În principiu, inteligența artificială ar putea face găsirea materialului potrivit pentru o slujbă la fel de ușoară ca și comandarea cinei: descrieți ceea ce aveți nevoie unui model lingvistic mare și vă înmânează un cristal conceput pentru sarcină. În practică, acel scenariu a rămas inaccesibil, deoarece modelele din spatele chatbot-urilor de astăzi nu au văzut niciodată cum arată majoritatea materialelor.
Cercetătorii MIT raportează că au făcut un pas concret pentru a remedia acest lucru. Într-o nouă lucrare publicată în Nature Communications, o echipă de la Departamentul de Știință și Inginerie a Materialelor (DMSE) al MIT descrie un model AI multimodal care combină structuri atomice tridimensionale cu descrieri în limbaj natural, lăsând sistemul să raționeze despre geometria cristalului și textul în același timp. Potrivit MIT News, modelul identifică modele de materiale mai bune decât sistemele antrenate numai pe text, permițând AI să vadă aranjamentele atomice și modelele de legătură care determină modul în care se comportă materialele. Lucrarea se adaugă la o porțiune aglomerată de acoperire a industriei AI axată pe modele care trec dincolo de text și în lumea fizică.
De ce modelele instruite prin text se poticnesc pe materie
Obstacolul ține în esență de date. Majoritatea materialelor sunt cristaline: aranjamente tridimensionale, periodice ale atomilor ale căror structuri sunt stocate în formate de calcul specializate, mai degrabă decât în fluxurile de text pe care sunt antrenate modelele mari de limbaj. În plus, literatura experimentală este puternic părtinitoare către câteva clase populare de cristale, ceea ce deformează rezultatele oricărei AI antrenate în principal pe lucrări publicate.
Rezultatul este un punct orb cu consecințe reale. Peste 90% din materialele solide de pe Pământ sunt cristaline, iar multe dintre structurile care ar putea conta pentru bateriile, electronicele sau catalizatorii de ultimă generație trăiesc în baze de date computaționale pe care sistemele numai în limbaj nu le pot citi efectiv.
Predarea unui model pentru a alinia structura cu limbajul
Răspunsul echipei MIT a fost de a construi ceea ce este efectiv un model de viziune-limbaj pentru cristale. Cercetătorii au pregătit un model de limbaj pentru a produce descrieri textuale ale structurilor cristaline folosind învățarea contrastantă, o abordare în care un model compară exemple similare și diferite de structuri și descrieri până când dezvoltă o înțelegere unificată - un proces pe care MIT îl compară cu modul în care creierul își aliniază regiunile vizuale și lingvistice.
În mod esențial, echipa a ales să-și sintetizeze propriile narațiuni despre materiale, mai degrabă decât să se bazeze doar pe lucrările existente. Bazându-se pe literatura de cercetare experimentală și bazele de date computaționale bazate pe primele principii, modelul a generat descrieri bogate care acoperă nu doar compoziția și structura chimică, ci și proprietățile, considerațiile de procesare și potențialele aplicații.
„Am vrut să creăm un model de inteligență artificială care să funcționeze pe scară largă în toate materialele”, a spus Ju Li, profesor Carl Richard Soderberg în inginerie energetică la MIT și autor principal al lucrării. „De aceea am decis să sintetizăm narațiuni, mai degrabă decât să ne bazăm doar pe lucrări existente. Am descoperit că atunci când am folosit acel set de date narative, modelele sunt mai bune la prezicerea funcției”.
Testul: Găsirea electroliților de baterie cu stare solidă
Pentru a evalua abordarea, cercetătorii au comparat două versiuni ale modelului: una instruită pe descrierile structurale generate de AI și una instruită doar pe text din lucrările de cercetare. Versiunea instruită pe descrierile sintetizate a învățat cu succes să alinieze structurile geometrice cu limbajul, în timp ce versiunea doar text nu a făcut-o.
Apoi, echipa a cerut modelului să identifice materiale cristaline potrivite pentru electroliții bateriilor cu litiu-ion în stare solidă - o provocare cheie pentru bateriile de generație următoare. Potrivit MIT News, cele mai bune rezultate ale modelului au inclus materiale care au fost identificate în mod independent ca candidați promițători, iar sistemul a depășit o linie de bază doar text atunci când i s-au primit interogări în limbaj natural care descriu o proprietate și i s-a cerut să găsească cristale cu această proprietate.
„Structura este într-adevăr în centrul domeniului științei materialelor”, a spus Li. „Dacă înțelegeți structura, puteți deduce destul de multe despre proprietățile și performanța materialelor. Am vrut să construim legătura între structura atomică a unui material și proprietățile și procesarea acestuia pentru model.”
Unde se potrivește acest lucru în Descoperirea materialelor bazată pe inteligență artificială
În ultimul deceniu, AI a remodelat deja modul în care sunt propuse și proiectate noile cristale; Cu toate acestea, majoritatea acestor sisteme tratează materialele cristaline ca grafice tridimensionale procesate de arhitecturi specializate, separate de modelele de limbaj care alimentează AI de uz general. Predând un model bazat pe limbaj pentru a percepe geometria direct, munca MIT îndreaptă către asistenți care ar putea într-o zi să se ocupe de o solicitare de materiale formulată în limba engleză simplă, cap la cap.
Echipa de cercetare a inclus primul autor Yang Jeong Park, un fost post-doctorat MIT, împreună cu Mayank Kumaran, un absolvent recent de inginerie informatică de la Universitatea Illinois Urbana-Champaign, Chia-Wei Hsu, și Elsa Olivetti, Jerry McAfee (1940) profesor de inginerie la MIT.
Ce urmează
Modelul rămâne un sistem de cercetare, iar MIT nu a anunțat nicio producție. Dar implicațiile sunt largi: electroliții în stare solidă au fost un caz de testare și aceeași abordare structura-plus-limbaj s-ar putea aplica catalizatorilor, semiconductorilor sau materialelor structurale. Dacă abordarea se generalizează, blocajul în descoperirea materialelor se poate schimba de la generarea de cristale candidate la validarea lor în laborator - o schimbare ar fi binevenită experimentatorii.
---
Rămâneți înaintea AIObțineți cele mai recente știri, analize și descoperiri despre AI - toate într-un singur loc.
Citiți mai multe știri AI →
