AI भौतिक दुनिया का क्रिस्टल-स्पष्ट दृश्य प्राप्त करता है
एमआईटी के multimodal AI जोड़े 3 डी क्रिस्टल संरचनाओं पाठ के साथ, केवल-पाठ मॉडल को हराते हुए और ठोस राज्य बैटरी सामग्री की सतह पर वादा करते हैं।
मुख्य जानकारी
- एमआईटी के शोधकर्ताओं ने एक multimodal AI मॉडल बनाया जो 3 डी क्रिस्टल संरचनाओं को प्राकृतिक भाषा विवरणों से जोड़ता है, जिससे एआई-संचालित सामग्री की खोज में प्रमुख डेटा बाधा का समाधान करने में मदद मिलती है।
- पाठ-केवल सामग्री AI मॉडल संघर्ष करते हैं क्योंकि क्रिस्टल संरचनाओं को भाषा में स्वाभाविक रूप से प्रस्तुत नहीं किया जाता है और अनुसंधान साहित्य सामान्य सामग्रियों के सीमित सेट की ओर पक्षपाती होता है।
- नया मॉडल रचना, गुणों, प्रसंस्करण और संभावित अनुप्रयोगों सहित समृद्ध शाब्दिक विवरण के साथ दृश्य ज्यामितीय संरचनाओं को संरेखित करने के लिए विपरीत सीखने का उपयोग करता है।
- परीक्षणों में, संरचना-जागरूक मॉडल ने केवल पाठ संस्करण की तुलना में बेहतर सामग्री उम्मीदवार उत्पन्न किए, जिसमें ठोस राज्य लिथियम आयन बैटरी इलेक्ट्रोलाइट्स के लिए आशाजनक सामग्रियां शामिल हैं।
- यह दृष्टिकोण परमाणु संरचना और भौतिक व्यवहार के बीच एक सामान्य पुल बनाकर सामग्री विज्ञान के लिए एक कदम परिवर्तन के रूप में कार्य कर सकता है, जो जीवविज्ञान में अल्फाफोल्ड की महत्वाकांक्षा के समान है।
एमआईटी के सामग्री वैज्ञानिकों ने एक multimodal AI मॉडल बनाया है जो 3 डी परमाणु संरचनाओं को प्राकृतिक भाषा विवरण के साथ जोड़ता है, और परीक्षण में यह केवल पाठ पर प्रशिक्षित मॉडलों की तुलना में बेहतर सामग्री डिजाइन करता है। प्रकृति संचार, एआई-संचालित सामग्री की खोज में एक जिद्दी बाधा को दूर करने का व्यावहारिक तरीका बताता हैः डेटा समस्या।
टीम का नेतृत्व Ju Li ने किया था, जो Materials Science और इंजीनियरिंग (डीएमएसई) विभाग में Power Engineering के भीतर Carl Richard Soderberg Professor है। Yang Jeong Park, एक पूर्व एमआईटी पोस्टडॉक, पहला लेखक है। सह-लेखक Mayank Kumaran हैं, हाल ही में यूनिवर्सिटी ऑफ Illinois Urbana-चैम्पेन कंप्यूटर इंजीनियरिंग स्नातक; चिया-Wei Hsu SM '26; और Elsa Olivetti, डीएमएसइ में इंजीनियरिंग में Jerry McAfee (1940) प्रोफेसर।
पाठ-केवल मॉडल क्रिस्टल के साथ संघर्ष क्यों करते हैं
सामग्री खोज के लिए large language models का उपयोग करने की अपील करना आसान है: आपको जो सामग्री चाहिए उसका वर्णन करें, और मॉडल आपको एक उम्मीदवार क्रिस्टल देता है। वास्तविकता गड़बड़ है।
अधिकांश ठोस पदार्थ क्रिस्टलीय होते हैं, परमाणुओं की 3D आवधिक व्यवस्था होती है और ये संरचनाएं विशेष प्रारूपों में रहती हैं न कि उन पाठ धाराओं में जिन पर आज के large language models लोगों को प्रशिक्षित किया जाता है। प्रायोगिक साहित्य एक दूसरा पूर्वाग्रह जोड़ता हैः यह क्रिस्टल के कुछ लोकप्रिय वर्गों पर भारी ध्यान केंद्रित करता है, इसलिए कागज पर प्रशिक्षित मॉडल उन्हीं सामग्रियों की ओर अपने उत्तरों को झुका देते हैं।
