研究人员正在使用人工智能来加速材料的发现。

普林斯顿大学的研究人员 创建了一种 人工智能（AI）工具，可以预测晶体材料的行为。这一发现对电池和半导体等技术的发展具有重大影响。新方法使用类似于 ChatGPT 等文本生成器中使用的大型语言模型。

这种方法的一个显着特征是从文本描述中合成信息，其中包含有关原子之间键的长度和角度的详细信息，以及电子和光学特性的测量结果。这样，该方法可以比现有模拟更准确、更全面地预测新材料的性能，并有可能加快新技术的设计和测试过程。

为了训练Google T5模型 的定制版本，研究人员开发了参考文本，其中包含来自 Materials Project数据库的 140,000 多个晶体的描述 。通过预测已研究的晶体结构（从普通食盐到硅半导体）的特性来测试该工具的有效性。现在，在展示了 T5 的预测能力后，研究人员正在努力使用该工具来设计新的晶体材料。

该方法于 11 月 29 日在波士顿 材料研究学会秋季会议上提出 。该研究的作者表示，所开发的方法代表了一个新标准，可以加速发现广泛应用的材料。

以前用于预测晶体特性的人工智能工具依赖于所谓的图神经网络，但它们的处理能力有限，无法充分捕捉晶体中原子之间几何形状和键长的细微差别。普林斯顿大学的一个科学家团队成为第一个使用大型语言模型解决这个问题的人。

然而，作为一种新的工具，预测方法也有其局限性。它需要更多的处理能力，并且比通常用于此目的的图神经网络慢。研究人员渴望与其他材料研究人员合作，并计划将他们的工作从晶体扩展到更广泛的材料，以提高他们预测新材料性能的能力。