As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
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.
Quando se pede aos grandes modelos de linguagem atuais um material adequado a uma bateria, estes respondem apenas com base em texto, sem qualquer imagem dos átomos envolvidos. Uma equipa do MIT criou um modelo que pretende colmatar essa lacuna. Num artigo publicado na Nature Communications, os investigadores descrevem um sistema que recebe a disposição tridimensional dos átomos de um cristal e aprende a descrevê-la em palavras. Identificou conceções de materiais melhores do que os modelos treinados apenas com texto.
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.
A maioria dos materiais sólidos da Terra são cristais, o que significa que os seus átomos se dispõem em padrões tridimensionais altamente ordenados e repetitivos, e mais de 90 % dos materiais sólidos são deste tipo. Os grandes modelos de linguagem, no entanto, aprendem sobretudo a partir de artigos científicos publicados e de livros, e muitas estruturas cristalinas possíveis existem apenas em bases de dados computacionais. A literatura experimental concentra-se também em algumas classes populares de cristais, pelo que os resultados da IA tendem a privilegiar esses mesmos materiais. A resposta da equipa do MIT foi associar a cada estrutura uma descrição rica, que abrange a composição, as propriedades, o processamento e as possíveis utilizações, e treinar depois o modelo com aprendizagem contrastiva: o sistema compara pares de estruturas e textos correspondentes e não correspondentes, até que os dois se alinhem.
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.
A comparação com uma versão treinada apenas com texto é o teste mais claro do artigo. Os investigadores treinaram dois modelos, um com descrições geradas por IA e outro com texto retirado apenas de artigos. Só o primeiro aprendeu a alinhar estruturas geométricas com texto. Quando lhe foi pedido que encontrasse materiais para eletrólitos sólidos de baterias de iões de lítio, os seus melhores resultados incluíram materiais que outros investigadores tinham identificado de forma independente como candidatos promissores. Perante uma pergunta em linguagem natural que descrevia uma propriedade, identificou materiais cristalinos com essa propriedade e superou uma referência de comparação. Ju Li, o professor do MIT que lidera o trabalho, compara-o ao AlphaFold, o modelo que associou estruturas de proteínas à sua função e ajudou a fazer avançar a investigação biológica e o desenvolvimento de medicamentos.
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.
Para os cientistas de materiais, a mudança imediata é uma pesquisa que parte da propriedade de que precisam, em vez de um composto que já conhecem. Um investigador à procura de um eletrólito sólido melhor poderia descrever o comportamento pretendido e receber candidatos para analisar, uma tarefa que hoje depende da leitura de artigos e da realização de experiências. Olivetti, um dos autores, resume a esperança sem rodeios: «Espero que isto possa ser uma dessas grandes viragens.» Os investigadores esperam que a abordagem funcione em muitos materiais cristalinos e gostariam que outros cientistas a utilizassem. Os resultados divulgados são da própria equipa, e não foi indicada nenhuma data para uma versão que outros grupos possam utilizar.