ली ने अंतर्निहित मुद्दे को स्पष्ट रूप से रखा हैः "संरचना वास्तव में सामग्री विज्ञान क्षेत्र के केंद्र में है। यदि आप संरचना को समझते हैं, तो आप सामग्रियों के गुणों और प्रदर्शन के बारे में काफी कुछ अनुमान लगा सकते हैं। हम एक सामग्री की परमाणु संरचना और उसके गुणों के बीच संबंध बनाना चाहते थे और मॉडल के लिए प्रसंस्करण करना चाहते थे।"
एक ऐसा मॉडल बनाना जो परमाणु व्यवस्था को "देख" सके
क्रिस्टलीय संरचनाएं - अत्यधिक क्रमबद्ध परमाणु व्यवस्था जो पृथ्वी पर 90 प्रतिशत से अधिक ठोस सामग्रियों का निर्माण करती हैं, आमतौर पर मौजूदा सामग्री मॉडल द्वारा 3 डी ग्राफ के रूप में माना जाता है। large language models ने क्षेत्र में एक नया उपकरण लाया, लेकिन प्रकाशित पत्रों और पुस्तकों पर उनकी निर्भरता भौतिक दुनिया की उनकी समझ को सीमित कर देती है, क्योंकि कई संभावित क्रिस्टल संरचनाएं प्रिंट के बजाय कम्प्यूटेशनल डेटाबेस में बैठती हैं। पाठ-आधारित मॉडलों में भी दृश्य ज्यामिति की कोई समझ नहीं होती है।
एमआईटी शोधकर्ताओं ने क्रिस्टलीय सामग्रियों के लिए एक दृष्टि-भाषा मॉडल का निर्माण करके प्रतिक्रिया दी। उन्होंने विरोधाभासी सीखने का उपयोग करते हुए क्रिस्टल संरचनाओं के पाठ विवरण उत्पन्न करने के लिए भाषा मॉडल को प्रशिक्षित किया, एक दृष्टिकोण जिसमें मॉडल समान और असमान उदाहरणों की तुलना करता है संरचनाएं और वर्णन एक एकीकृत समझ तक पहुंचने के लिए। टीम इस प्रक्रिया को मस्तिष्क के दृश्य और भाषा क्षेत्रों के संरेखण से जोड़ती है।
विवरण स्वयं असामान्य रूप से समृद्ध हैं। प्राकृतिक भाषा के साथ 3 डी परमाणु संरचनाओं का संयोजन करके, मॉडल प्रयोगात्मक शोध पत्रों और प्रथम-नियम कम्प्यूटेशनल डेटाबेस से खींचे गए भाषायी खातों का उत्पादन करता है। ये कथाएं न केवल रासायनिक रचना और संरचना को कवर करती हैं बल्कि गुण, प्रसंस्करण विचार और संभावित अनुप्रयोग भी हैं जो मॉडल को एक सामग्री को उपयोगी बनाने के बारे में व्यापक दृष्टिकोण प्रदान करते हैं।
परीक्षणों ने क्या दिखाया
शोधकर्ताओं ने मॉडल के दो संस्करणों की तुलना कीः एक dataset पर प्रशिक्षित किया गया जिसमें एआई-जनरेट किए गए विवरण शामिल थे, और दूसरा केवल कागजात से पाठ युक्त dataset. उत्पन्न विवरणों पर प्रशिक्षण दिया गया संस्करण सफलतापूर्वक पाठ्य के साथ ज्यामितीय संरचनाओं को संरेखित करने के लिए सीखा, जबकि पेपर-केवल संस्करण नहीं था। टीम ने यह भी दिखाया कि उनका मॉडल उन तरीकों से सामग्री संरचनाओं का ज्यामितीय प्रतिनिधित्व सीखता है जो टेक्स्ट-ओनली मॉडल नहीं कर सकते हैं।
हेडलाइन परिणाम एक व्यावहारिक क्वेरी से आया था। ठोस राज्य लिथियम-आयन बैटरी इलेक्ट्रोलाइट्स के लिए उपयुक्त सामग्रियों की पहचान करने के लिए कहा गया, मॉडल के शीर्ष परिणामों में ऐसी सामग्री शामिल थी जिन्हें स्वतंत्र रूप से आशाजनक उम्मीदवारों के रूप में पहचाना गया था।
