MIT 团队构建多模态 AI 模型，让大模型“看懂”晶体三维结构

MIT News· Zach Winn | MIT News·2026-10-18 12:00· 53 分钟前AI 评分42

让 AI 对材料世界拥有“清晰透彻”的视野

AI 导读

MIT 研究人员构建了一个多模态 AI 模型，将晶体的 3D 原子结构与自然语言描述结合，生成涵盖化学组成、结构、性质、加工与应用的统一描述。在 Nature Communications 论文中，该系统在筛选固态锂离子电池电解质材料时，给出的候选包含已被独立研究认定为有前景的材料，表现优于仅用文本训练的模型。

正文 · 原文

从原理上讲，人工智能可以让为某项应用找到合适的材料变得像点餐一样简单：科学家只需告诉大语言模型他们想要什么，它就会为其提供一款为该任务完美设计的晶体。

遗憾的是，这种方法目前还不太奏效，问题归根结底在于数据：大多数材料由晶体构成，晶体是原子的 3D 周期性排列，其结构以专门格式存储，而非当今大语言模型所训练使用的文本流。实验文献也严重偏向少数几类热门晶体，导致 AI 的输出向这些材料倾斜。

如今，MIT 研究人员创建了一个多模态 AI 模型来解决这些问题。该模型将 3D 原子结构与自然语言描述相结合，从实验研究论文和第一性原理计算数据库中生成关于结构的丰富语言描述。这种统一描述不仅概述了化学组成和结构，还涵盖其性质、加工考量以及潜在应用，帮助 AI 更深入地了解是什么让材料具有影响力。

在发表于 Nature Communications 的新论文中，研究人员展示了他们的系统通过让模型“看到”原子排列和成键模式，能够比仅用文本流训练的模型识别出更好的材料设计。例如，当研究人员要求模型识别适用于固态锂离子电池电解质的材料时，其排名靠前的结果中包含了已被独立认定为有前景候选的材料。研究人员还表明，他们的模型以纯文本模型无法做到的方式学习到了材料结构的几何表示。

“结构确实是材料科学领域的核心，”材料科学与工程系（DMSE）卡尔·理查德·索德伯格电力工程教授 Ju Li 说。“如果你理解了结构，就能推断出材料的许多性质和性能。我们希望为模型建立材料原子结构与其性质和加工之间的联系。”

与 Li 共同撰写该模型论文的还有第一作者、前 MIT 博士后 Yang Jeong Park；近期毕业于伊利诺伊大学厄巴纳-香槟分校计算机工程的 Mayank Kumaran；SM ’26 的 Chia-Wei Hsu；以及 DMSE 的 Jerry McAfee（1940）工程学教授 Elsa Olivetti。

让模型以 3D 方式观察

材料科学家一直在寻找能催生未来产品的新晶体。在过去十年里，AI 重塑了这一过程，提出并设计新的晶体结构——这些结构具有高度有序的原子结构，构成了地球上 90% 以上的固体材料。 其中大多数模型将固体晶体材料视为 3D 图。

大语言模型的兴起为研究人员提供了另一种创新工具。但现有的大语言模型严重依赖已发表论文和书籍中的文本，这限制了它们对物理世界的认知，因为许多潜在晶体结构存储在计算数据库中。基于文本的模型也缺乏对视觉几何的理解。

为克服这些挑战，研究人员决定为晶体材料创建一个视觉-语言模型。

他们采用一种称为对比学习的方法训练语言模型生成晶体结构的文本描述，该方法让模型比较相似与不相似的结构示例和文本描述，从而实现统一理解。这类似于对齐大脑的视觉区域和语言区域。

训练完成后，研究人员比较了两个版本模型的预测结果：一个版本在包含AI生成描述的数据集上训练，另一个版本在仅包含论文文本的数据集上训练。他们发现，在AI生成描述上训练的模型成功学会了如何将几何结构与文本描述对齐，而另一个模型则没有。

“我们希望创建一个能广泛适用于各种材料的AI模型，”Li说。“这就是为什么我们决定合成叙述，而不是仅仅依赖现有论文。我们发现，当我们使用那个叙述数据集时，模型在预测功能方面表现更好。”

加速材料科学

随后，研究人员展示了他们的模型可以接受描述某种性质的自然语言查询，并识别出具有该性质的晶体材料，表现优于基线。

“材料科学中有时会出现围绕算法集成走向实用工具的阶跃式变化，社区利用这些工具进一步推动该领域发展，”Olivetti说。“这种方法帮助我们更深入地观察三维结构，并将结构与性质和加工联系起来。我希望这能成为这样的阶跃式变化之一。”

Li将该模型与AlphaFold相提并论，后者是一种将蛋白质结构与功能联系起来的AI模型，已帮助推进生物学研究和药物开发。

研究人员相信他们的新方法可以适用于许多晶体材料，并希望其他材料科学家能利用它来加速自己的工作。

“能够看到一个三维晶体及其原子如何连接是非常基础性的，”Li说。“我认为这对任何从事材料科学实践的人都会有用。”

这项工作部分得到了美国国防威胁降低局通过大学研究联盟、美国国防高级研究计划局以及韩国国家研究基金会的支持。

来源：MIT News · news.mit.edu