مدل MIT ساختارهای بلوری سه‌بعدی را با متن پیوند می‌دهد تا هوش مصنوعی درباره مواد استدلال کند

پژوهشگران MIT، در همکاری با همکارانی دیگر، یک مدل هوش مصنوعی چندوجهی ساخته‌اند که ساختارهای بلوری سه‌بعدی را به توصیف‌های زبان طبیعی متصل می‌کند تا سامانه‌های هوش مصنوعی بتوانند درباره مواد بلوری و ویژگی‌های آن‌ها استدلال کنند. این مطالعه، از گروه جو لی در دانشکده علوم و مهندسی مواد MIT، در مجله داوری‌شده Nature Communications منتشر شده است. مقاله این سامانه را CLaC می‌نامد، برگرفته از «مدل تقابلی زبان-بلور» (Contrastive Language-Crystal model).

به گفته MIT News، مدل‌های زبانی بزرگ کنونی در کار با مواد دچار مشکل‌اند، زیرا ساختارهای بلوری در قالب‌های تخصصی نگهداری می‌شوند و نه در متنی که این مدل‌ها از آن می‌آموزند، و همچنین زیرا ادبیات تجربی بر تعداد کمی از رده‌های بلوری پرطرفدار تمرکز دارد. مقاله اشاره می‌کند که پایگاه‌های داده بلوری تنها میلیون‌ها ورودی دارند، که بسیار کمتر از داده‌های پشت مدل‌های بینایی-زبانی است. برای جبران این کاستی، تیم ساختارهای Materials Project را با روایت‌های تولیدشده توسط GPT که بر ویژگی‌های محاسبه‌شده استوارند، در کنار پاراگراف‌هایی استخراج‌شده از مقالات، جفت کرد. نویسندگان گزارش می‌دهند که روایت‌های مصنوعی مجموعه‌ای از بلورها را پوشش می‌دهند که 300 بار متنوع‌تر از ادبیات نوشته‌شده به دست انسان است. یک شبکه عصبی گرافی ساختارها را رمزگذاری می‌کند، یک رمزگذار متن زبان را پردازش می‌کند و یادگیری تقابلی هر دو را در یک فضای بازنمایی مشترک قرار می‌دهد.

در آزمون‌های بدون نمونه (zero-shot)، نسخه آموزش‌دیده با روایت‌های مصنوعی ساختارها را با دقت 95.4 ± 0.2% به توصیف ترکیب درست تطبیق داد، در مقایسه با 13.5 ± 0.3% برای یک مدل آموزش‌ندیده و 17.8 ± 0.3% برای یک مدل پایه ساخته‌شده بر Gemma-3-1b-it، به گفته مقاله. نسخه‌ای که فقط با متن استخراج‌شده از مقالات آموزش دیده بود، هنگام بازیابی موادی که با یک ویژگی هدف مطابقت دارند، عمدتاً مانند انتخاب تصادفی عمل کرد. در یک مثال مربوط به باتری، پژوهشگران تنها با معیار گاف نواری بالا به دنبال نامزدهای الکترولیت حالت جامد لیتیوم-یونی گشتند؛ همه 30 ماده با بالاترین رتبه حاوی لیتیوم بودند، با میانگین گاف نواری 3.23 eV. Li6PClO5، در رتبه چهارم، در پژوهشی مستقل امیدبخش شناخته شده بود و Li4SiO4، در رتبه نهم، پیش‌تر به‌عنوان الکترولیت جامد لایه‌نازک ساخته شده بود.

نویسندگان همچنین محدودیت‌های روشنی را توصیف می‌کنند. دقت در دسته‌بندی سیستم‌های بلوری تنها 34.0 ± 0.4% بود، تقریباً هم‌سطح مدل پایه Gemma، که آن را به اندازه دسته آموزشی کوچک 16 و توزیع به‌شدت نامتوازن سیستم‌های بلوری نسبت می‌دهند. رسانایی یونی، ویژگی کلیدی برای الکترولیت‌ها، در مجموعه داده مصنوعی وجود ندارد، بنابراین نمی‌توانست در پرس‌وجوی باتری به کار رود. مقاله می‌افزاید که این حوزه معیارهای سنجش چندوجهی استانداردی ندارد و این مقایسه مستقیم میان مدل‌ها را دشوار می‌کند، که کشف مواد مبتنی بر دستور با این مدل همچنان کاری برای آینده است، و که پژوهش بیشتری لازم است درباره اینکه ترکیب مجموعه داده و تولید متن چگونه رفتار بازیابی و سوگیری‌های احتمالی را شکل می‌دهند.

لی در بیانیه MIT News گفت: «ساختار واقعاً در قلب حوزه علوم مواد قرار دارد» و افزود که درک ساختار به پژوهشگران اجازه می‌دهد چیزهای زیادی را درباره ویژگی‌های یک ماده استنتاج کنند. او مدل را با AlphaFold مقایسه کرد که ساختار پروتئین‌ها را به عملکرد آن‌ها مرتبط می‌کند. السا اولیوتی، نویسنده همکار، گفت این رویکرد ساختار را به ویژگی و فرآوری پیوند می‌دهد و افزود: «امیدوارم این یکی از آن تغییرات جهشی باشد». نویسندگان دیگر نویسنده اول یانگ جئونگ پارک، پسادکترای پیشین MIT، مایانک کوماران و چیا-وی هسو هستند. به گفته MIT News، این کار بخشی از تأمین مالی خود را از بنیاد ملی پژوهش کره و دو نهاد دفاعی ایالات متحده، یعنی آژانس کاهش تهدیدات دفاعی و آژانس پروژه‌های پژوهشی پیشرفته دفاعی، دریافت کرده است.