В принципе, искусственный интеллект мог бы сделать поиск подходящего материала для работы таким же простым, как заказ ужина: опишите, что вам нужно, в большой языковой модели, и она вручит вам кристалл, предназначенный для этой задачи. На практике этот сценарий остался недосягаемым, поскольку модели, стоящие за сегодняшними чат-ботами, никогда на самом деле не видели, как выглядит большинство материалов.
Исследователи Массачусетского технологического института сообщают, что они предприняли конкретный шаг к исправлению этой проблемы. В новой статье, опубликованной в журнале Nature Communications, команда из Департамента материаловедения и инженерии Массачусетского технологического института (DMSE) описывает мультимодальную модель искусственного интеллекта, которая сочетает в себе трехмерные атомные структуры с описаниями на естественном языке, позволяя системе одновременно рассуждать о кристаллической геометрии и тексте. По данным MIT News, эта модель определяет лучшие конструкции материалов, чем системы, обученные только на тексте, позволяя ИИ видеть расположение атомов и схемы связей, которые определяют поведение материалов. Эта работа дополняет напряженную часть [освещения об отрасли искусственного интеллекта] (https://aibuzzwire.news), посвященную моделям, которые выходят за рамки текста и попадают в физический мир.
Почему модели, обученные текстом, натыкаются на материю
Препятствие в основном связано с данными. Большинство материалов являются кристаллическими: трехмерные периодические расположения атомов, структуры которых хранятся в специализированных вычислительных форматах, а не в текстовых потоках, на которых обучаются большие языковые модели. Вдобавок ко всему, экспериментальная литература сильно смещена в сторону нескольких популярных классов кристаллов, что искажает результаты любого ИИ, обученного в основном на опубликованных статьях.
Результатом является слепое пятно с реальными последствиями. Более 90 процентов твердых материалов на Земле являются кристаллическими, и многие из структур, которые могут иметь значение для батарей, электроники или катализаторов следующего поколения, живут в вычислительных базах данных, которые системы, использующие только язык, фактически не могут прочитать.
Обучение модели согласованию структуры с языком
Ответом команды Массачусетского технологического института было создание того, что по сути является моделью языка видения для кристаллов. Исследователи обучили языковую модель создавать текстовые описания кристаллических структур, используя контрастивное обучение — подход, при котором модель сравнивает похожие и непохожие примеры структур и описаний до тех пор, пока не выработается единое понимание — процесс, который MIT сравнивает с тем, как мозг выравнивает свои визуальные и языковые области.
Важно отметить, что команда решила синтезировать свои собственные рассказы о материалах, а не полагаться исключительно на существующие документы. Опираясь на экспериментальную исследовательскую литературу и вычислительные базы данных первых принципов, модель создала обширные описания, охватывающие не только химический состав и структуру, но также свойства, аспекты обработки и потенциальные применения.
«Мы хотели создать модель искусственного интеллекта, которая будет работать в широком диапазоне материалов», — сказал Джу Ли, профессор энергетики Карла Ричарда Содерберга в Массачусетском технологическом институте и старший автор статьи. «Вот почему мы решили синтезировать повествования, а не полагаться исключительно на существующие статьи. Когда мы использовали этот набор повествовательных данных, мы обнаружили, что модели лучше предсказывают функцию».
Тест: поиск электролитов твердотельных аккумуляторов
Чтобы оценить подход, исследователи сравнили две версии модели: одну, обученную на структурных описаниях, сгенерированных ИИ, и другую, обученную только на тексте из исследовательских работ. Версия, обученная на синтезированных описаниях, успешно научилась сопоставлять геометрические структуры с языком, тогда как текстовая версия этого не сделала.
Затем команда попросила модель идентифицировать кристаллические материалы, подходящие для электролитов твердотельных литий-ионных аккумуляторов, что является ключевой задачей для батарей следующего поколения. По данным MIT News, лучшие результаты модели включали материалы, которые независимо были идентифицированы как многообещающие кандидаты, и система превзошла базовый вариант, состоящий только из текста, когда ей давались запросы на естественном языке, описывающие свойство, и предлагалось найти кристаллы с этим свойством.
«Структура действительно лежит в основе области материаловедения», — сказал Ли. «Если вы понимаете структуру, вы можете сделать довольно много выводов о свойствах и характеристиках материалов. Мы хотели построить связь между атомной структурой материала, его свойствами и обработкой для модели».
Где это применимо к обнаружению материалов на основе искусственного интеллекта
За последнее десятилетие ИИ уже изменил подходы к предложению и проектированию новых кристаллов; Однако большинство этих систем рассматривают кристаллические материалы как трехмерные графики, обрабатываемые специализированными архитектурами, отдельно от языковых моделей, на которых основан ИИ общего назначения. Обучая языковую модель непосредственному восприятию геометрии, работа MIT указывает на помощников, которые однажды смогут обрабатывать запросы на материалы, изложенные на простом английском языке, от начала до конца.
В состав исследовательской группы входили первый автор Ян Чон Пак, бывший постдок Массачусетского технологического института, а также Маянк Кумаран, недавний выпускник Университета Иллинойса в области компьютерной инженерии Урбана-Шампейн, Чиа-Вэй Сюй и Эльза Оливетти, профессор инженерных наук Массачусетского технологического института Джерри Макафи (1940).
Что будет дальше
Модель остается исследовательской системой, и MIT не объявил о ее выпуске. Но последствия широки: твердотельные электролиты были одним из тестовых примеров, и тот же подход «структура плюс язык» может быть применен к катализаторам, полупроводникам или конструкционным материалам. Если этот подход получит обобщение, узкое место в открытии материалов может сместиться с создания кристаллов-кандидатов на их проверку в лаборатории — экспериментаторы, скорее всего, приветствуют этот сдвиг.
---
Будьте впереди ИИПолучайте последние новости, анализ и открытия в области искусственного интеллекта — все в одном месте.
Подробнее новости AI →
