Yapay Zekaya Malzeme Dünyasını “Kristal Berraklığında” Görmeyi Sağlayan Devrim.

Yeni araştırma, yapay zekâ modellerinin kristal malzemeleri üç boyutlu olarak anlamasına ve özellikleri hakkında muhakeme yürütmesine yardımcı olabilir.

Zach Winn

|

MIT News

Yayın Tarihi

Basın İlişkileri:

Abby

Abazorius

E-posta:

Telefon:

617-253-2709

MIT News Ofisi

Medya İndirme

↓

Açıklama

MIT araştırmacıları, farklı uygulamalar için en uygun kristal malzemeleri belirleyebilen bir yapay zekâ modeli geliştirdi.

Kaynak

*Kullanım Şartları:

MIT News ofisi web sitesinde indirilebilen görseller, ticari olmayan kuruluşlara, basına ve genel halka
Creative Commons Atıf-Ticari Olmayan-Düzenleme Yapama lisansı altında sunulmaktadır.
İndirilen görselleri boyutlandırmak dışında değiştiremezsiniz. Görselleri yeniden yayınlarken bir kaynak belirtmeniz gerekir; aşağıda bir kaynak verilmediyse
görselleri “MIT” olarak belirtin.

Açıklama

MIT araştırmacıları, farklı uygulamalar için en uygun kristal malzemeleri belirleyebilen bir yapay zekâ modeli geliştirdi.

Kaynak

Prensip olarak, yapay zekâ belirli bir uygulama için doğru malzemenin bulunmasını akşam yemeği siparişi verecek kadar kolaylaştırabilir: Bilim insanları büyük bir dil modeline ne istediklerini söyler, model de onlar için o işe mükemmel malzemeyi sunar.

Ne yazık ki, bu yaklaşım henüz iyi çalışmıyor ve sorun veriye dayanıyor: Çoğu malzeme bugünün büyük dil modellerinin eğitildiği metin akışları değil, üç boyutlu kristal düzenlemelerden oluşuyor. Deneysel literatür de birkaç popüler kristal sınıfına ağır biçimde eğilimli olduğundan, yapay zekâ çıktıları bu malzemelere kayıyor.

MIT araştırmacıları şimdi bu sorunlarla başa çıkan çok modlu bir yapay zekâ modeli geliştirdi. Model, 3B atomik yapıları doğal dil açıklamalarıyla birleştirerek, deney araştırmaları makalelerinden ve ilk ilkeler üzerine kurulu hesaplama veri tabanlarından yapılar hakkında zengin dilbilimsel açıklamalar oluşturuyor. Birleştirilmiş açıklama yalnızca kimyasal bileşimi ve yapıyı değil, aynı zamanda özellikleri, işlenme açısından göz önüne alınması gerekenleri ve olası uygulamaları da özetleyerek yapay zekânın malzemelerin neyi etkileyici kıldığını daha iyi anlamasına yardımcı oluyor.

Nature Communications dergisinde yayımlanan yeni bir makalede araştırmacılar, modellerinin atomik düzenlemeleri ve bağlanma kalıplarını “görebilmesini” sağlayarak, yalnızca metin akışlarıyla eğitilen modellerden daha iyi malzeme tasarımlarını belirleyebildiğini gösterdi. Örneğin araştırmacılar modelden katı hal lityum-iyon batarya elektrolitleri için uygun malzemeleri belirlemesini istediğinde, en iyi sonuçlar arasında, vaat vaat adayları olarak bağımsız olarak belirlenmiş malzemeler de yer aldı. Araştırmacılar ayrıca modellerinin, yalnızca metin modellerinin yapamadığı biçimlerde malzeme yapılarının geometrik temsillerini öğrendiğini gösterdi.

“Yapı gerçekten malzeme bilimi alanının kalbinde yer alıyor,” diyor Malzeme Bilimi ve Mühendisliği ile Nükleer Bilimi ve Mühendisliği bölümlerinde Güç Mühendisliği alanında Carl Richard Soderberg Profesörü Ju Li. “Yapıyı anlıyorsanız, malzemelerin özellikleri ve performansları hakkında oldukça fazla şey çıkarabilirsiniz. Model için bir malzemenin atomik yapısı ile onun özellikleri ve işlenmesi arasında bir bağ kurmak istedik.”

Model hakkındaki makalede Li’ye katılanlar, ilk yazar ve eski MIT doktora sonrası araştırmacısı Yang Jeong Park; University of Illinois Urbana-Champaign’den yeni mezun olmuş bir bilgisayar mühendisliği mezunu Mayank Kumaran; Chia-Wei Hsu SM ’26 ve DMSE’de Jerry McAfee (1940) Mühendisliği Profesörü Elsa Olivetti.

