Princeton tədqiqatçıları batareyalar və yarımkeçiricilər kimi texnologiyaların inkişafında əsas addım olan kristal materialların davranışını proqnozlaşdırmaq üçün süni intellekt (AI) aləti yaradıblar. Kristal dizaynda kompüter simulyasiyalarından geniş istifadə olunsa da, yeni üsul ChatGPT kimi mətn generatorlarını gücləndirənlərə bənzər böyük dil modelinə əsaslanır.

Atomlar arasındakı bağların uzunluğu və bucaqları, elektron və optik xassələrin ölçülməsi kimi təfərrüatları ehtiva edən mətn təsvirlərindən məlumatları sintez etməklə , yeni üsul yeni materialların xassələrini mövcud simulyasiyalardan daha dəqiq və hərtərəfli proqnozlaşdıra bilər və bu prosesi potensial olaraq sürətləndirə bilər. yeni texnologiyaların layihələndirilməsi və sınaqdan keçirilməsi.

Tədqiqatçılar Materials Project-dən 140.000-dən çox kristalın təsvirindən ibarət mətn etalonunu işləyib hazırladılar və sonra ondan ilkin olaraq Google Research tərəfindən yaradılmış T5 adlı böyük dil modelinin uyğunlaşdırılmış versiyasını hazırlamaq üçün istifadə etdilər . Onlar alətin adi xörək duzundan tutmuş silikon yarımkeçiricilərə qədər əvvəllər tədqiq edilmiş kristal strukturların xassələrini proqnozlaşdırmaq qabiliyyətini sınaqdan keçiriblər. İndi onlar onun proqnozlaşdırıcı gücünü nümayiş etdirdikdən sonra aləti yeni kristal materialların dizaynına tətbiq etməyə çalışırlar.

Noyabrın 29-da Materials Research Society-nin Bostondakı Payız Yığıncağında təqdim edilən metod, böyük tədqiqat müəllifi, kompüter elmləri üzrə dosent Adji Bousso Dieng-ə görə, geniş tətbiqlər üçün materialların kəşfini sürətləndirməyə kömək edə biləcək yeni bir meyardır. Prinston.

https://googleads.g.doubleclick.net/pagead/ads?client=ca-pub-0536483524803400&output=html&h=135&slotname=2793866484&adk=675901022&adf=1873531024&pi=t.ma~as.2793866484&w=540&fwrn=4&lmt=1711609711&rafmt=11&format=540×135&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2024-01-harness-large-language-materials-discovery.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTUuMC4wIiwieDg2IiwiIiwiMTIyLjAuNjI2MS4xMjkiLG51bGwsMCxudWxsLCI2NCIsW1siQ2hyb21pdW0iLCIxMjIuMC42MjYxLjEyOSJdLFsiTm90KEE6QnJhbmQiLCIyNC4wLjAuMCJdLFsiR29vZ2xlIENocm9tZSIsIjEyMi4wLjYyNjEuMTI5Il1dLDBd&dt=1711609711003&bpp=3&bdt=282&idt=288&shv=r20240326&mjsv=m202403210101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dd8c6cdc5123375cd%3AT%3D1709623025%3ART%3D1711609297%3AS%3DALNI_MY2ynj5TDpMXqOZBx7W90OihbbXuw&gpic=UID%3D00000d6971a748b6%3AT%3D1709623025%3ART%3D1711609297%3AS%3DALNI_MaTILJ6PYHOKRZlSvHcKJ4LkDsnLQ&eo_id_str=ID%3D34d5e14efb6a7c5d%3AT%3D1709623025%3ART%3D1711609297%3AS%3DAA-Afjbw5XrDrmZOIEp3UV8fgvCO&prev_fmts=0x0&nras=1&correlator=8728103813746&frm=20&pv=1&ga_vid=1833901760.1709623018&ga_sid=1711609711&ga_hid=1284323658&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=864&u_w=1536&u_ah=816&u_aw=1536&u_cd=24&u_sd=1.25&dmc=8&adx=395&ady=1661&biw=1519&bih=695&scr_x=0&scr_y=0&eid=44759876%2C44759927%2C44759837%2C95326317%2C31082175%2C95322195%2C95328825%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=695384099681310&tmod=1002168777&uas=0&nvt=3&ref=https%3A%2F%2Ftechxplore.com%2Fpage8.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1536%2C0%2C1536%2C816%2C1536%2C695&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV8xIiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=294

“LLM-Prop: Mətn təsvirlərindən kristal bərk maddələrin fiziki və elektron xassələrinin proqnozlaşdırılması” metodunu təsvir edən sənəd indi arXiv çap serverində yerləşdirilib .

Kristal xassəsinin proqnozlaşdırılması üçün mövcud süni intellekt əsaslı alətlər qrafik neyron şəbəkələri adlanan metodlara əsaslanır , lakin bunlar məhdud hesablama gücünə malikdir və kristaldakı atomlar arasındakı bağların həndəsə və uzunluqlarını, elektron və optik xassələri adekvat şəkildə tuta bilmir. bu strukturların nəticəsidir. Dieng komandası problemi böyük dil modellərindən istifadə edərək həll edən ilk şəxs olduğunu söylədi.

