Beide Fassungen sind Block für Block ausgerichtet, in der Reihenfolge des Textes: Titel, das Wesentliche, dann Absatz für Absatz. Wo die Übersetzung einen Absatz zusammengezogen oder geteilt hat, bleibt das entsprechende Feld leer — wir stellen niemals zwei Passagen nach Gefühl nebeneinander.
Ask today's large language models for a material suited to a battery and they answer from text alone, without any picture of the atoms involved. A team at MIT has built a model meant to close that gap. In a paper in Nature Communications, the researchers describe a system that is shown the three-dimensional arrangement of atoms in a crystal and learns to describe it in words. It identified better material designs than models trained on text alone.
Fragt man heutige große Sprachmodelle nach einem Material, das sich für eine Batterie eignet, antworten sie allein auf Grundlage von Text, ohne jegliche Vorstellung von den beteiligten Atomen. Ein Team am MIT hat ein Modell entwickelt, das diese Lücke schließen soll. In einer Arbeit in Nature Communications beschreiben die Forscher ein System, dem die dreidimensionale Anordnung der Atome in einem Kristall gezeigt wird und das lernt, diese in Worten zu beschreiben. Es fand bessere Materialentwürfe als Modelle, die nur mit Text trainiert wurden.
Most solid materials on Earth are crystals, meaning their atoms sit in highly ordered, repeating three-dimensional patterns, and more than 90 percent of solid materials are of this kind. Large language models, however, learn mostly from published papers and books, and many possible crystal structures exist only in computational databases. The experimental literature is also heavily concentrated on a few popular classes of crystals, so AI outputs tend to skew toward those same materials. The MIT team's answer was to pair each structure with a rich description covering composition, properties, processing and possible uses, then train the model with contrastive learning: it compares matching and mismatched pairs of structures and texts until the two align.
Die meisten festen Materialien auf der Erde sind Kristalle, das heißt, ihre Atome sind in hochgeordneten, sich wiederholenden dreidimensionalen Mustern angeordnet, und mehr als 90 Prozent der festen Materialien sind von dieser Art. Große Sprachmodelle lernen jedoch vor allem aus veröffentlichten Fachartikeln und Büchern, und viele mögliche Kristallstrukturen existieren nur in computergestützten Datenbanken. Auch die experimentelle Fachliteratur konzentriert sich stark auf einige wenige beliebte Kristallklassen, weshalb die Ergebnisse von KI-Systemen tendenziell genau auf diese Materialien hinauslaufen. Die Antwort des MIT-Teams bestand darin, jede Struktur mit einer reichhaltigen Beschreibung zu verbinden, die Zusammensetzung, Eigenschaften, Verarbeitung und mögliche Einsatzzwecke abdeckt, und das Modell anschließend mit kontrastivem Lernen zu trainieren: Es vergleicht passende und unpassende Paare aus Strukturen und Texten, bis beide übereinstimmen.
The comparison with a text-only version is the clearest test in the paper. The researchers trained two models, one on AI-generated descriptions and one on text from papers only. Only the first learned to align geometric structures with text. Asked to find materials for solid-state lithium-ion battery electrolytes, the model's top results included materials that other researchers had independently identified as promising candidates. Given a natural language query describing a property, it identified crystalline materials with that property and outperformed a baseline. Ju Li, the MIT professor who leads the work, compares it to AlphaFold, the model that linked protein structures to their function and helped advance biological research and drug development.
Der Vergleich mit einer reinen Textvariante ist der deutlichste Test in der Arbeit. Die Forscher trainierten zwei Modelle, eines mit KI-generierten Beschreibungen und eines nur mit Text aus Fachartikeln. Nur das erste lernte, geometrische Strukturen mit Text in Einklang zu bringen. Auf die Aufforderung, Materialien für Festkörper-Elektrolyte in Lithium-Ionen-Batterien zu finden, gehörten zu den besten Ergebnissen des Modells Materialien, die andere Forscher unabhängig voneinander als vielversprechende Kandidaten ausgemacht hatten. Auf eine Anfrage in natürlicher Sprache, die eine Eigenschaft beschreibt, fand es kristalline Materialien mit dieser Eigenschaft und übertraf damit einen Vergleichsmaßstab. Ju Li, der MIT-Professor, der die Arbeit leitet, vergleicht das Modell mit AlphaFold, dem System, das Proteinstrukturen mit ihrer Funktion verknüpfte und die biologische Forschung und Medikamentenentwicklung voranbrachte.
For materials scientists, the immediate change is a search that starts from the property they need instead of from a compound they already know. A researcher looking for a better solid electrolyte could describe the behaviour wanted and receive candidates to examine, a task that today depends on reading papers and running experiments. Olivetti, one of the authors, puts the hope plainly: “I hope this can be one of those step changes.” The researchers expect the approach to work across many crystalline materials, and they hope other scientists will use it. The reported results are the team's own, and no date has been given for a version other groups can use.
Für Materialwissenschaftler besteht die unmittelbare Veränderung darin, dass eine Suche bei der Eigenschaft beginnt, die sie benötigen, und nicht bei einer Verbindung, die sie bereits kennen. Ein Forscher, der einen besseren Festkörper-Elektrolyten sucht, könnte das gewünschte Verhalten beschreiben und Kandidaten zur Prüfung erhalten – eine Aufgabe, die heute vom Lesen von Fachartikeln und vom Durchführen von Experimenten abhängt. Olivetti, einer der Autoren, bringt die Hoffnung schlicht auf den Punkt: „Ich hoffe, dass dies einer dieser Quantensprünge sein kann.“ Die Forscher erwarten, dass der Ansatz bei vielen kristallinen Materialien funktioniert, und sie hoffen, dass andere Wissenschaftler ihn nutzen werden. Die berichteten Ergebnisse stammen vom Team selbst, und für eine Version, die andere Gruppen verwenden können, wurde noch kein Termin genannt.