Seul Milli Universiteti tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Qeyri-üzvi materiallar üçün sintez edilə bilənlik məlumatı üzrə geniş bir dil modelini əvvəlcədən öyrətdikdən sonra, sintez edilməsi çətin olduğu proqnozlaşdırılan materiallar sintez edilə bilən formalara yenidən dizayn edilir. Bu proses biliklərin əldə edildiyi və sonra tətbiq olunduğu insana bənzər bir “öyrən və yenidən dizayn et” strategiyasını həyata keçirir. Mənbə: Amerika Kimya Cəmiyyətinin Jurnalı

Seul Milli Universitetinin (SNU) Kimya və Bioloji Mühəndislik kafedrasının professoru Yousung Jung-un rəhbərlik etdiyi tədqiqat qrupu əvvəllər sintezi çətin olan yeni materialları eksperimental olaraq mümkün olan formalara çevirmək üçün böyük dil modellərindən (LLM) istifadə edən innovativ süni intellekt əsaslı texnologiya hazırlayıb.

Proqnozdan praktik yenidənqurmaya qədər

Tədqiqat, materialın sintez olunma qabiliyyətini proqnozlaşdırmaq kimi ənənəvi vəzifədə dayanmaq əvəzinə, sintezi çətin hesab edilən materialların yenidən dizaynı üçün praktik bir həll təqdim etməklə bir addım daha irəli gedir. Texnologiyanın yeni nəsil yarımkeçirici materiallar və yüksək səmərəli batareya materialları da daxil olmaqla yeni qabaqcıl materialların inkişafını əhəmiyyətli dərəcədə sürətləndirəcəyi gözlənilir.

Tədqiqat, SNU-da inteqrasiya olunmuş magistr-doktorantura tələbəsi Jaehwan Choi və həmmüəllif kimi çıxış edən postdoktoral tədqiqatçı Dr. Seongmin Kim ilə birlikdə aparılmışdır. Nəticələr 6 oktyabr 2025-ci ildə Amerika Kimya Cəmiyyətinin Jurnalında dərc edilmişdir.

Material sintezində çətinliklər

Hesablama kimyası və süni intellekt sahəsindəki irəliləyişlər tədqiqatçılara nəzəri cəhətdən perspektivli material namizədlərinin çox sayda müəyyən edilməsinə imkan vermişdir. Lakin, bu materialları laboratoriyada sintez etmək çətinliyi əsas maneə olaraq qalmışdır. Əvvəlki tədqiqatlar sintez edilə bilənliyi proqnozlaşdırmağa yönəlmiş olsa da, sintezi çətin hesab edilən materialları sintetik cəhətdən mümkün strukturlara necə çevirmək barədə heç bir məsələ qaldırılmamışdır.

Bu məhdudiyyəti aradan qaldırmaq üçün tədqiqat qrupu “SynCry” adlı yeni LLM əsaslı bir çərçivə hazırladı . Bu model yeni materialların kristal strukturlarını tərs çevrilə bilən mətn təsvirləri kimi təmsil edir və təkrarlanan incə tənzimləmə yolu ilə sintez edilməsi çətin olan strukturları eksperimental olaraq mümkün olanlara necə çevirməyi öyrənir.

Nəticələri yenidən dizayn edin və təsdiqləyin

Nəticələr göstərdi ki, SynCry 514 uğurlu struktur transformasiyası ilə başladı və təkrarlanan incə tənzimləmə yolu ilə nəticədə 3395 strukturu sintez edilə bilən formalara yenidən dizayn etməyə müvəffəq oldu. Xüsusilə diqqətəlayiq hal odur ki, təlim məlumat dəstində mövcud olmasa da, yenidən işlənmiş ən yaxşı 100 strukturdan 34-ü eksperimental olaraq sintez edilmiş və elmi ədəbiyyatda bildirilmiş materiallarla uyğunlaşdı. Bu, SynCry-nin təlim məlumatlarını təqlid etməkdən kənara çıxdığını və həqiqətən yeni, sintez edilə bilən material strukturları yaratmağa qadir olduğunu göstərir.

Bu yenidən dizayn qabiliyyəti göstərir ki, LLM-lər sadə proqnozlaşdırmadan kənara çıxaraq “öyrən və bərpa et” strategiyası vasitəsilə materialların dizaynı üçün praktik alətlərə çevrilə bilər. Bu yanaşma qabaqcıl materialların inkişaf müddətini kəskin şəkildə qısaltmaq və sintez çətinlikləri səbəbindən əvvəllər atılmış çoxsaylı namizəd materialları bərpa etmək potensialına malikdir.

Professor Yousung Jung bildirib ki, “Bu tədqiqat süni intellektin sintezi çətin olan strukturlardan başlayaraq yeni materialları birbaşa yenidən dizayn edə biləcəyini nümayiş etdirən ilk tədqiqatdır. Biz bu işi daha geniş material sistemlərinə və daha böyük məlumat dəstlərinə genişləndirməyi və nəticədə yeni materialları kəşf etmək üçün praktik bir vasitə hazırlamağı planlaşdırırıq.”

İnteqrasiya olunmuş magistr-doktorantura tələbəsi Jaehwan Choi şərhində bildirib ki, “Bu tədqiqat sadə bir sualla başladı: sintezi çox çətin hesab edildiyi üçün atılmış virtual materialları geri qaytara bilərikmi? İrəliləyərək, materialların kəşfini daha da sürətləndirmək üçün dil modelləri də daxil olmaqla ümumi təyinatlı süni intellekt agentləri hazırlamağı hədəfləyirəm.”

Uzun müddətdir ki, LLM əsaslı sintezləşdirilə bilənlik proqnozu üzərində tədqiqat aparan Dr. Sonqmin Kim əlavə edib ki, “Bu nailiyyət süni intellektin materialşünaslıqda yaradıcı dizayn rolunu oynaya biləcəyini göstərən vacib bir nümunədir”.

Jaehwan Choi, qeyri-üzvi materiallar üçün sintez mexanizmlərinin və optimal sintez yollarının müəyyənləşdirilməsini avtomatlaşdırmaq üçün böyük dil modelləri də daxil olmaqla ümumi təyinatlı süni intellekt agentlərinin hazırlanması üzərində tədqiqat aparmağı planlaşdırır . Hazırda SNU Qabaqcıl Kimya Mühəndisliyi İnstitutunda çalışan Dr. Seongmin Kim, yeni materialların hazırlanmasında paradiqma dəyişikliklərini araşdırmaq üçün maşın öyrənməsi və materialşünaslığı inteqrasiya edən sonrakı tədqiqatları davam etdirməyi planlaşdırır.

Nəşr detalları

Jaehwan Choi və digərləri, Sintezə əsaslanan materialların böyük dil modelləri vasitəsilə yenidən dizaynı, Amerika Kimya Cəmiyyətinin jurnalı (2025). DOI: 10.1021/jacs.5c07743

Jurnal məlumatı: Amerika Kimya Cəmiyyətinin Jurnalı 

Seul Milli Universiteti tərəfindən təmin edilir