Výzkumníci z Massachusettského technologického institutu (MIT) vyvinuli nový model umělé inteligence, který dokáže propojit trojrozměrnou strukturu krystalů s jejich vlastnostmi. Technologie umožňuje vyhledávat materiály pomocí běžných slovních pokynů a v budoucnu by mohla usnadnit vývoj baterií, elektroniky i dalších pokročilých výrobků.
Nový systém představili vědci z MIT v neděli 18. října. Model nazvaný CLaC dokáže pracovat nejen s textovými informacemi, ale také s prostorovým uspořádáním atomů v krystalech. Jak výzkumníci vysvětlují, právě pochopení vnitřní struktury materiálů je zásadní pro předpovídání jejich vlastností a hledání nových způsobů využití.
Dosavadní jazykové modely se při podobných úkolech spoléhají především na informace z vědeckých publikací. Ty však nepokrývají všechny známé materiály rovnoměrně a často se věnují jen nejvíce zkoumaným látkám. Mnoho dalších krystalových struktur je přitom popsáno v rozsáhlých výpočetních databázích, se kterými běžné jazykové modely nedokážou dostatečně pracovat.
Umělá inteligence se učí chápat uspořádání atomů
Vědci proto vytvořili systém, který propojuje trojrozměrné struktury krystalů s podrobnými slovními popisy. Ty obsahují informace o chemickém složení, vlastnostech, možnostech zpracování i potenciálním využití materiálu.
Při výcviku využili metodu kontrastivního učení. Model porovnává odpovídající a neodpovídající dvojice krystalových struktur a textových popisů, díky čemuž se postupně učí rozpoznávat jejich vzájemné souvislosti. Výzkumníci přitom pracovali s přibližně 126 tisíci materiály z databáze Materials Project.
Výsledky studie zveřejněné v časopise Nature Communications ukázaly, že model trénovaný na počítačově vytvořených popisech dosahoval při propojování struktur s jejich vlastnostmi lepších výsledků než varianta využívající pouze texty z vědeckých publikací.
„Struktura je skutečně základem materiálové vědy,“ vysvětlil profesor MIT Ju Li. Pokud vědci znají uspořádání atomů, mohou podle něj odvodit mnoho informací o vlastnostech a chování materiálu.
Pomoci může při hledání lepších baterií
Jedním z možných využití nové technologie je vývoj baterií. Výzkumníci například zadali modelu úkol vyhledat materiály vhodné pro pevné elektrolyty lithium-iontových baterií. Mezi jeho nejlepšími návrhy se objevily látky, které už jiné výzkumy nezávisle označily za slibné kandidáty.
Systém tak ukázal, že dokáže na základě slovního popisu požadovaných vlastností vyhledávat odpovídající krystalové struktury. V budoucnu by mohl vědcům pomoci rychleji vybírat materiály, které stojí za další laboratorní zkoumání.
Vývojáři přirovnávají význam propojení struktury a vlastností materiálů k systému AlphaFold, který pomohl urychlit výzkum bílkovin. Nový model však zatím nedokáže samostatně vyvíjet hotové materiály ani potvrdit jejich skutečnou použitelnost.
Technologie má navíc svá omezení. Současná verze pracuje pouze s krystalickými materiály, zatímco skutečné výrobky často obsahují také různé strukturální vady nebo kombinace více krystalových oblastí. Právě tyto vlastnosti mohou významně ovlivnit jejich chování.
Vědci proto chtějí metodu dále rozvíjet. Jejich cílem je vytvořit nástroje, které budou schopné lépe propojovat informace o atomové struktuře s praktickými požadavky na nové materiály a usnadní jejich výběr pro další výzkum.
