AI突破：MIT多模態模型結合3D結構與語言，加速材料發現

原則上，人工智慧可以讓尋找應用所需的合適材料變得像點餐一樣簡單：科學家只需告訴大型語言模型他們的需求，它就能提供一個完美設計的晶體。然而，這種方法目前效果不彰，問題出在資料：大多數材料由晶體組成，這些晶體是原子在三維空間中週期性排列的結構，其資訊儲存在專門格式中，而非現今大型語言模型所訓練的文字串流。此外，實驗文獻也嚴重偏向少數幾類常見晶體，導致AI的輸出結果會傾向這些材料。

現在，MIT研究人員開發出一個多模態AI模型來解決這些問題。該模型結合了三維原子結構與自然語言描述，從實驗研究論文和第一性原理計算資料庫中，為這些結構創建了豐富的語言描述。這種統一的描述不僅涵蓋了化學組成和結構，還包括其性質、加工考量和潛在應用，幫助AI更深入地了解材料的關鍵特性。

在《Nature Communications》發表的一篇新論文中，研究人員展示了他們的系統能夠透過讓模型「看見」原子排列和鍵合模式，識別出比僅依賴文字串流訓練的模型更好的材料設計。例如，當研究人員要求模型識別適用於固態鋰離子電池電解質的材料時，其頂級結果包含了已被獨立確認為有潛力候選的材料。研究人員也證明，他們的模型能學習材料結構的幾何表示，這是純文字模型無法做到的。

材料科學與工程學系（DMSE）的Carl Richard Soderberg電力工程教授Ju Li表示：「結構確實是材料科學領域的核心。如果你理解結構，就能推斷出許多關於材料性質和性能的資訊。我們希望為模型建立材料原子結構與其性質及加工之間的連結。」

與Li共同撰寫這篇論文的還有第一作者、前MIT博士後研究員Yang Jeong Park；伊利諾大學香檳分校電腦工程系畢業生Mayank Kumaran；Chia-Wei Hsu SM ’26；以及DMSE的Jerry McAfee（1940）工程教授Elsa Olivetti。

讓模型具備三維視覺。材料科學家一直在尋找能引領未來產品的新晶體。過去十年來，AI已經重塑了這個過程，提出並設計新的晶體結構，這些結構具有高度有序的原子排列，佔地球上固體材料的90%以上。這些模型大多將固體晶體材料視為三維圖形。

大型語言模型的興起為研究人員提供了另一項創新工具。然而，現有的大型語言模型嚴重依賴已發表論文和書籍中的文字，限制了它們對物理世界的知識，因為許多潛在的晶體結構都儲存在計算資料庫中。基於文字的模型也缺乏對視覺幾何的理解。為克服這些挑戰，研究人員決定為晶體材料創建一個視覺語言模型。

他們利用對比學習（contrastive learning）的方法訓練了一個語言模型，使其能為晶體結構生成文字描述。在對比學習中，模型會比較結構和文字描述的相似與相異範例，以達成統一的理解，這類似於大腦中視覺和語言區域的對齊。訓練後，研究人員比較了兩種模型版本的預測結果：一個模型使用AI生成的描述資料集進行訓練，另一個則僅使用論文中的文字資料集。

他們發現，使用AI生成描述進行訓練的模型成功學會了如何將幾何結構與文字描述對齊，而另一個模型則沒有。

Li表示：「我們希望創建一個能廣泛應用於各種材料的AI模型。這就是為什麼我們決定合成敘述性資料，而不是單純依賴現有論文。我們發現，當使用這種敘述性資料集時，模型在預測功能方面表現更佳。」

加速材料科學。研究人員隨後展示，他們的模型可以接收描述特定性質的自然語言查詢，並識別出具有該性質的晶體材料，其表現優於基準模型。Olivetti指出：「材料科學領域有時會出現演算法整合為實用工具的重大變革，社群會利用這些工具進一步推動該領域發展。這種方法幫助我們更深入地了解三維結構，並將結構與性質和加工連結起來。我希望這能成為其中一個重大變革。」

Li將該模型與AlphaFold進行比較，AlphaFold是一個將蛋白質結構與功能連結起來的AI模型，已幫助推動生物研究和藥物開發。研究人員相信他們的新方法適用於多種晶體材料，並希望其他材料科學家能利用它來加速他們的工作。Li說：「能夠看到三維晶體及其原子如何連結，這是非常基礎且關鍵的。

我認為這對所有從事材料科學的人都將有所助益。」這項工作部分由美國國防威脅降低局透過大學研究聯盟、美國國防高等研究計畫署，以及韓國國家研究基金會支持。