Британські дослідники створили потужний новий інструмент штучного інтелекту, який може революціонізувати способи відкриття та проєктування нових матеріалів.
Команда з Університету Ліверпуля та Університету Саутгемптона представила CrystalGPT, офіційно названу Molecular Crystal Representation from Transformers (MCRT). Ця модель на основі трансформерів була попередньо навчена на 706 126 експериментальних кристалічних структурах із Кембриджської структурної бази даних, що дозволило їй самостійно опанувати складну «мову» молекулярних кристалів.
Унікальність CrystalGPT полягає у її підході подвійного представлення. Модель поєднує графовий аналіз атомних зв'язків із можливостями топологічної візуалізації, що дозволяє їй одночасно обробляти як детальні молекулярні структури, так і ширші закономірності. Такий мультимодальний підхід забезпечує штучному інтелекту комплексне розуміння властивостей кристалів як на мікро-, так і на макрорівнях.
«MCRT задумувалася як базова модель, яку можна легко донавчати під конкретну задачу навіть за наявності невеликої кількості даних», — пояснює член команди Ксенофон Евангелопулос з Університету Ліверпуля. Ця здатність ефективно працювати з обмеженими даними особливо цінна в хімії, де лабораторні експерименти й обчислення часто дорогі та тривалі.
Модель використовує чотири різні завдання попереднього навчання для вилучення як локальних, так і глобальних представлень кристалів. Після донавчання для конкретних застосувань CrystalGPT може з високою точністю прогнозувати ключові властивості матеріалів, такі як густина, пористість і симетрія, використовуючи лише частину даних, які традиційно потрібні.
Наслідки для матеріалознавства є значними. Традиційні обчислювальні методи прогнозування кристалічних структур і властивостей відомі своєю ресурсоємністю. CrystalGPT обходить ці обмеження, потенційно прискорюючи відкриття у фармацевтиці, органічній електроніці, розробці акумуляторів і пористих матеріалів для зберігання газів. Як зазначає професор Енді Купер з Ліверпуля, модель «вивчила найбільш характерні закономірності в цих кристалах» і «те, як ці закономірності пов’язані з практичними властивостями», що робить її потужним інструментом для інновацій у матеріалознавстві.