Un modello AI del MIT collega le strutture cristalline 3D al testo per scoprire nuovi materiali

Ricercatori del Massachusetts Institute of Technology hanno sviluppato un modello AI multimodale che combina le strutture atomiche tridimensionali dei materiali cristallini con descrizioni in linguaggio naturale. Il lavoro, pubblicato su Nature Communications e annunciato il 18 ottobre 2026, dimostra che il sistema riesce a individuare progetti di materiali migliori rispetto ai modelli addestrati esclusivamente sul testo.

La difficoltà riguarda soprattutto i dati. La maggior parte dei materiali solidi è costituita da cristalli, disposizioni periodiche tridimensionali di atomi, le cui strutture sono conservate in formati di file specializzati e non nel testo su cui apprendono i grandi modelli linguistici. Inoltre, la letteratura sperimentale si concentra su poche classi cristalline molto diffuse, che spingono i suggerimenti dell'AI verso quegli stessi materiali.

Insegnare a un modello a riconoscere la struttura

Il team ha generato descrizioni dettagliate delle strutture cristalline, attingendo a articoli sperimentali e a banche dati computazionali basate su calcoli ab initio. Ogni descrizione riguarda la composizione e la struttura, oltre alle proprietà, alle considerazioni sui processi di lavorazione e alle possibili applicazioni. Il modello è stato addestrato con l'apprendimento contrastivo, confrontando coppie di strutture e testi corrispondenti e non corrispondenti, per costruire una rappresentazione condivisa.

Quando i ricercatori hanno confrontato una versione addestrata sulle descrizioni sintetizzate con una addestrata solo sul testo degli articoli, soltanto la prima ha imparato ad associare le strutture geometriche al linguaggio. Data una richiesta in linguaggio semplice che descrive una proprietà, il modello ha recuperato cristalli con quella proprietà con maggiore successo rispetto a un modello di riferimento.

Quando gli è stato chiesto di indicare materiali adatti agli elettroliti allo stato solido per batterie agli ioni di litio, il modello ha inserito tra i suoi primi risultati candidati che altri studi avevano già segnalato come promettenti. "La struttura è davvero al centro della scienza dei materiali", ha dichiarato Ju Li, professore del Dipartimento di Scienza e Ingegneria dei Materiali del MIT.

Un AlphaFold per i cristalli

Li paragona l'approccio ad AlphaFold, il sistema AI che collega la struttura delle proteine alla loro funzione e che ha contribuito alla biologia e alla scoperta di farmaci. Tra i coautori figurano il primo autore Yang Jeong Park, Mayank Kumaran, Chia-Wei Hsu e la professoressa Elsa Olivetti, che ha espresso la speranza che il metodo possa segnare una svolta per il settore.

La ricerca è stata sostenuta in parte dalla U.S. Defense Threat Reduction Agency, dalla U.S. Defense Advanced Research Projects Agency e dalla National Research Foundation of Korea. Il team ritiene che il metodo sia applicabile a molti materiali cristallini e auspica che altri scienziati lo adottino.