Model AI z MIT łączy trójwymiarowe struktury kryształów z tekstem, by znajdować nowe materiały

Naukowcy z Massachusetts Institute of Technology opracowali multimodalny model AI, który łączy trójwymiarowe struktury atomowe materiałów krystalicznych z opisami w języku naturalnym. Praca, opublikowana w czasopiśmie Nature Communications i ogłoszona 18 października 2026 roku, pokazuje, że system potrafi wskazać lepsze projekty materiałów niż modele trenowane wyłącznie na tekście.

Problem leży przede wszystkim w danych. Większość stałych materiałów to kryształy, czyli okresowe, trójwymiarowe układy atomów, których struktury są zapisywane w specjalistycznych formatach plików, a nie w tekście, na którym uczą się duże modele językowe. Literatura eksperymentalna koncentruje się też na kilku popularnych klasach kryształów, co sprawia, że sugestie AI skłaniają się właśnie ku tym samym materiałom.

Nauczyć model dostrzegać strukturę

Zespół wygenerował bogate opisy narracyjne struktur krystalicznych, opierając się na artykułach eksperymentalnych oraz obliczeniowych bazach danych opartych na zasadach pierwszych. Każdy opis obejmuje skład i strukturę, a także właściwości, uwarunkowania przetwarzania i możliwe zastosowania. Model trenowano metodą uczenia kontrastowego, porównując pasujące i niepasujące pary struktur oraz tekstów, aby zbudować wspólną reprezentację.

Gdy badacze porównali wersję wytrenowaną na syntetycznych opisach z wersją trenowaną wyłącznie na tekstach z artykułów, tylko ta pierwsza nauczyła się dopasowywać struktury geometryczne do języka. Na zapytanie w zwykłym języku opisujące daną właściwość model odnajdywał kryształy o tej właściwości skuteczniej niż model bazowy.

Po poproszeniu o materiały nadające się do elektrolitów stałych akumulatorów litowo-jonowych model umieścił wśród swoich najlepszych wyników kandydatów, które wcześniej, niezależnie od siebie, wskazały inne prace jako obiecujące. "Struktura jest naprawdę w sercu nauki o materiałach" – powiedział Ju Li, profesor w Departamencie Inżynierii Materiałowej i Nauki o Materiałach MIT.

AlphaFold dla kryształów

Li porównuje to podejście do AlphaFold, systemu AI łączącego strukturę białek z ich funkcją, który wspiera biologię i odkrywanie leków. Współautorami są pierwszy autor Yang Jeong Park, Mayank Kumaran, Chia-Wei Hsu oraz profesor Elsa Olivetti, która wyraziła nadzieję, że ta metoda może oznaczać przełom dla tej dziedziny.

Badania były częściowo finansowane przez amerykańską Defense Threat Reduction Agency, amerykańską Defense Advanced Research Projects Agency oraz Narodową Fundację Badawczą Korei. Zespół uważa, że metoda ma zastosowanie do wielu materiałów krystalicznych i liczy na to, że inni naukowcy ją przyjmą.