MIT'nin yeni yapay zekâ modeli kristal yapıları metinle eşleştirerek malzeme arıyor

Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, kristal malzemelerin üç boyutlu atom düzenlerini doğal dildeki açıklamalarla bir araya getiren çok kipli bir yapay zekâ modeli geliştirdi. Ekip, sonuçlarını 18 Ekim 2026'da duyurulan ve Nature Communications dergisinde yayımlanan makalede paylaştı. Araştırmacılara göre model, yalnızca metinle eğitilmiş modellere kıyasla daha isabetli malzeme tasarımları belirleyebiliyor.

Sorunun kökü veride yatıyor. Katı malzemelerin büyük bölümü, atomların üç boyutta tekrarlanan düzenlerden oluştuğu kristallerdir ve bu yapılar, büyük dil modellerinin eğitildiği metin akışlarında değil, özel formatlarda saklanır. Ayrıca deneysel literatür birkaç popüler kristal sınıfına ağırlık verdiği için yapay zekâ çıktıları da bu malzemelere kayma eğilimi gösteriyor.

Yapıyı ve metni aynı dilde buluşturmak

Ekip, deneysel makalelerden ve ilk ilkeler hesaplamalarına dayanan veri tabanlarından yararlanarak her kristal için kapsamlı anlatılar üretti. Bu açıklamalar yalnızca kimyasal bileşimi ve yapıyı değil, özellikleri, üretim koşullarını ve olası kullanım alanlarını da içeriyor. Model, benzer ve farklı örnekleri karşılaştırarak yapı ile metni hizalayan karşıtlıklı öğrenme (contrastive learning) yöntemiyle eğitildi.

Araştırmacılar, yapay zekâ tarafından üretilmiş açıklamalarla eğitilen sürümü yalnızca makale metinleriyle eğitilen sürümle karşılaştırdı. Sonuçlara göre ilk sürüm geometrik yapıları metinle eşleştirmeyi öğrenirken ikincisi bunu başaramadı. Doğal dilde bir özellik tarif edildiğinde model, o özelliğe sahip kristalleri karşılaştırma modelinden daha başarılı biçimde buldu.

Örneğin katı hâl lityum iyon pillerde elektrolit olarak kullanılabilecek malzemeler sorulduğunda, modelin ilk sıralardaki önerileri arasında başka çalışmalarda bağımsız olarak umut verici bulunmuş adaylar yer aldı. Malzeme Bilimi ve Mühendisliği Bölümü'nden Prof. Ju Li, "Yapıyı anlarsanız malzemelerin özellikleri ve performansı hakkında çok şey çıkarabilirsiniz" dedi.

AlphaFold benzetmesi

Li, modeli protein yapılarını işlevle ilişkilendiren ve biyoloji ile ilaç geliştirmeye katkı sağlayan AlphaFold'a benzetiyor. Makalenin diğer yazarları arasında ilk yazar Yang Jeong Park, Mayank Kumaran, Chia-Wei Hsu ve Prof. Elsa Olivetti bulunuyor. Olivetti, yaklaşımın alanda bir sıçrama yaratabileceğini umduğunu belirtti.

Çalışma kısmen ABD Savunma Tehdit Azaltma Ajansı, ABD Savunma İleri Araştırma Projeleri Ajansı (DARPA) ve Kore Ulusal Araştırma Vakfı tarafından desteklendi. Ekip, yöntemin birçok kristal malzemeye uygulanabileceğini ve diğer bilim insanlarının çalışmalarını hızlandırmasını umduğunu söylüyor.