MITのモデル、3次元結晶構造とテキストを対応付けAIの材料推論を支援

MITの研究者らは共同研究者とともに、3次元の結晶構造と自然言語による記述を結び付けるマルチモーダルAIモデルを構築した。これにより、AIシステムが結晶性材料とその特性について推論できるようになる。MITの材料科学工学科に所属するJu Liのグループによるこの研究は、査読付き学術誌Nature Communicationsに掲載された。論文はこのシステムをCLaC(Contrastive Language-Crystal model、対照的言語・結晶モデル)と名付けている。

MIT Newsによると、現在の大規模言語モデルが材料を苦手とするのは、結晶構造がこれらのモデルの学習対象であるテキストではなく専門的な形式で保存されていること、そして実験文献が少数の人気のある結晶クラスに集中していることが理由だという。論文は、結晶データベースの登録数が数百万件にとどまり、視覚言語モデルを支えるデータよりはるかに少ないと指摘する。これを補うため、研究チームはMaterials Projectの構造を、計算された特性に基づいてGPTが合成した記述文、および論文から抽出した段落と組み合わせた。著者らは、合成記述文が人間の書いた文献に比べて300倍多様な結晶群を網羅していると報告している。グラフニューラルネットワークが構造を符号化し、テキストエンコーダーが言語を処理し、対照学習が両者を共通の表現空間に配置する。

ゼロショット試験では、合成記述文で学習したバージョンが構造を正しい組成の記述と95.4 ± 0.2%の精度で照合したのに対し、未学習モデルは13.5 ± 0.3%、Gemma-3-1b-itに基づくベースラインは17.8 ± 0.3%だったと論文は述べている。論文から抽出したテキストのみで学習したバージョンは、目標特性に合致する材料の検索を求められた際、ほぼランダム選択と同程度の性能にとどまった。電池の例では、研究者らは高いバンドギャップという基準だけを用いてリチウムイオン固体電解質の候補を探索した。上位30件の材料はすべてリチウムを含み、平均バンドギャップは3.23 eVだった。4位のLi6PClO5は独立した研究で有望とされており、9位のLi4SiO4は以前に薄膜固体電解質として作製されていた。

著者らは明確な限界についても述べている。結晶系の分類精度は34.0 ± 0.4%にとどまり、Gemmaベースラインとほぼ同程度だった。著者らはこれを、16という小さな学習バッチサイズと、結晶系の分布が大きく偏っていることに関連付けている。電解質の重要な特性であるイオン伝導度は合成データセットに含まれていないため、電池の検索には使用できなかった。論文はさらに、この分野には標準的なマルチモーダルベンチマークがなくモデル間の直接比較が難しいこと、このモデルを用いた指示ベースの材料探索は今後の課題であること、そしてデータセットの構成とテキスト生成が検索挙動や潜在的なバイアスにどう影響するかについてはさらなる研究が必要であることを付け加えている。

「構造こそが材料科学分野の核心にある」とLiはMIT Newsのリリースで述べ、構造を理解すれば研究者は材料の特性について多くを推測できると付け加えた。彼はこのモデルを、タンパク質の構造と機能を関連付けるAlphaFoldになぞらえた。共著者のElsa Olivettiは、このアプローチが構造を特性や加工と結び付けると述べ、「これが段階的飛躍の一つになることを願っている」と加えた。他の著者は、筆頭著者で元MITポストドクターのYang Jeong Park、Mayank Kumaran、Chia-Wei Hsuである。MIT Newsによると、この研究は韓国研究財団と、米国の2つの国防機関である国防脅威削減局および国防高等研究計画局から一部資金提供を受けた。