北京
MIT多模态AI模型让大语言模型“看见”晶体结构 MIT多模态AI模型让大语言模型“看见”晶体结构
材料科学圈有个尴尬的现实：大语言模型能写诗、能编程，却看不懂一块晶体。原因不复杂——大多数材料由晶体构成，晶体是原子的三维周期性排列，结构存在专门格式里，不是大模型训练时吃的那种文本流。
实验文献还严重偏向少数热门晶体类别，AI的输出自然跟着往这些材料上偏。想让模型像点菜一样“说出需求就给出完美晶体”，目前还做不到。
MIT的研究团队做了一个多模态模型，把3D原子结构和自然语言描述拼到一起。模型从实验论文和第一性原理计算数据库里，生成关于结构的丰富语言描述——不只写化学成分和结构，还写性质、加工考量和潜在应用。
Ju Li把结构放在材料科学的核心位置：“如果你理解结构，就能推断出材料性质和性能的很多信息。我们想在模型的材料原子结构、性质与加工之间建立连接。”
训练用的是对比学习：让模型比较相似与不相似的结构示例和文本描述，达成统一理解。研究团队打了个比方，这类似于对齐大脑的视觉区和语言区。
训练完成后，两个版本的模型做了对比。一个用AI生成的描述数据集训练，另一个只用论文文本训练。结果显示，前者成功学会了把几何结构和文本描述对齐，后者没有。
Ju Li说：“我们想创造一个广泛适用于各种材料的AI模型。这就是为什么我们决定合成叙述，而不是只依赖现有论文。我们发现用这个叙述数据集时，模型在预测功能上表现更好。”
实测环节，研究人员让模型识别适合固态锂离子电池电解质的材料，排名靠前的结果里包含已被独立认定为有前景候选的材料。模型还学到了材料结构的几何表示，这是纯文本模型做不到的。
Olivetti把这类进展称为材料科学里的“阶跃变化”——算法集成变成社区继续推进领域的实用工具。“这种方法帮我们更深入地看进三维结构，把结构和性质、加工联系起来。我希望这能成为其中一次阶跃变化。”
Ju Li拿AlphaFold作类比：那个模型把蛋白质结构和功能连起来，推动了生物学研究和药物开发。他认为新方法能适用于多种晶体材料，也希望其他材料科学家用它加速自己的工作。
“能看见一个三维晶体、看见它的原子怎么连接，这是非常基础的能力。”Ju Li说，“我认为任何做材料科学的人都会用得上。”
这项工作的部分支持来自美国国防威胁降低局的大学研究联盟、美国国防高级研究计划局，以及韩国国家研究基金会。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
