麻省理工学院（MIT）的研究团队成功开发出了一款全新的多模态 AI 模型，成功让 AI “看清”并理解三维晶体结构。该研究成果近期发表在知名学术期刊《自然·通讯》（Nature Communications）上，标志着材料科学领域的重大突破。

传统的通用大语言模型（LLM）主要依赖科学文献和书籍等文本进行训练。然而，现实中的绝大多数固体材料都属于晶体结构，其特性由原子在三维空间中的独特排列和连接方式决定，这些关键数据往往以特有的计算数据库格式存储，无法被仅读文本的 AI 所直接吸收。

如今，麻省理工学院的研究人员创建了一种多模态人工智能模型来解决这些问题。该模型将三维原子结构与自然语言描述相结合，从实验研究论文和第一性原理计算数据库中生成丰富的结构语言描述。这种统一的描述不仅概述了化学成分和结构，还概述了其性质、加工注意事项和潜在应用，从而帮助人工智能更好地了解材料的特性及其影响力。

在《自然通讯》杂志上发表的这篇新论文中，研究人员展示了他们的系统如何通过“观察”原子排列和键合模式，识别出比仅基于文本流训练的模型更优的材料设计。例如，当研究人员要求模型识别适用于固态锂离子电池电解质的材料时，其最佳结果中包含了一些此前已被独立鉴定为有前景的候选材料。研究人员还展示了他们的模型能够学习材料结构的几何表征，而这是仅基于文本的模型所无法做到的。

“结构是材料科学领域的核心，”卡尔·理查德·索德伯格动力工程教授、材料科学与工程系和核科学与工程系教授Ju Li说道，“如果你了解了结构，就能推断出很多关于材料性质和性能的信息。我们希望在模型中建立材料原子结构与其性质和加工工艺之间的联系。”

与Ju Li共同撰写关于该模型的论文的还有：第一作者、前麻省理工学院博士后Yang Jeong Park；伊利诺伊大学厄巴纳-香槟分校计算机工程系应届毕业生Mayank Kumaran；2026届硕士毕业生 Chia-Wei Hsu ；以及DMSE工程系Jerry McAfee（1940）教授Elsa Olivetti。

材料科学家一直在寻找能够引领未来产品发展的新型晶体。过去十年，人工智能重塑了这一过程，它能够提出并设计出具有高度有序原子结构的新型晶体结构，这些结构占地球上固体材料的90%以上。 大多数模型将固体晶体材料视为三维图。

大型语言模型的兴起为研究人员提供了又一创新工具。但现有的大型语言模型严重依赖已发表论文和书籍中的文本，这限制了它们对物理世界的认知，因为许多潜在的晶体结构都存储在计算数据库中。此外，基于文本的模型也缺乏对视觉几何的理解。

为了克服这些挑战，研究人员决定为晶体材料创建一个视觉语言模型。

他们训练了一个语言模型，利用对比学习的方法生成晶体结构的文本描述。在对比学习中，模型会比较相似和不相似的晶体结构及其文本描述，从而达成统一的理解。这类似于协调大脑的视觉和语言区域。

训练完成后，研究人员比较了两个版本模型的预测结果：一个版本使用包含人工智能生成的描述的数据集进行训练，另一个版本则使用仅包含论文文本的数据集进行训练。他们发现，使用人工智能生成的描述进行训练的模型成功地学会了如何将几何结构与文本描述对齐，而另一个版本则没有做到这一点。

Ju Li说：“我们想创建一个能够广泛适用于各种材料的人工智能模型。因此，我们决定综合各种叙述性资料，而不是仅仅依赖现有的论文。我们发现，当我们使用这种叙述性数据集时，模型在预测功能方面表现得更好。”

研究人员随后证明，他们的模型能够接收描述某种属性的自然语言查询，并识别具有该属性的晶体材料，其性能优于基线模型。

Olivetti 说：“材料科学领域有时会出现算法集成方面的突破性进展，从而开发出实用的工具，供业界进一步推动该领域的发展。这种方法有助于我们更深入地了解三维结构，并将结构与性能和加工工艺联系起来。我希望这也能成为一次突破性进展。”

研究人员将该模型与 AlphaFold 进行了比较，AlphaFold 是一种将蛋白质结构与功能联系起来的 AI 模型，它帮助推进了生物学研究和药物开发。而他们认为他们的新方法可以应用于许多晶体材料，他们希望其他材料科学家能够利用这种方法来加速他们的研究工作。

“能够观察到三维晶体及其原子连接方式是非常基础性的，” Li说。“我认为这对任何从事材料科学研究的人都很有用。”

这项工作部分得到了美国国防威胁降低局通过大学研究联盟、美国国防高级研究计划局和韩国国家研究基金会的支持。

（美国华文网编发）