“Kompüter görmə və təbii dildə böyük irəliləyişlər əldə etdik” dedi Dieng, “amma qrafiklərlə işləməyə gəldikdə hələ çox inkişaf etmiş deyilik. Ona görə də mən qrafikdən onu həqiqətən tərcümə etməyə keçmək istədim. artıq əla alətlərimiz olan bir domenə. Mətnimiz varsa, o zaman bütün bu güclü [böyük dil modellərindən] həmin mətndə istifadə edə bilərik.”

Tədqiqatın həmmüəllifi Kreyq Arnold, Princetonun Mexanika və Aerokosmik Mühəndislik üzrə professoru Susan Dod Brown və innovasiyalar üzrə dekan müavini, dil modelinə əsaslanan yanaşma materialların dizaynı ilə bağlı “problemlərə baxmaq üçün bizə tamamilə yeni yol təqdim edir”. “Həqiqətən, mən bəşəriyyətin inkişaf etdirdiyi bütün bu biliklərə necə çıxış edə bilərəm və bu biliyi irəliləmək üçün necə emal edə bilərəm? Bu, bizim hazırkı yanaşmalarımızdan xarakterik olaraq fərqlidir və məncə, ona çox güc verən də budur.”

Kristal dizaynın çətinlikləri ilə bağlı fikirlər üçün Dieng və Ph.D. tələbə Andre Niyongabo Rubungo Arnold və yarımkeçiricilər və günəş enerjisi üçün materiallara diqqət yetirən Andlinger Enerji və Ətraf Mühit Mərkəzinin elektrik və kompüter mühəndisliyi professoru Barry Rand ilə birləşdi. Arnold enerji saxlama tətbiqləri ilə lazer-material qarşılıqlı əlaqəsi ilə maraqlanır.

“Dünyamızdakı materiallar elmi fərziyyələrin yoxlanılması və bəzən şansın köməyi ilə hazırlanmışdır” dedi Rand. Bu proses “yaxşı nəticələrə gətirib çıxarır, lakin vaxt tələb edir. Süni intellekt üsulları vasitəsilə biz bunu həqiqətən sürətləndirə bilərdik.” Bundan əlavə, o, “bu, bizim insanların yəqin ki, intuisiya etməyəcəyimiz şeyləri müəyyən etməyə imkan verir” dedi.

Kimyəvi elementlərin xüsusi tərkibinə malik bir kristal nəzərə alınmaqla, komandanın metodu kristalın elektron vəziyyətləri və keçiriciliyi ilə əlaqəli band boşluğu da daxil olmaqla xüsusiyyətləri proqnozlaşdıra bilər.

“Əgər siz bunu yüksək dəqiqliklə proqnozlaşdıra bilsəniz, daha sonra sınaqların zəhmətli işini görməyə getdiyiniz zaman bunun uğur gətirəcəyinə daha çox əmin ola bilərsiniz” dedi Rand.

Ph.D. tələbə Rubunqo payız görüşündə material tədqiqatçılarına işi təqdim etdiyi üçün ən yaxşı poster mükafatını aldı. Bu kontekstdə böyük dil modellərinin gücü çoxlarını təəccübləndirdi. Sahə qrafik neyron şəbəkələri üçün giriş kimi istifadə edilən strukturlaşdırılmış məlumatlara daha çox öyrəşib, lakin “mətnlərlə məşğul olmaq daha asandır” dedi Rubungo. “İstədiyiniz məlumatı təsvirinizə daxil etmək, aləti dəyişdirmək və istəmədiklərinizi silmək daha asandır. İnsanlar bunu görməkdən çox həyəcanlandılar.”

O qeyd edib ki, yeni alət kimi proqnozlaşdırma metodunun məhdudiyyətləri var. O, daha çox hesablama gücündən istifadə edir və adətən bu məqsəd üçün istifadə olunan qrafik neyron şəbəkələrindən daha yavaşdır. O, həmçinin yeni materialların xassələrini proqnozlaşdırmaq qabiliyyətini artırmaq üçün genişləndirilmiş təlim məlumatlarından faydalana bilər .

Dieng digər material tədqiqatçıları ilə əməkdaşlıq edir və işi kristallardan kənara çıxaraq daha geniş çeşidli materiallara köçürməyi hədəfləyir. “Bu tədqiqatın yeni yaranan sahəsidir və tədqiqatı inkişaf etdirən yaxşı qurulmuş, yaxşı seçilmiş bir meyarın olmasıdır” dedi. “Biz tədqiqatçıların istifadə etməsi üçün Princetonda keçiriləcək bir meyarda daha çox məlumat dəstini toplayırıq.”

Ətraflı məlumat: Andre Niyongabo Rubungo və digərləri, LLM-Prop: Mətn Təsvirlərindən Kristal Bərk Maddələrin Fiziki və Elektron Xassələrinin Proqnozlaşdırılması, arXiv (2023). DOI: 10.48550/arxiv.2310.14029

Jurnal məlumatı: arXiv Princeton Universiteti tərəfindən təmin edilmişdir