Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
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.
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.
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.
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.
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.
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.
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.
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.