MIT模型将三维晶体结构与文本配对，助力AI推理材料

MIT研究人员与合作者共同构建了一个多模态AI模型，将三维晶体结构与自然语言描述联系起来，使AI系统能够对晶体材料及其性质进行推理。该研究来自MIT材料科学与工程系李巨（Ju Li）课题组，发表于同行评审期刊Nature Communications。论文将该系统命名为CLaC，即对比语言-晶体模型（Contrastive Language-Crystal model）。

据MIT News报道，当前的大语言模型在处理材料方面存在困难，原因在于晶体结构保存在专门格式中，而非这些模型学习所用的文本，并且实验文献集中于少数几类热门晶体。论文指出，晶体数据库仅有数百万条记录，远少于视觉-语言模型背后的数据量。为弥补这一不足，研究团队将来自Materials Project的结构与基于计算性质、由GPT合成的叙述配对，同时辅以从论文中挖掘的段落。作者报告称，这些合成叙述所覆盖的晶体种类比人类撰写的文献多样300倍。图神经网络对结构进行编码，文本编码器处理语言，对比学习则将两者置于一个共享的表示空间中。

论文称，在零样本测试中，使用合成叙述训练的版本将结构与正确的成分描述匹配的准确率为95.4 ± 0.2%，而未经训练的模型为13.5 ± 0.3%，基于Gemma-3-1b-it构建的基线为17.8 ± 0.3%。仅使用从论文中提取的文本训练的版本，在被要求检索符合目标性质的材料时，表现与随机选择大致相当。在一个电池示例中，研究人员仅以高带隙为标准搜索锂离子固态电解质候选材料；排名前30的材料全部含锂，平均带隙为3.23 eV。排名第四的Li6PClO5已在独立研究中被标记为有前景的材料，排名第九的Li4SiO4此前已被制成薄膜固态电解质。

作者还描述了明确的局限性。晶系分类的准确率仅为34.0 ± 0.4%，与Gemma基线大致相当，他们将其归因于训练批大小仅为16以及晶系分布严重不均衡。离子电导率是电解质的关键性质，但合成数据集中没有这一数据，因此无法在电池查询中使用。论文补充说，该领域缺乏标准的多模态基准，使模型之间难以直接比较；利用该模型进行基于指令的材料发现仍是未来工作；并且还需要更多研究来了解数据集构成和文本生成如何影响检索行为以及可能的偏差。

“结构确实是材料科学领域的核心”，李巨在MIT News的新闻稿中说，并补充道，理解结构使研究人员能够推断出材料的许多性质。他将该模型与AlphaFold相比，后者将蛋白质结构与功能联系起来。共同作者埃尔莎·奥利韦蒂（Elsa Olivetti）表示，这一方法将结构与性质及加工工艺联系起来，并补充说：“我希望这能成为那些阶跃式变化之一”。其他作者包括第一作者、前MIT博士后Yang Jeong Park，以及Mayank Kumaran和Chia-Wei Hsu。据MIT News报道，这项工作的部分资金来自韩国国家研究基金会以及两家美国国防机构——国防威胁降低局和国防高级研究计划局。