L'IA del MIT impara a «vedere» i cristalli 3D

Se si chiede ai grandi modelli linguistici di oggi un materiale adatto a una batteria, rispondono basandosi solo sul testo, senza alcuna immagine degli atomi coinvolti. Un team del MIT ha costruito un modello che vuole colmare questo divario. In un articolo su Nature Communications, i ricercatori descrivono un sistema che riceve la disposizione tridimensionale degli atomi di un cristallo e impara a descriverla con le parole. Ha individuato progetti di materiali migliori rispetto ai modelli addestrati solo sul testo.

La maggior parte dei materiali solidi sulla Terra è costituita da cristalli, cioè materiali i cui atomi sono disposti in modelli tridimensionali altamente ordinati e ripetuti, e oltre il 90% dei materiali solidi appartiene a questa categoria. I grandi modelli linguistici, però, apprendono soprattutto da articoli scientifici pubblicati e da libri, e molte possibili strutture cristalline esistono solo in banche dati computazionali. La letteratura sperimentale, inoltre, si concentra fortemente su alcune classi di cristalli molto studiate, e quindi anche le risposte dell'IA tendono a privilegiare quegli stessi materiali. La risposta del team del MIT è stata associare a ogni struttura una descrizione ricca che copre composizione, proprietà, lavorazione e possibili usi, per poi addestrare il modello con l'apprendimento contrastivo: il modello confronta coppie di strutture e testi corrispondenti e non corrispondenti, fino a farle coincidere.

Il confronto con la versione basata solo sul testo è il test più chiaro dell'articolo. I ricercatori hanno addestrato due modelli, uno su descrizioni generate dall'IA e uno solo sul testo degli articoli. Solo il primo ha imparato ad allineare le strutture geometriche con il testo. Chiesto di trovare materiali per gli elettroliti allo stato solido delle batterie agli ioni di litio, il modello ha incluso tra i suoi risultati migliori materiali che altri ricercatori avevano già individuato, in modo indipendente, come candidati promettenti. Data una richiesta in linguaggio naturale che descrive una proprietà, ha individuato materiali cristallini con quella proprietà e ha superato un sistema di riferimento. Ju Li, il professore del MIT che guida il lavoro, lo paragona ad AlphaFold, il modello che ha collegato le strutture delle proteine alla loro funzione, contribuendo a far progredire la ricerca biologica e lo sviluppo di farmaci.

Per gli scienziati dei materiali, il cambiamento immediato è una ricerca che parte dalla proprietà di cui hanno bisogno, anziché da un composto che già conoscono. Un ricercatore che cerca un elettrolita solido migliore potrebbe descrivere il comportamento desiderato e ricevere candidati da esaminare, un compito che oggi dipende dalla lettura di articoli e dalla realizzazione di esperimenti. Olivetti, uno degli autori, esprime la speranza in modo semplice: «Spero che questo possa essere uno di quei cambiamenti decisivi». I ricercatori prevedono che l'approccio funzioni per molti materiali cristallini e sperano che altri scienziati lo adottino. I risultati riportati sono quelli del team stesso, e non è stata fornita alcuna data per una versione utilizzabile da altri gruppi.