MIT phát triển mô hình AI kết nối cấu trúc tinh thể 3D với văn bản để tìm vật liệu mới

Các nhà nghiên cứu tại Viện Công nghệ Massachusetts (MIT) vừa phát triển một mô hình AI đa phương thức, kết hợp cấu trúc nguyên tử ba chiều của vật liệu tinh thể với mô tả bằng ngôn ngữ tự nhiên. Công trình được công bố trên tạp chí Nature Communications và thông báo vào ngày 18 tháng 10 năm 2026, cho thấy hệ thống có thể xác định các thiết kế vật liệu tốt hơn so với những mô hình chỉ được huấn luyện trên văn bản.

Thách thức chủ yếu nằm ở dữ liệu. Phần lớn vật rắn là tinh thể, tức các cấu trúc nguyên tử ba chiều được sắp xếp tuần hoàn, và cấu trúc của chúng thường được lưu trữ dưới các định dạng tệp chuyên dụng, chứ không phải dạng văn bản mà các mô hình ngôn ngữ lớn học được. Ngoài ra, các nghiên cứu thực nghiệm lại tập trung vào một số ít nhóm tinh thể phổ biến, khiến các gợi ý của AI có xu hướng lặp lại chính những vật liệu đó.

Dạy mô hình nhận diện cấu trúc

Nhóm nghiên cứu đã tạo ra các mô tả giàu thông tin cho cấu trúc tinh thể, dựa trên các bài báo thực nghiệm và cơ sở dữ liệu tính toán từ nguyên lý đầu tiên. Mỗi mô tả bao quát thành phần và cấu trúc cũng như các tính chất, cân nhắc về quy trình chế tạo và những ứng dụng có thể có. Mô hình được huấn luyện bằng học đối lập, so sánh các cặp cấu trúc và văn bản khớp nhau với các cặp không khớp, từ đó xây dựng một biểu diễn chung.

Khi so sánh phiên bản được huấn luyện trên các mô tả tổng hợp với phiên bản chỉ học từ văn bản trong các bài báo, chỉ phiên bản đầu tiên học được cách liên kết cấu trúc hình học với ngôn ngữ. Khi nhận một truy vấn bằng ngôn ngữ thông thường mô tả một tính chất nào đó, mô hình tìm được các tinh thể có tính chất đó thành công hơn so với mô hình đối chứng.

Khi được yêu cầu tìm vật liệu phù hợp cho chất điện phân pin lithium-ion thể rắn, mô hình đã xếp vào nhóm kết quả hàng đầu những ứng viên mà các công trình khác trước đó cũng độc lập đánh giá là triển vọng. "Cấu trúc thực sự là trọng tâm của ngành khoa học vật liệu," Giáo sư Ju Li thuộc Khoa Khoa học và Kỹ thuật Vật liệu của MIT cho biết.

Một AlphaFold cho tinh thể

Ông Li ví cách tiếp cận này với AlphaFold, hệ thống AI liên kết cấu trúc protein với chức năng của nó và đã góp phần thúc đẩy sinh học cũng như khám phá thuốc. Các đồng tác giả gồm tác giả thứ nhất Yang Jeong Park, Mayank Kumaran, Chia-Wei Hsu và Giáo sư Elsa Olivetti, người bày tỏ hy vọng phương pháp này có thể tạo ra bước ngoặt lớn cho lĩnh vực này.

Nghiên cứu được hỗ trợ một phần bởi Cơ quan Giảm thiểu Đe dọa Quốc phòng Hoa Kỳ, Cơ quan Dự án Nghiên cứu Quốc phòng Tiên tiến Hoa Kỳ và Quỹ Nghiên cứu Quốc gia Hàn Quốc. Nhóm nghiên cứu tin rằng phương pháp này có thể áp dụng cho nhiều vật liệu tinh thể và hy vọng các nhà khoa học khác sẽ áp dụng nó.