Il MIT costruisce un'IA in grado di vedere strutture cristalline in 3D

Guardare i cristalli in tre dimensioni

Gli scienziati dei materiali trascorrono anni alla caccia dei giusti cristalli — arrangiamenti altamente ordinati di atomi che compongono più del 90 percento dei materiali solidi sulla Terra — ma un nuovo modello di IA dai ricercatori del MIT potrebbe accelerare notevolmente quella ricerca permettendo alle macchine di "vedere" le strutture atomiche come farebbe un essere umano.

Pubblicato su Nature Communications, il sistema prende layout atomici 3D e li associa a descrizioni in linguaggio naturale tratte da documenti sperimentali e database computazionali, creando una comprensione più ricca rispetto ai modelli addestrati solo sul testo ¹.

La maggior parte degli approcci di IA esistenti tratta i cristalli come grafi 3D, ma trascura le sfumature visive e geometriche che contano quando si vuole prevedere il comportamento di un materiale ¹. Il team del MIT voleva colmare questo divario.

Come impara il modello

I ricercatori hanno addestrato il sistema utilizzando una tecnica chiamata apprendimento contrastivo, in cui il modello confronta esempi simili e diversi di strutture cristalline insieme alle loro descrizioni testuali, imparando gradualmente ad allineare i due fino a comprendere come la geometria mappi il linguaggio — proprio come le regioni visive e linguistiche del cervello lavorano insieme ¹.

Invece di affidarsi esclusivamente a ciò che era già stato pubblicato, il team ha sintetizzato nuove narrazioni che intrecciavano composizione, struttura, proprietà e potenziali utilizzi in descrizioni unificate ¹. Quella scelta ha avuto importanza: quando testato contro una versione addestrata solo sul testo dei documenti, il modello addestrato con narrazioni era migliore nel prevedere la funzione .

Cosa può fare

Quando i ricercatori hanno chiesto al modello di trovare cristalli adatti per elettroliti per batterie agli ioni di litio allo stato solido, i suoi migliori risultati coincidevano con materiali che altri ricercatori avevano indipendentemente segnalato come promettenti ¹. Il modello ha inoltre appreso rappresentazioni geometriche delle strutture cristalline che i sistemi solo testuali non potevano, indicando una comprensione più profonda dell'arrangiamento atomico e dei pattern di legame .

Ju Li, il professore Carl Richard Soderberg in Ingegneria Energetica al MIT, ha dichiarato che il lavoro è stato guidato dalla convinzione che la struttura sia al centro della scienza dei materiali ¹. "Se capisci la struttura, puoi dedurre abbastanza molte cose sulle proprietà e le prestazioni dei materiali", ha detto .

La squadra di ricerca includeva anche come primo autore Yang Jeong Park, un ex ricercatore post-dottorato del MIT; Mayank Kumaran, un recente laureato in ingegneria informatica dell'Università dell'Illinois Urbana-Champaign; Chia-Wei Hsu, che possiede una laurea magistrale (SM) dal MIT; ed Elsa Olivetti, la professoressa Jerry McAfee in Ingegneria nel Dipartimento di Scienza e Ingegneria dei Materiali del MIT.

Perché conta

Trovare nuovi materiali è stato tradizionalmente un processo lento, basato su molti tentativi. Dando all'IA una visione più chiara di come gli atomi siano disposti in 3D e collegandola a proprietà e applicazioni del mondo reale, il modello potrebbe aiutare i ricercatori a identificare candidati migliori più rapidamente — potenzialmente accelerando lo sviluppo di batterie, semiconduttori e altre tecnologie che dipendono da cristalli avanzati ¹.

Olivetti ha dichiarato che spera che l'approccio diventi uno strumento utile che la comunità più ampia adotterà mentre il campo si sposta verso una maggiore integrazione algoritmica ¹. "A volte ci sono questi cambiamenti di passo nella scienza dei materiali riguardo all'integrazione algoritmica verso strumenti utili, che la comunità usa per far avanzare ulteriormente il campo", ha detto .

La strada davanti

Per ora, il sistema è stato testato su ricerche specifiche di proprietà e materiali legati alle batterie, ma i ricercatori affermano che l'approccio è progettato per funzionare in modo ampio attraverso classi di composti cristallini piuttosto che prendere di mira una sola applicazione ¹. Man mano che i dataset sui materiali crescono e i modelli multimediali maturano, lo stesso framework potrebbe alla fine permettere agli scienziati di descrivere ciò di cui hanno bisogno in linguaggio semplice e ricevere una lista ridotta di strutture cristalline che si adattano .

Quella visione — un futuro in cui trovare il materiale giusto è semplice come porre la domanda giusta — è ancora avanti, ma questo modello segna un passo significativo verso renderlo reale.

I fatti principali

I cristalli compongono più del 90 percento dei materiali solidi sulla Terra.
Il modello è stato addestrato utilizzando apprendimento contrastivo per allineare strutture atomiche 3D con descrizioni testuali.
Ha superato i modelli solo testuali quando chiesto di trovare materiali per elettroliti per batterie agli ioni di litio allo stato solido.
La ricerca è stata pubblicata su Nature Communications.
I ricercatori del MIT hanno sintetizzato nuove descrizioni narrative anziché affidarsi esclusivamente al testo dei documenti esistenti.

Fonti

Giving AI a “crystal clear” view of the materials world