Loading ...Исследовательская группа под руководством профессора Юсунга Чона с кафедры химической и биологической инженерии Сеульского национального университета (SNU) разработала инновационную технологию на основе искусственного интеллекта, которая использует большие языковые модели (LLM) для преобразования новых материалов, синтез которых ранее был затруднен, в формы, экспериментально осуществимые.
От прогнозирования к практической переработке
Вместо того чтобы ограничиваться традиционной задачей прогнозирования синтезируемости материала, исследование идет дальше, предлагая практическое решение для перепроектирования материалов, которые считаются сложными для синтеза. Ожидается, что эта технология значительно ускорит разработку новых перспективных материалов, включая полупроводниковые материалы следующего поколения и высокоэффективные материалы для батарей.
Исследование проводилось совместно с Чжэхваном Чоем, студентом интегрированной программы магистратуры и докторантуры в SNU, и доктором Сонмином Кимом, научным сотрудником, которые выступили в качестве соавторов. Результаты были опубликованы 6 октября 2025 года в журнале Американского химического общества.
Узкое место в синтезе материалов
Достижения в области вычислительной химии и искусственного интеллекта позволили исследователям выявить большое количество теоретически перспективных материалов-кандидатов. Однако проблема фактического синтеза этих материалов в лабораторных условиях остается серьезным препятствием. Хотя предыдущие исследования были сосредоточены на прогнозировании синтезируемости, они не рассматривали вопрос о том, как преобразовать материалы, считающиеся сложными для синтеза, в синтетически осуществимые структуры.
Для решения этой проблемы исследовательская группа разработала новую модель на основе LLM под названием «SynCry». Эта модель представляет кристаллические структуры новых материалов в виде обратимых текстовых описаний и посредством итеративной тонкой настройки учится преобразовывать структуры, которые, как предполагалось, будет трудно синтезировать, в структуры, которые экспериментально осуществимы.
Результаты и подтверждение перепроектирования
Результаты показали, что SynCry начал с 514 успешных преобразований структуры и, благодаря итеративной тонкой настройке, в конечном итоге преобразовал 3395 структур в синтезируемые формы. Особенно примечательно, что 34 из 100 лучших преобразованных структур, несмотря на отсутствие в обучающем наборе данных, соответствовали материалам, которые были экспериментально синтезированы и описаны в научной литературе. Это демонстрирует, что SynCry выходит за рамки имитации обучающих данных и способен генерировать действительно новые, синтезируемые материальные структуры.
Возможность перепроектирования демонстрирует, что LLM-модели могут выйти за рамки простого прогнозирования и стать практическими инструментами для проектирования материалов благодаря стратегии «обучения и регенерации». Такой подход потенциально может значительно сократить сроки разработки перспективных материалов и восстановить множество потенциальных материалов, которые ранее были отброшены из-за трудностей синтеза.
Профессор Юсунг Чон заявил: «Это исследование впервые демонстрирует, что ИИ может напрямую перепроектировать новые материалы, начиная со структур, которые трудно синтезировать. Мы планируем расширить эту работу на более широкий спектр материальных систем и большие наборы данных, в конечном итоге разработав практический инструмент для открытия новых материалов».
Чжэхван Чой, студент, обучающийся по интегрированной программе магистратуры и докторантуры, прокомментировал: «Это исследование началось с простого вопроса: можем ли мы восстановить виртуальные материалы, которые были отброшены, потому что их считали слишком сложными для синтеза? В дальнейшем я планирую разработать универсальных агентов искусственного интеллекта, включая языковые модели, чтобы еще больше ускорить процесс открытия новых материалов».
Доктор Сонмин Ким, который долгое время занимался исследованиями прогнозирования синтезируемости на основе LLM, добавил: «Это достижение является важным примером того, что ИИ может играть творческую роль в проектировании в материаловении».
Чжэхван Чой планирует продолжить исследования по разработке универсальных агентов искусственного интеллекта , включая большие языковые модели, для автоматизации определения механизмов синтеза и оптимальных путей синтеза неорганических материалов. Доктор Сонмин Ким, в настоящее время работающий в Институте передовой химической инженерии Сычуаньского национального университета, планирует продолжить дальнейшие исследования, интегрирующие машинное обучение и материаловедение для изучения парадигмальных сдвигов в разработке новых материалов.
Новости партнеров:
Вам могло бы понравиться:
267
