Ricercatori britannici hanno creato un nuovo potente strumento di intelligenza artificiale che potrebbe rivoluzionare il modo in cui gli scienziati scoprono e progettano nuovi materiali.
Il team dell’Università di Liverpool e dell’Università di Southampton ha presentato CrystalGPT, ufficialmente denominato Molecular Crystal Representation from Transformers (MCRT). Questo modello basato su transformer è stato pre-addestrato su 706.126 strutture cristalline sperimentali provenienti dal Cambridge Structural Database, permettendogli di apprendere autonomamente il complesso linguaggio dei cristalli molecolari.
Ciò che rende unico CrystalGPT è il suo approccio a doppia rappresentazione. Il modello combina l’analisi dei legami atomici basata su grafi con le capacità di imaging topologico, consentendogli di elaborare sia le strutture molecolari dettagliate sia i pattern più ampi in modo simultaneo. Questo approccio multimodale offre all’IA una comprensione completa delle proprietà dei cristalli sia a livello micro che macro.
"MCRT è stato concepito come un modello di base che può essere facilmente adattato al problema specifico, anche con quantità limitate di dati disponibili", spiega Xenophon Evangelopoulos dell’Università di Liverpool. Questa capacità di lavorare efficacemente con pochi dati è particolarmente preziosa in chimica, dove gli esperimenti di laboratorio e i calcoli sono spesso costosi e richiedono molto tempo.
Il modello utilizza quattro diversi compiti di pre-addestramento per estrarre rappresentazioni sia locali che globali dai cristalli. Quando viene ottimizzato per applicazioni specifiche, CrystalGPT è in grado di prevedere con notevole precisione proprietà chiave dei materiali come densità, porosità e simmetria utilizzando solo una frazione dei dati tradizionalmente necessari.
Le implicazioni per la scienza dei materiali sono significative. I metodi computazionali tradizionali per prevedere strutture e proprietà cristalline sono notoriamente dispendiosi in termini di risorse. CrystalGPT supera questi limiti, accelerando potenzialmente le scoperte nei settori farmaceutico, dell’elettronica organica, dello sviluppo di batterie e dei materiali porosi per lo stoccaggio di gas. Come osserva il professor Andy Cooper di Liverpool, il modello ha "imparato i pattern più distintivi all’interno di questi cristalli" e "come questi pattern si relazionano alle proprietà pratiche", rendendolo uno strumento potente per l’innovazione nei materiali.