Prensipte yapay zeka, bir iş için doğru malzemeyi bulmayı akşam yemeği sipariş etmek kadar kolay hale getirebilir: neye ihtiyacınız olduğunu geniş bir dil modeline tanımlayın ve size bu görev için tasarlanmış bir kristal verir. Uygulamada bu senaryo ulaşılamayacak bir yerde kaldı çünkü günümüzün chatbotlarının arkasındaki modeller çoğu malzemenin neye benzediğini asla göremedi.
MIT araştırmacıları bunu düzeltmeye yönelik somut bir adım attıklarını bildiriyor. Nature Communications'da yayınlanan yeni bir makalede, MIT'nin Malzeme Bilimi ve Mühendisliği Bölümü'nden (DMSE) bir ekip, üç boyutlu atomik yapıları doğal dildeki açıklamalarla birleştiren ve sistemin aynı anda kristal geometrisi ve metin hakkında akıl yürütmesine izin veren çok modlu bir yapay zeka modelini tanımlıyor. MIT News'e göre model, yapay zekanın malzemelerin nasıl davranacağını belirleyen atomik düzenlemeleri ve bağlanma modellerini görmesine olanak tanıyarak, yalnızca metinle eğitilmiş sistemlerden daha iyi malzeme tasarımlarını tanımlıyor. Çalışma, metnin ötesine geçerek fiziksel dünyaya geçen modellere odaklanan AI endüstrisi kapsamına yoğun bir şekilde katkıda bulunuyor.
Metin Eğitimli Modeller Neden Sorunla Karşılaşamıyor?
Engel temelde verilerle ilgilidir. Çoğu malzeme kristaldir: büyük dil modellerinin üzerinde eğitildiği metin akışları yerine yapıları özel hesaplamalı formatlarda depolanan atomların üç boyutlu, periyodik düzenlemeleri. Bunun da ötesinde, deneysel literatür birkaç popüler kristal sınıfına karşı büyük ölçüde önyargılıdır ve bu da öncelikle yayınlanmış makaleler üzerinde eğitilmiş herhangi bir yapay zekanın çıktılarını çarpıtmaktadır.
Sonuç, gerçek sonuçları olan bir kör noktadır. Dünyadaki katı malzemelerin yüzde 90'ından fazlası kristal yapıdadır ve yeni nesil piller, elektronikler veya katalizörler için önemli olabilecek yapıların çoğu, yalnızca dil kullanan sistemlerin etkin bir şekilde okuyamadığı hesaplamalı veritabanlarında yaşar.
Yapıyı Dille Hizalamak için Bir Model Öğretme
MIT ekibinin cevabı, kristaller için etkili bir görüş dili modeli oluşturmaktı. Araştırmacılar, karşılaştırmalı öğrenmeyi kullanarak kristal yapıların metinsel açıklamalarını üretmek için bir dil modeli eğitti; bu, bir modelin, birleşik bir anlayış geliştirene kadar benzer ve farklı yapı ve açıklama örneklerini karşılaştırdığı bir yaklaşımdır; MIT, beynin görsel ve dil bölgelerini nasıl hizaladığıyla karşılaştırır.
En önemlisi, ekip yalnızca mevcut makalelere dayanmak yerine materyaller hakkında kendi anlatılarını sentezlemeyi seçti. Deneysel araştırma literatüründen ve ilk prensip hesaplamalı veritabanlarından yararlanan model, yalnızca kimyasal bileşim ve yapıyı değil aynı zamanda özellikleri, işleme hususlarını ve potansiyel uygulamaları da kapsayan zengin açıklamalar üretti.
MIT'de Güç Mühendisliği bölümünde Carl Richard Soderberg Profesörü ve makalenin kıdemli yazarlarından Ju Li, "Malzemeler genelinde geniş çapta çalışan bir yapay zeka modeli yaratmak istedik" dedi. "Bu nedenle, yalnızca mevcut makalelere dayanmak yerine anlatıları sentezlemeye karar verdik. Bu anlatı veri kümesini kullandığımızda, modellerin işlevi tahmin etmede daha iyi olduğunu gördük."
Test: Katı Hal Akü Elektrolitlerini Bulma
Yaklaşımı değerlendirmek için araştırmacılar modelin iki versiyonunu karşılaştırdılar: Biri yapay zeka tarafından oluşturulan yapısal açıklamalar üzerine eğitilmiş, diğeri ise yalnızca araştırma makalelerindeki metinler üzerine eğitilmiş. Sentezlenen açıklamalarla eğitilen sürüm, geometrik yapıları dille hizalamayı başarıyla öğrenirken, salt metin sürümü bunu başaramadı.
Ekip daha sonra modelden, yeni nesil piller için önemli bir zorluk olan katı hal lityum iyon pil elektrolitlerine uygun kristal malzemeleri tanımlamasını istedi. MIT News'e göre, modelin en iyi sonuçları, bağımsız olarak gelecek vaat eden adaylar olarak tanımlanan materyalleri içeriyordu ve sistem, bir özelliği tanımlayan doğal dil sorguları verildiğinde ve bu özelliğe sahip kristalleri bulması istendiğinde salt metinden oluşan bir temel çizgiden daha iyi performans gösterdi.
Li, "Yapı gerçekten malzeme bilimi alanının kalbinde yer alıyor" dedi. "Yapıyı anlarsanız, malzemelerin özellikleri ve performansı hakkında pek çok çıkarım yapabilirsiniz. Bir malzemenin atomik yapısı ile özellikleri ve model için işlenmesi arasındaki bağlantıyı kurmak istedik."
Yapay Zeka Odaklı Malzeme Keşfinin Nereye Uygun Olduğu
Geçtiğimiz on yılda yapay zeka, yeni kristallerin nasıl önerildiğini ve tasarlandığını zaten yeniden şekillendirdi; Ancak bu sistemlerin çoğu, kristal malzemeleri, genel amaçlı yapay zekayı destekleyen dil modellerinden ayrı olarak, özel mimariler tarafından işlenen üç boyutlu grafikler olarak ele alır. MIT çalışması, geometriyi doğrudan algılamak için dile dayalı bir model öğreterek, bir gün sade İngilizce ile belirtilen bir malzeme talebini uçtan uca yerine getirebilecek asistanlara işaret ediyor.
Araştırma ekibinde eski bir MIT doktora sonrası araştırmacısı olan ilk yazar Yang Jeong Park'ın yanı sıra Illinois Üniversitesi Urbana-Champaign bilgisayar mühendisliği mezunu yeni mezun Chia-Wei Hsu ve MIT'de Mühendislik Profesörü Jerry McAfee (1940) Elsa Olivetti vardı.
Sırada Ne Var?
Model bir araştırma sistemi olmaya devam ediyor ve MIT herhangi bir ürün açıklamadı. Ancak sonuçları geniş: Katı hal elektrolitleri bir test örneğiydi ve aynı yapı artı dil yaklaşımı katalizörlere, yarı iletkenlere veya yapısal malzemelere de uygulanabilir. Yaklaşım genelleşirse, malzeme keşfindeki darboğaz, aday kristallerin üretilmesinden bunların laboratuvarda doğrulanmasına doğru kayabilir; deneycilerin memnuniyetle karşılayacağı bir değişim.
---
Yapay Zekanın Önünde OlunEn son yapay zeka haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
