Rewolucja w materiałoznawstwie dzięki sztucznej inteligencji: krystalicznie jasna wizja

Wyobraź sobie świat, w którym znalezienie idealnego materiału do konkretnego zastosowania może być tak proste jak zamówienie pizzy. Teoretycznie sztuczna inteligencja mogłaby znacznie uprościć to zadanie, ponieważ naukowcy mogliby wykorzystać duży model językowy do opisania swoich wymagań, a następnie otrzymać odpowiednią strukturę krystaliczną. Niemniej jednak rzeczywistość psuje ten idealistyczny obraz – zwłaszcza jeśli chodzi o reprezentację danych.

Większość materiałów, z których korzystamy na co dzień, składa się z kryształów – skomplikowanych trójwymiarowych układów atomów – a przechowywanie tych struktur zazwyczaj wymaga specjalistycznych formatów. Różni się to znacznie od zwykłych strumieni tekstowych, na których obecnie trenowane są duże modele językowe. Ponadto wydaje się, że w większości literatury eksperymentalnej skupia się na zaledwie kilku klasach kryształów, co nieumyślnie wprowadza stronniczość do wyników generowanych przez sztuczną inteligencję.

Nowe podejście z MIT

Na horyzoncie pojawia się jednak nadzieja. Grupa naukowców z MIT opracowała pionierski, innowacyjny multimodalny model sztucznej inteligencji, który płynnie łączy trójwymiarowe struktury atomowe z opisami w języku naturalnym. Wynikiem tego są wyczerpujące opisy językowe pozyskane z eksperymentalnych artykułów naukowych i komputerowych baz danych. Te obszerne opisy obejmują wszystko – od składu chemicznego i struktury materiału po jego właściwości, wymagania dotyczące przetwarzania oraz potencjalne zastosowania – co znacznie poprawia zrozumienie przez sztuczną inteligencję materiałów o istotnym znaczeniu.

W publikacja w Nature Communications, naukowcy ci wykazali zdolność swojego systemu do tworzenia materiałów o lepszych właściwościach w porównaniu z modelami uczącymi się wyłącznie na podstawie tekstu. Umożliwili modelowi dostrzeżenie układów atomowych i wzorców wiązań, co doprowadziło do pomyślnej identyfikacji materiału nadającego się na elektrolity do litowo-jonowych akumulatorów w stanie stałym – idealnie pokrywającego się z niezależnie uznanymi, obiecującymi kandydatami. Co więcej, ich model opanował reprezentację struktur geometrycznych, których nie były w stanie uchwycić modele oparte wyłącznie na tekście.

Dowiedziawszy się o tym osiągnięciu, Ju Li, profesor inżynierii energetycznej na MIT, wyjaśnił, jak kluczowe znaczenie dla tej dziedziny nauki ma zrozumienie struktury materiałów. “Naszym celem przy tworzeniu modelu było wypełnienie luki między strukturą atomową materiału a jego właściwościami i procesami przetwarzania” – stwierdził Li.

Odważny krok w dziedzinie materiałoznawstwa

Od wieków naukowcy zajmujący się materiałoznawstwem poszukują nowych kryształów, które posłużą do tworzenia produktów przyszłości. W ciągu ostatniej dekady sztuczna inteligencja odegrała kluczową rolę w przyspieszeniu tych poszukiwań, pomagając w projektowaniu nowych struktur krystalicznych, które stanowią ponad 90 procent materiałów stałych na Ziemi. Niestety, istniejące modele językowe ograniczają się w dużej mierze do danych tekstowych pochodzących z opublikowanych prac, co ogranicza ich zrozumienie fizycznej rzeczywistości potencjalnych struktur krystalicznych przechowywanych w komputerowych bazach danych.

Nie zrażeni tym wyzwaniem naukowcy z MIT stworzyli model wizualno-językowy przeznaczony specjalnie do materiałów krystalicznych. Wykorzystując uczenie kontrastywne, wytrenowali model językowy do tworzenia opisów tekstowych struktur krystalicznych. Przetestowali nawet dwie wersje modelu – jedną opartą na opisach generowanych przez sztuczną inteligencję, a drugą wykorzystującą teksty z artykułów naukowych. Wersja oparta na opisach generowanych przez sztuczną inteligencję wykazała udane powiązania między tekstem a strukturami geometrycznymi.

Naukowcy wykazali również, że ich model potrafi przetwarzać zapytania w języku naturalnym oraz identyfikować materiały krystaliczne o określonych właściwościach, przewyższając pod tym względem inne modele bazowe. Elsa Olivetti, kluczowa członkini zespołu projektowego, dostrzegła ogromny potencjał modelu, zauważając: “Nasza metoda pozwala nam dogłębniej badać struktury trójwymiarowe oraz ustalać powiązania między nimi a ich właściwościami i procesami przetwarzania. To przełomowe odkrycie może znacząco przyspieszyć postęp w dziedzinie materiałoznawstwa”.”

Li porównał swój model z AlphaFold – innym modelem sztucznej inteligencji, który cieszy się popularnością w zakresie mapowania struktur i funkcji białek oraz przyciąga znaczną uwagę w dziedzinie badań biologicznych i odkrywania leków. Zespół jest przekonany, że ich technologia okaże się dobrodziejstwem dla szerokiej gamy materiałów krystalicznych i ma nadzieję, że przyspieszy to postępy w tej dziedzinie.

Uznając znaczenie tych działań i wynikające z nich potencjalne korzyści, Ju Li stwierdził: “Możliwość wizualizacji trójwymiarowego kryształu i powiązań między jego atomami ma zasadnicze znaczenie. Każdy, kto zajmuje się nauką o materiałach, uzna to narzędzie za nieocenione”.”

Ta przełomowa praca powstała dzięki wsparciu Amerykańskiej Agencji ds. Ograniczania Zagrożeń Obronnych (Defense Threat Reduction Agency), Amerykańskiej Agencji Zaawansowanych Projektów Badawczych w Obronie (Defense Advanced Research Projects Agency) oraz Narodowej Fundacji Badawczej Korei. Więcej szczegółów można znaleźć na stronie oryginalny artykuł prasowy.

Jeśli chcesz wykorzystać potencjał automatyzacji opartej na sztucznej inteligencji w swojej firmie, dowiedz się więcej z implementi.ai.