MIT 团队构建多模态 AI 模型，让大语言模型“看懂”晶体三维结构

原则上，人工智能可以让为某项应用寻找合适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，它就会为他们提供完美设计的晶体。

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，晶体是原子的三维周期性排列，其结构以专门的格式存储，而非当今大语言模型训练所用的文本流。实验文献也严重偏向少数几类热门晶体，导致 AI 的输出也偏向这些材料。

如今，麻省理工学院的研究人员创建了一个多模态 AI 模型来解决这些问题。该模型将三维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。这种统一的描述不仅概述了化学成分和结构，还涵盖了其性质、加工考量和潜在应用，帮助 AI 更多地了解是什么让材料具有影响力。

在Nature Communications 上发表的一篇新论文中，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材料的物质。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，你就能推断出材料的许多性质和性能。我们希望在模型中建立材料的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；最近毕业于伊利诺伊大学厄巴纳-香槟分校计算机工程专业的 Mayank Kumaran；Chia-Wei Hsu SM ’26；以及 DMSE 的 Jerry McAfee（1940）工程学教授 Elsa Olivetti。

让模型以三维方式“看”

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，提出并设计了新的晶体结构，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。 大多数此类模型将固体晶体材料视为三维图。

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，限制了它们对物理世界的了解，因为许多潜在的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。

为了克服这些挑战，研究人员决定为晶体材料创建一个视觉-语言模型。

他们训练了一个语言模型，使用一种称为对比学习的方法来生成晶体结构的文本描述，在该方法中，模型会比较结构和文本描述的相似与不相似示例，以实现统一的理解。这类似于对齐大脑的视觉和语言区域。

训练完成后，研究人员比较了两个版本模型的预测：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，而另一个则没有。

“我们想创建一个能够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这种围绕算法集成走向有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 将该模型比作 AlphaFold，这是一个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他们的工作。

“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。