MIT 研究人员开发可“看见”3D 原子结构的材料科学多模态 AI 模型

原则上，人工智能可以让寻找适合某种应用的材料变得像点外卖一样简单：科学家告诉大语言模型他们想要什么，模型就会为他们提供最适合该任务的材料。

遗憾的是，这种方法目前还行不通，问题出在数据上：大多数材料是由晶体的三维排列构成的，而不是当今大语言模型所训练的文本流。实验文献也严重偏向少数几类热门晶体，导致 AI 的输出偏向这些材料。

如今，MIT 的研究人员创建了一种多模态 AI 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关于这些结构的丰富语言描述。这种统一的描述不仅勾勒出化学成分和结构，还涵盖其性质、加工注意事项和潜在应用，帮助 AI 更深入地了解是什么让材料具有重要价值。

在发表于《Nature Communications》的新论文中，研究人员展示了他们的系统能够通过让模型“看见”原子排列和成键模式，识别出比仅在文本流上训练的模型更好的材料设计方案。例如，当研究人员要求模型识别适合固态锂离子电池电解质的材料时，其排名靠前的结果中包括了被独立认定为有前景候选者的材料。研究人员还表明，他们的模型以纯文本模型无法做到的方式学习了材料结构的几何表示。

“结构确实是材料科学领域的核心，”材料科学与工程系以及核科学与工程系的 Carl Richard Soderberg 动力工程教授 Ju Li 说道，“如果你理解了结构，就可以推断出材料的许多性质和性能。我们希望为模型建立起材料原子结构与其性质及加工之间的联系。”

与 Li 共同撰写这篇关于该模型论文的还有第一作者、前 MIT 博士后 Yang Jeong Park；伊利诺伊大学厄巴纳-香槟分校近期毕业的计算机工程专业硕士 Mayank Kumaran；Chia-Wei Hsu SM ’26；以及 DMSE 的 Jerry McAfee (1940) 工程教授 Elsa Olivetti。

让模型看见三维世界

材料科学家一直在寻找能造就未来产品的新晶体。在过去十年里，AI 改变了这一过程，提出并设计新的晶体结构——这些结构具有高度有序的原子排列，占地球固体材料的 90% 以上。 这些模型大多将固体晶体材料视为三维图。

大语言模型的兴起为研究人员提供了创新的另一项工具。但现有的大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了解，因为许多潜在的晶体结构存储在计算数据库中。基于文本的模型还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种视觉-语言模型。

他们使用一种称为对比学习的方法训练了一个语言模型，用于生成晶体结构的文本描述。在这种方法中，模型会比较相似和不相似的结构与文本描述示例，从而实现统一的理解。这类似于对齐大脑的视觉区域和语言区域。

训练完成后，研究人员比较了两个版本模型的预测结果：一个是在包含 AI 生成描述的数据集上训练的，另一个则仅在包含论文文本的数据集上训练。他们发现，在 AI 生成描述上训练的模型成功学会了如何将几何结构与文本描述对齐，而另一个模型则没有。

“我们希望创建一个能在多种材料上广泛工作的 AI 模型，”Li 说，“这就是为什么我们决定合成叙述，而不是仅仅依赖现有论文。我们发现，当我们使用那个叙述数据集时，模型在预测功能方面表现得更好。”

加速材料科学

研究人员随后展示了他们的模型可以接收描述某种属性的自然语言查询，并识别出具有该属性的晶体材料，其表现优于基线。

“在材料科学领域，围绕算法集成以实现有用工具方面，有时会出现一些阶跃式变革，整个领域会利用这些变革来进一步推动学科发展，”Olivetti 说，“这种方法帮助我们更深入地观察三维结构，并将结构与属性和加工联系起来。我希望这能成为此类阶跃式变革之一。”

Li 将该模型与 AlphaFold 相提并论。AlphaFold 是一个将蛋白质结构与功能联系起来的 AI 模型，它帮助推动了生物学研究和药物开发的进展。

研究人员相信他们的新方法可以应用于许多晶体材料，并希望其他材料科学家能使用它来加速自己的工作。

“能够看到一个三维晶体以及它的原子是如何连接的，这是非常基础的，”Li 说，“我认为这将对任何从事材料科学工作的人有用。”

该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以及韩国国家研究基金会的支持。