"हम एक AI मॉडल बनाना चाहते थे जो सामग्री में व्यापक रूप से काम करता है", ली कहते हैं। "यही कारण है कि हमने केवल मौजूदा कागजात पर भरोसा करने के बजाय कथाओं को संश्लेषित करने का फैसला किया। हमने पाया कि जब हम उस कथा dataset का उपयोग करते हैं, तो मॉडल कार्य की भविष्यवाणी करने में बेहतर होते हैं।"
क्षेत्र के लिए एक संभावित कदम परिवर्तन
ओलिवेटी ने परिणाम को इस बात के संदर्भ में तैयार किया है कि कैसे सामग्री विज्ञान नए उपकरणों को अवशोषित करता है। "कभी-कभी उपयोगी उपकरण की ओर एल्गोरिदमिक एकीकरण के आसपास सामग्री विज्ञान के भीतर ये कदम परिवर्तन होते हैं, जिनका उपयोग क्षेत्र को आगे बढ़ाने के लिए समुदाय द्वारा किया जाता है", वह कहती हैं। "यह दृष्टिकोण हमें तीन आयामी संरचनाओं में अधिक गहराई से देखने और संपत्ति और प्रसंस्करण के लिए संरचनाओं को जोड़ने में मदद कर सकता है। मुझे उम्मीद है कि यह उन चरणों में से एक हो सकता है"।
ली एक जैविक तुलना के लिए पहुंचते हैंः अल्फाफोल्ड, AI मॉडल जो प्रोटीन संरचनाओं को कार्य से जोड़ता है और जैविक अनुसंधान और दवा विकास को आगे बढ़ाने में मदद करता है। समानता महत्वपूर्ण है क्योंकि यह महत्वाकांक्षा का वर्णन करती है - न कि एक चतुर भविष्यवाणी, बल्कि संरचना और व्यवहार के बीच एक सामान्य पुल जिस पर अन्य शोधकर्ता निर्माण कर सकते हैं।
शोधकर्ताओं का मानना है कि यह दृष्टिकोण कई क्रिस्टलीय सामग्रियों पर काम कर सकता है, और वे आशा करते हैं कि अन्य सामग्री वैज्ञानिक इसे अपनाएंगे ताकि अपने स्वयं के कार्य को तेज किया जा सके। "तीन-आयामी क्रिस्टल देखने में सक्षम होना और इसके परमाणु कैसे जुड़े हुए हैं सुपर फाउंडेशनल है", ली कहते हैं।
क्या देखना है
तत्काल महत्व पद्धतिगत है। प्रयोगात्मक साहित्य के विस्तार की प्रतीक्षा करने के बजाय - एक धीमी प्रक्रिया जिसे आकार दिया जाता है जिसके द्वारा सामग्री धन और ध्यान आकर्षित करती है - टीम ने कम्प्यूटेशनल डेटाबेस और कागजात से समान रूप से विवरण उत्पन्न किए, फिर विरोधाभासी सीखने को उन वर्णनों को ज्यामिति से बांधने दें। यह एक टेम्पलेट है जो अन्य समूह पुनः उपयोग कर सकते हैं।
खुले प्रश्न वे हैं जिनका पेपर उत्तर नहीं देता हैः परीक्षण किए गए क्रिस्टल वर्गों से परे दृष्टिकोण कैसे बढ़ता है, और क्या मॉडल के शीर्ष उम्मीदवार केवल रैंकिंग अभ्यास की बजाय संश्लेषण और डिवाइस परीक्षण में बने रहते हैं। ठोस राज्य इलेक्ट्रोलाइट परिणाम ठीक इसलिए उत्साहजनक है क्योंकि स्वतंत्र काम पहले ही उन सामग्रियों को चिह्नित कर चुका था, लेकिन स्वतंत्र पहचान एक कार्यशील बैटरी घटक के समान नहीं है।
इस कार्य को आंशिक रूप से यू.एस Defense Threat Reduction Agency के माध्यम से University Research Alliance; यूएस Defense Advanced Research Projects एजेंसी; और कोरिया की National Research Foundation द्वारा समर्थित किया गया था।

Comments (0)