan basa.
Sing penting, tim kasebut milih sintesis narasi dhewe babagan materi tinimbang mung ngandelake kertas sing ana. Nganggo literatur riset eksperimen lan basis data komputasi prinsip-prinsip pertama, model kasebut ngasilake deskripsi sing sugih ora mung komposisi lan struktur kimia, nanging uga sifat, pertimbangan pangolahan, lan aplikasi potensial.
"Kita pengin nggawe model AI sing bisa digunakake kanthi wiyar ing materi," ujare Ju Li, Profesor Carl Richard Soderberg ing Power Engineering ing MIT lan penulis senior ing kertas kasebut. "Mulane kita mutusake kanggo nyintesis narasi tinimbang mung ngandelake kertas sing ana. Kita nemokake nalika nggunakake dataset narasi kasebut, model luwih apik kanggo prédhiksi fungsi kasebut."
Tes: Nemokake Elektrolit Baterei Solid-State
Kanggo ngevaluasi pendekatan kasebut, peneliti mbandhingake rong versi model: siji dilatih babagan deskripsi struktural sing digawe AI lan siji mung dilatih ing teks saka makalah riset. Versi sing dilatih babagan deskripsi sing disintesis kasil sinau kanggo nyelarasake struktur geometris karo basa, dene versi mung teks ora.
Tim kasebut banjur takon model kanggo ngenali bahan kristal sing cocog kanggo elektrolit baterei lithium-ion solid-state - tantangan utama kanggo baterei generasi sabanjure. Miturut MIT News, asil paling dhuwur model kasebut kalebu bahan sing wis diidentifikasi kanthi mandiri minangka calon sing janjeni, lan sistem kasebut ngluwihi garis dasar mung teks nalika diwenehi pitakon basa alami sing nggambarake properti lan dijaluk golek kristal karo properti kasebut.
"Struktur pancen ana ing jantung bidang ilmu material," ujare Li. "Yen sampeyan ngerti struktur, sampeyan bisa nyimpulake akeh babagan sifat lan kinerja bahan. Kita pengin mbangun sambungan antarane struktur atom materi lan sifat lan proses kanggo model kasebut."
Ngendi Iki Mathuk karo AI-Driven Material Discovery
Swara dasawarsa kepungkur, AI wis reshaped carane kristal anyar sing ngajokaken lan dirancang; umume sistem kasebut, nanging, nganggep materi kristal minangka grafik telung dimensi sing diproses dening arsitektur khusus, kapisah saka model basa sing nguwasani AI tujuan umum. Kanthi ngajar model adhedhasar basa kanggo ndeleng geometri kanthi langsung, karya MIT nuduhake asisten sing bisa nangani panjaluk materi sing ditulis ing basa Inggris nganti pungkasan.
Tim riset kalebu penulis pertama Yang Jeong Park, mantan postdoc MIT, bebarengan karo Mayank Kumaran, lulusan teknik komputer Universitas Illinois Urbana-Champaign anyar, Chia-Wei Hsu, lan Elsa Olivetti, Profesor Jerry McAfee (1940) ing Teknik ing MIT.
Apa Sabanjure
Model kasebut tetep dadi sistem riset, lan MIT durung ngumumake produksi apa wae. Nanging implikasi amba: elektrolit negara padhet minangka salah sawijining kasus uji, lan pendekatan struktur-plus-basa sing padha bisa ditrapake kanggo katalis, semikonduktor, utawa bahan struktural. Yen pendekatan kasebut umum, kemacetan ing panemuan materi bisa uga owah saka ngasilake kristal calon kanggo validasi ing laboratorium - para eksperimental shift bakal seneng.
---
Tetep Ahead of AIEntuk warta, analisis, lan terobosan AI paling anyar - kabeh ing sak panggonan.
Waca liyane AI warta →
