Βρετανοί ερευνητές δημιούργησαν ένα ισχυρό νέο εργαλείο τεχνητής νοημοσύνης που θα μπορούσε να φέρει επανάσταση στον τρόπο με τον οποίο οι επιστήμονες ανακαλύπτουν και σχεδιάζουν νέα υλικά.
Η ομάδα από το Πανεπιστήμιο του Λίβερπουλ και το Πανεπιστήμιο του Σαουθάμπτον παρουσίασε το CrystalGPT, γνωστό επίσημα ως Molecular Crystal Representation from Transformers (MCRT). Αυτό το μοντέλο τύπου transformer προεκπαιδεύτηκε σε 706.126 πειραματικές κρυσταλλικές δομές από τη Βάση Δεδομένων Δομών του Cambridge, επιτρέποντάς του να αυτοεκπαιδευτεί στη σύνθετη «γλώσσα» των μοριακών κρυστάλλων.
Αυτό που καθιστά το CrystalGPT μοναδικό είναι η προσέγγισή του με διπλή αναπαράσταση. Το μοντέλο συνδυάζει ανάλυση ατομικών δεσμών με βάση γράφους με δυνατότητες τοπολογικής απεικόνισης, επιτρέποντάς του να επεξεργάζεται ταυτόχρονα τόσο λεπτομερείς μοριακές δομές όσο και ευρύτερα πρότυπα. Αυτή η πολυτροπική προσέγγιση προσφέρει στην τεχνητή νοημοσύνη μια ολοκληρωμένη κατανόηση των ιδιοτήτων των κρυστάλλων σε μικρο- και μακρο-επίπεδο.
«Το MCRT σχεδιάστηκε ως ένα θεμελιώδες μοντέλο που μπορεί εύκολα να προσαρμοστεί στο εκάστοτε πρόβλημα, ακόμη και με μικρές ποσότητες διαθέσιμων δεδομένων», εξηγεί ο Ξενοφών Ευαγγελόπουλος από το Πανεπιστήμιο του Λίβερπουλ. Αυτή η ικανότητα να λειτουργεί αποτελεσματικά με περιορισμένα δεδομένα είναι ιδιαίτερα πολύτιμη στη χημεία, όπου τα εργαστηριακά πειράματα και οι υπολογισμοί είναι συχνά δαπανηρά και χρονοβόρα.
Το μοντέλο χρησιμοποιεί τέσσερις διαφορετικές προεκπαιδευτικές εργασίες για να εξάγει τόσο τοπικές όσο και συνολικές αναπαραστάσεις από τους κρυστάλλους. Όταν προσαρμόζεται για συγκεκριμένες εφαρμογές, το CrystalGPT μπορεί να προβλέψει βασικές ιδιότητες υλικών όπως η πυκνότητα, η πορώδης δομή και η συμμετρία με εντυπωσιακή ακρίβεια, χρησιμοποιώντας μόνο ένα μικρό μέρος των δεδομένων που απαιτούνταν παραδοσιακά.
Οι επιπτώσεις για την επιστήμη των υλικών είναι σημαντικές. Οι παραδοσιακές υπολογιστικές μέθοδοι για την πρόβλεψη κρυσταλλικών δομών και ιδιοτήτων είναι διαβόητα απαιτητικές σε πόρους. Το CrystalGPT παρακάμπτει αυτούς τους περιορισμούς, επιταχύνοντας ενδεχομένως ανακαλύψεις στα φαρμακευτικά, τα οργανικά ηλεκτρονικά, την ανάπτυξη μπαταριών και τα πορώδη υλικά για αποθήκευση αερίων. Όπως σημειώνει ο καθηγητής Andy Cooper από το Λίβερπουλ, το μοντέλο έχει «μάθει τα πιο διακριτά πρότυπα αυτών των κρυστάλλων» και «πώς αυτά τα πρότυπα σχετίζονται με πρακτικές ιδιότητες», καθιστώντας το ένα ισχυρό εργαλείο για καινοτομία στα υλικά.