Naukowcy opracowali model sztucznej inteligencji, który przewiduje rozmieszczenie atomów w strukturach krystalicznych, usprawniając odkrywanie nowych materiałów na potrzeby technologii takich jak panele słoneczne i chipy komputerowe.
Nowy sztuczna inteligencja opracowano model CrystaLLM w celu przewidywania, w jaki sposób atomy układają się w struktury krystaliczne. Ten przełom może przyspieszyć odkrycie nowych materiałów stosowanych w technologiach takich jak baterie, chipy komputerowe i ogniwa słoneczne.
Stworzony przez naukowców z University of Reading i University College London, CrystaLLM działa jak chatboty AI, ucząc się „języka” kryształów poprzez analizę milionów istniejących struktur krystalicznych.
Opublikowano dzisiaj (6 grudnia) w Komunikacja przyrodniczasystem zostanie udostępniony społeczności naukowej, aby wspierać postęp w odkrywaniu materiałów.
Przełom w przewidywaniu struktury kryształu
Dr Luis Antunes, który kierował badaniami podczas doktoratu na Uniwersytecie w Reading, powiedział: „Przewidywanie struktur kryształów jest jak rozwiązywanie złożonej, wielowymiarowej układanki, której elementy są ukryte. Przewidywanie struktury kryształu wymaga ogromnej mocy obliczeniowej, aby przetestować niezliczone możliwe układy atomów.
„CrystaLLM oferuje przełom, badając miliony znanych struktur krystalicznych, aby zrozumieć wzorce i przewidzieć nowe, podobnie jak ekspert w rozwiązywaniu zagadek, który rozpoznaje zwycięskie wzorce, zamiast próbować każdego możliwego ruchu”.
Nowe podejście do nauki o materiałach
Obecny proces ustalania, w jaki sposób atomy ułożą się w kryształy, opiera się na czasochłonnych symulacjach komputerowych fizycznych interakcji między atomami. CrystaLLM działa w prostszy sposób. Zamiast korzystać ze skomplikowanych obliczeń fizycznych, uczy się, czytając miliony opisów struktury kryształów zawartych w plikach informacji krystalograficznych – standardowym formacie przedstawiania struktur kryształów.
CrystaLLM traktuje te opisy kryształów jak tekst. Czytając każdy opis, przewiduje, co będzie dalej, stopniowo ucząc się wzorców dotyczących struktury kryształów. Systemu nigdy nie uczono żadnych zasad fizyki ani chemii, ale zamiast tego sam je rozpracował. Czytając te opisy, nauczył się na przykład tego, jak układają się atomy i jak ich rozmiar wpływa na kształt kryształu.
Praktyczne zastosowania i dostępność
Po przetestowaniu CrystaLLM był w stanie z powodzeniem wygenerować realistyczne struktury krystaliczne, nawet w przypadku materiałów, których nigdy wcześniej nie widział.
Zespół badawczy stworzył darmowa strona internetowa gdzie badacze mogą wykorzystać CrystaLLM do generowania struktur krystalicznych. Integracja tego modelu z procesami przewidywania struktury kryształu może przyspieszyć rozwój nowych materiałów na potrzeby technologii, takich jak lepsze baterie, wydajniejsze ogniwa słoneczne i szybsze chipy komputerowe.
Odniesienie: „Generowanie struktury krystalicznej za pomocą autoregresyjnego modelowania dużego języka”: LM Antunes, KT Butler, R. Grau-Crespo, 6 grudnia 2024 r., Nature Communications.
DOI: 10.1038/s41467-024-54639-7
