İngiliz araştırmacılar, bilim insanlarının yeni malzemeleri keşfetme ve tasarlama biçimini kökten değiştirebilecek güçlü bir yapay zekâ aracı geliştirdi.
Liverpool Üniversitesi ve Southampton Üniversitesi'nden ekip, CrystalGPT'yi (resmi adıyla Molecular Crystal Representation from Transformers - MCRT) tanıttı. Bu transformer tabanlı model, Cambridge Structural Database'den alınan 706.126 deneysel kristal yapısı üzerinde önceden eğitilerek moleküler kristallerin karmaşık dilini kendi kendine öğrenmesini sağladı.
CrystalGPT'yi benzersiz kılan, çiftli temsil yaklaşımı. Model, grafik tabanlı atomik bağ analizini topolojik görüntüleme yetenekleriyle birleştirerek hem ayrıntılı moleküler yapıları hem de daha geniş desenleri aynı anda işleyebiliyor. Bu çok modlu yaklaşım, yapay zekânın kristal özelliklerini hem mikro hem de makro düzeyde kapsamlı bir şekilde anlamasını sağlıyor.
Liverpool Üniversitesi'nden ekip üyesi Xenophon Evangelopoulos, "MCRT, eldeki probleme kolayca uyarlanabilecek bir temel model olarak tasarlandı ve az miktarda veriyle bile etkili şekilde çalışabiliyor," diyor. Kimya alanında laboratuvar deneylerinin ve hesaplamaların genellikle pahalı ve zaman alıcı olduğu düşünüldüğünde, modelin sınırlı veriyle etkili çalışabilmesi özellikle değerli.
Model, kristallerden hem yerel hem de küresel temsilleri çıkarmak için dört farklı ön eğitim görevi kullanıyor. Belirli uygulamalar için ince ayar yapıldığında, CrystalGPT; yoğunluk, gözeneklilik ve simetri gibi temel malzeme özelliklerini, geleneksel olarak gereken verinin yalnızca küçük bir kısmını kullanarak olağanüstü doğrulukla tahmin edebiliyor.
Malzeme bilimi için sonuçlar oldukça önemli. Kristal yapılarını ve özelliklerini tahmin etmeye yönelik geleneksel hesaplamalı yöntemler, bilindiği üzere yüksek kaynak gerektiriyor. CrystalGPT, bu sınırlamaları aşarak ilaç, organik elektronik, batarya geliştirme ve gaz depolama için gözenekli malzemeler gibi alanlarda keşifleri hızlandırabilir. Liverpool Üniversitesi'nden Profesör Andy Cooper'ın belirttiği gibi, model "bu kristallerdeki en ayırt edici desenleri" ve "bu desenlerin pratik özelliklerle nasıl ilişkili olduğunu" öğrenmiş durumda; bu da onu malzeme inovasyonu için güçlü bir araç haline getiriyor.