MIT modeli, yapay zekânın malzemeler hakkında akıl yürütmesine yardımcı olmak için 3B kristal yapıları metinle eşleştiriyor

MIT bünyesindeki araştırmacılar, iş birliği yaptıkları ekiplerle birlikte, yapay zekâ sistemlerinin kristal malzemeler ve bunların özellikleri hakkında akıl yürütebilmesi için üç boyutlu kristal yapıları doğal dil tanımlarıyla ilişkilendiren çok modlu bir yapay zekâ modeli geliştirdi. MIT Malzeme Bilimi ve Mühendisliği Bölümü'nde araştırmacı Ju Li tarafından yönetilen grubun çalışması, Nature Communications adlı hakemli dergide yayımlandı. Makale sisteme, Karşıtsal Dil-Kristal modeli (Contrastive Language-Crystal model) anlamına gelen CLaC adını veriyor.

MIT News haberine göre mevcut büyük dil modelleri malzemeler konusunda zorlanıyor; çünkü kristal yapılar bu modellerin öğrendiği metinler yerine özel formatlarda tutuluyor ve deneysel literatür az sayıda popüler kristal sınıfına odaklanıyor. Makale, kristal veritabanlarının yalnızca milyonlarca kayıt içerdiğini ve bunun görsel-dil modellerinin arkasındaki verinin çok gerisinde kaldığını belirtiyor. Bunu telafi etmek için ekip, Materials Project veritabanındaki yapıları, hesaplanmış özelliklere dayanan ve GPT tarafından sentezlenmiş anlatılarla ve ayrıca makalelerden çıkarılan paragraflarla eşleştirdi. Yazarlar, sentetik anlatıların insan yazımı literatürden 300 kat daha çeşitli bir kristal kümesini kapsadığını bildiriyor. Bir çizge sinir ağı yapıları kodluyor, bir metin kodlayıcı dili işliyor ve karşıtsal öğrenme her ikisini ortak bir temsil uzayına yerleştiriyor.

Makaleye göre sıfır-örnek (zero-shot) testlerde, sentetik anlatılarla eğitilen sürüm yapıları doğru bileşim tanımıyla %95,4 ± 0,2 doğrulukla eşleştirdi; eğitilmemiş bir modelde bu oran %13,5 ± 0,3, Gemma-3-1b-it üzerine kurulu bir temel modelde ise %17,8 ± 0,3 oldu. Yalnızca makalelerden çıkarılan metinlerle eğitilen bir sürüm, hedef bir özelliğe uyan malzemeleri getirmesi istendiğinde büyük ölçüde rastgele seçim gibi davrandı. Bir batarya örneğinde araştırmacılar, lityum iyon katı hal elektrolit adaylarını yalnızca yüksek bant aralığı ölçütüyle aradı; en üst sırada yer alan 30 malzemenin tamamı lityum içeriyordu ve ortalama bant aralığı 3,23 eV idi. Dördüncü sırada yer alan Li6PClO5 bağımsız bir çalışmada umut verici olarak işaretlenmişti; dokuzuncu sıradaki Li4SiO4 ise daha önce ince film katı elektrolit olarak üretilmişti.

Yazarlar ayrıca belirgin sınırlamaları da anlatıyor. Kristal sistemlerini sınıflandırmadaki doğruluk yalnızca %34,0 ± 0,4 ile kabaca Gemma temel modeliyle aynı düzeyde kaldı; yazarlar bunu 16'lık küçük eğitim yığın boyutuna (batch size) ve kristal sistemlerinin ağır biçimde dengesiz dağılımına bağlıyor. Elektrolitler için kilit bir özellik olan iyonik iletkenlik sentetik veri kümesinde bulunmuyor; bu nedenle batarya sorgusunda kullanılamadı. Makale, alanda standart çok modlu kıyaslama ölçütlerinin (benchmark) bulunmadığını ve bunun modeller arasında doğrudan karşılaştırmayı zorlaştırdığını, modelle talimat tabanlı malzeme keşfinin gelecekteki çalışmalara bırakıldığını ve veri kümesi bileşimi ile metin üretiminin getirme davranışını ve olası yanlılıkları nasıl şekillendirdiği konusunda daha fazla araştırma gerektiğini ekliyor.

Li, MIT News açıklamasında “Yapı, malzeme bilimi alanının gerçekten tam kalbinde yer alıyor” dedi ve yapıyı anlamanın araştırmacıların bir malzemenin özellikleri hakkında çok şey çıkarmasına olanak tanıdığını ekledi. Li, modeli protein yapılarını işlevle ilişkilendiren AlphaFold ile karşılaştırdı. Ortak yazar Elsa Olivetti, yaklaşımın yapıyı özellik ve işlemeyle ilişkilendirdiğini söyledi ve ekledi: “Umarım bu, o köklü sıçramalardan biri olabilir”. Diğer yazarlar şunlar: eski bir MIT doktora sonrası araştırmacısı olan ilk yazar Yang Jeong Park, Mayank Kumaran ve Chia-Wei Hsu. MIT News haberine göre çalışma kısmen Kore Ulusal Araştırma Vakfı ile iki ABD savunma kurumu olan Savunma Tehdit Azaltma Ajansı (Defense Threat Reduction Agency) ve Savunma İleri Araştırma Projeleri Ajansı (Defense Advanced Research Projects Agency) tarafından finanse edildi.