MIT phát triển mô hình AI kết hợp cấu trúc 3D để tìm vật liệu tinh thể phù hợp
Các nhà nghiên cứu tại MIT đã phát triển một mô hình AI đa phương thức, kết hợp cấu trúc nguyên tử 3D với mô tả bằng ngôn ngữ tự nhiên để xác định vật liệu tinh thể và suy luận về tính chất của chúng. Mô hình được thiết kế để khắc phục một hạn chế quan trọng của các mô hình ngôn ngữ lớn chạy trên văn bản: phần lớn vật liệu được quyết định bởi cách các nguyên tử sắp xếp trong không gian ba chiều, trong khi nhiều dữ liệu liên quan đến cấu trúc chỉ tồn tại trong các cơ sở dữ liệu tính toán. Sử dụng phương pháp học tương phản, hệ thống liên kết các dạng hình học như kiểu liên kết nguyên tử với những mô tả bao quát thành phần hóa học, tính chất, yêu cầu gia công và ứng dụng tiềm năng. So với mô hình chỉ được huấn luyện bằng văn bản từ các bài nghiên cứu, mô hình này học được cách biểu diễn hình học vật liệu hữu ích hơn và dự đoán chức năng của vật liệu tốt hơn. Trong một thử nghiệm tìm chất điện phân cho pin lithium-ion thể rắn, các đề xuất hàng đầu của mô hình bao gồm những ứng viên trước đó đã được xác định độc lập là có triển vọng. Cách tiếp cận này có thể giúp các nhà nghiên cứu tìm kiếm hiệu quả hơn trong những cơ sở dữ liệu vật liệu lớn bằng cách chuyển mục tiêu mô tả bằng ngôn ngữ tự nhiên thành các cấu trúc tinh thể tiềm năng, dù đây vẫn là công cụ nghiên cứu và không thay thế việc kiểm chứng trong phòng thí nghiệm.
Các nhà nghiên cứu vật liệu và phát triển AI có thể theo dõi hướng tiếp cận này để tìm ứng viên vật liệu từ mô tả bằng ngôn ngữ tự nhiên, đặc biệt trong lĩnh vực pin. Tuy nhiên, các kết quả do mô hình đề xuất vẫn cần được kiểm chứng bằng mô phỏng và thí nghiệm trước khi ứng dụng thực tế.
Đọc bài gốc