Modellerin 3B görmesini sağlamak

Malzeme bilimcileri, geleceğin ürünlerine yol açacak yeni kristalleri bulmak için sürekli bir arayış içindedir. Son on yılda yapay zekâ bu süreci yeniden şekillendirdi; yüksek derecede düzenli atomik yapılar sergileyen ve Dünya’daki katı malzemelerin yüzde 90’dan fazlasını oluşturan yeni kristal yapılar önerip tasarladı. Bu modellerin çoğu katı kristal malzemeleri 3 boyutlu grafikler olarak ele alır.

Büyük dil modellerinin yükselişi, araştırmacılara yenilik için yeni bir araç daha sundu. Ancak mevcut büyük dil modelleri büyük ölçüde yayımlanmış makale ve kitaplardaki metne dayanıyor; potansiyel kristal yapıların çoğunun hesaplamalı veritabanlarında saklanması, bunların fiziksel dünyaya dair bilgi edinmelerini sınırlıyor. Metin tabanlı modeller ayrıca görsel geometriyi anlama konusunda da yetersiz kalıyor.

Bu zorlukları aşmak için araştırmacılar, kristal malzemeler için bir görsel-dil modeli oluşturmaya karar verdi.

Araştırmacılar, karşılaştırmalı öğrenme olarak bilinen bir yaklaşım kullanarak bir dil modelini kristal yapıların metinsel açıklamalarını üretmeye eğittirdi; bu yaklaşımda modeller benzer ve benzersiz yapı ile metinsel açıklama örneklerini karşılaştırarak birleştirilmiş bir anlayış elde eder. Bu, beynin görsel ve dil bölgelerini hizalamaya benzer.

Eğitimden sonra araştırmacılar, modelin iki sürümünün tahminlerini karşılaştırdı: biri yapay zekâ tarafından üretilen açıklamaları içeren bir veri setiyle, diğeri ise yalnızca makalelerden oluşan bir veri setiyle eğitildi. Yapay zekâ tarafından üretilen açıklamalarla eğitilen modelin geometrik yapıları metinsel açıklamalarla hizalama becerisini başarıyla kazandığını, diğerinin ise bunu başaramadığını buldu.

“Geniş bir malzeme yelpazesinde çalışan bir yapay zekâ modeli oluşturmak istedik” diyor Li. “Bu yüzden yalnızca mevcut makalelere dayanmak yerine anlatıları sentezlemeye karar verdik. Bu anlatım veri setini kullandığımızda modellerin fonksiyonu tahmin etmede daha başarılı olduğunu bulduk.”

Malzeme bilimini hızlandırmak

Araştırmacılar ardından modellerinin, bir özelliği doğal dil sorgusuyla tarif edip o özelliğe sahip kristal malzemeleri belirleyebileceğini gösterdi ve bu konuda bir temel (baseline) modeli geride bıraktı.

“Malzeme biliminde, topluluğun alanı daha ileri taşımak için kullandığı kullanışlı araçlara yönelik algoritmik entegrasyon etrafında zaman zaman bu tür sıçramalı değişimler yaşanıyor” diyen Olivetti, “Bu yaklaşım, üç boyutlu yapıların içine daha derinlemesine bakmamızı ve yapıları özelliklerle ve işleme süreçleriyle birbirine bağlamamızı sağlıyor. Umarım bu, o sıçramalı değişimlerden biri olabilir.”

Li, modeli protein yapılarını işlevleriyle ilişkilendiren ve biyolojik araştırmaları ile ilaç geliştirmeyi ilerletmeye yardımcı olan, bir yapay zekâ modeli olan AlphaFold’a benzetiyor.

Araştırmacılar, yeni yaklaşımlarının birçok kristal malzemede işe yarayabileceğine inanıyor ve diğer malzeme bilimcilerin çalışmalarını hızlandırmak için bunu kullanmasını umuyorlar.

“Üç boyutlu bir kristali ve atomlarının nasıl bağlandığını görebilmek son derece temel bir şey” diyor Li. “Bu aracın malzeme bilimiyle uğraşan herkes için faydalı olacağını düşünüyorum.”

Araştırma, kısmen Üniversite Araştırma İttifakı aracılığıyla ABD Tehdit Azaltma Ajansı (Defense Threat Reduction Agency), ABD Savunma İleri Araştırma Projeleri Ajansı (Defense Advanced Research Projects Agency) ve Kore Ulusal Araştırma Vakfı tarafından desteklendi.

Bu haber makalesini paylaş:

• X

Makale: “Scaling multimodal materials representation learning with synthetic narratives”

İlgili Bağlantılar

• Ju Li
• Elsa Olivetti
• Malzeme Bilimi ve Mühendisliği Bölümü
• Nükleer Bilimi ve Mühendisliği Bölümü
• Mühendislik Fakültesi

• Araştırma
• Malzeme Bilimi ve Mühendisliği
• Nükleer Bilimi ve Mühendisliği
• Yapay zekâ
• Makine öğrenimi
• Veri
• DMSE
• Mühendislik Fakültesi