Британски изследователи създадоха мощен нов AI инструмент, който може да революционизира начина, по който учените откриват и проектират нови материали.
Екипът от Университета в Ливърпул и Университета в Саутхемптън представи CrystalGPT, официално обозначен като Molecular Crystal Representation from Transformers (MCRT). Този модел, базиран на трансформъри, е предварително обучен върху 706 126 експериментални кристални структури от Кеймбриджската структурна база данни, което му позволява самостоятелно да усвои сложния „език“ на молекулните кристали.
Уникалното при CrystalGPT е неговият двоен подход към представянето на данните. Моделът съчетава графово-базирана атомна връзкова анализа с възможности за топологично изображение, което му позволява да обработва едновременно детайлни молекулни структури и по-широки закономерности. Този мултимодален подход дава на AI цялостно разбиране за кристалните свойства както на микро-, така и на макрониво.
„MCRT беше замислен като базов модел, който може лесно да се донастройва според конкретния проблем, дори и с малко налични данни“, обяснява членът на екипа Ксенофон Евангелопулос от Университета в Ливърпул. Тази способност да работи ефективно с ограничени данни е особено ценна в химията, където лабораторните експерименти и изчисления често са скъпи и отнемат много време.
Моделът използва четири различни задачи за предварително обучение, за да извлече както локални, така и глобални представяния от кристалите. Когато се донастройва за конкретни приложения, CrystalGPT може да предсказва ключови материални свойства като плътност, порьозност и симетрия с впечатляваща точност, използвайки само малка част от данните, които традиционно са необходими.
Последиците за материалознанието са значителни. Традиционните компютърни методи за предсказване на кристални структури и свойства са известни с това, че изискват много ресурси. CrystalGPT заобикаля тези ограничения и потенциално може да ускори откритията във фармацията, органичната електроника, разработката на батерии и порьозните материали за съхранение на газове. Както отбелязва професор Анди Купър от Ливърпул, моделът е „научил най-отличителните закономерности в тези кристали“ и „как тези закономерности се отнасят до практическите свойства“, превръщайки го в мощен инструмент за иновации в материалознанието.