MIT'den Yapay Zekaya Kristal Yapıları Öğreten Multimodal Model

Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, yapay zekanın malzemeleri kristal yapılarına göre daha iyi anlamasını ve tanımlamasını sağlayan multimodal bir yapay zeka modeli geliştirdi. Nature Communications dergisinde yayımlanan çalışmada, modelin 3D atomik düzenlemeleri ve bağlanma kalıplarını 'görmesine' izin verilerek metin tabanlı modellere kıyasla daha iyi malzeme tasarımları belirleyebildiği gösterildi.

Yapay zeka, doğru malzemenin bulunmasını kolaylaştırabilecek potansiyele sahip olsa da, mevcut büyük dil modellerinin eğitim aldıkları veri akışlarının metin odaklı olması ve malzemelerin çoğunun 3D kristal düzenlemelerinden oluşması nedeniyle bu yaklaşım henüz tam anlamıyla verimli çalışmıyor. Ayrıca deneysel literatürün az sayıdaki popüler kristal sınıfına yönelik önyargılı olması, yapay zeka çıktılarını bu malzemelere yönlendiriyor. MIT ekibi, 3D atomik yapıları deneysel araştırma makaleleri ve hesaplamalı veritabanlarındaki zengin dilsel açıklamalarla birleştiren yeni bir modelle bu sorunu ele aldı.

Geliştirilen sistem, bir malzemenin yalnızca kimyasal bileşimini ve yapısını değil; özelliklerini, işleme hususlarını ve potansiyel uygulamalarını da içeren birleşik bir açıklama sunuyor. Katı hal lityum iyon pil elektrotları için uygun malzemeler sorulduğunda, sistemin en üstteki sonuçları bağımsız olarak umut vadeden adaylar olarak belirlenen malzemeleri içerdi. Araştırmacılar, modelin kontrast öğrenme yaklaşımıyla yapıları metin açıklamalarıyla hizalamayı öğrendiğini belirtti.

Çalışmanın yazarlarından Ju Li, yapay zeka modelinin protein yapılarını işlevle ilişkilendiren ve biyolojik araştırmalar ile ilaç geliştirme süreçlerini ilerleten AlphaFold modeline benzer bir rol üstlenebileceğini ifade etti. Araştırmacılar, yaklaşımın birçok kristal malzeme ile çalışabileceğini ve diğer malzeme bilimcilerin çalışmalarını hızlandırmaya yardımcı olacağını umuyor.