프린스턴 연구진이 배터리, 반도체 등 기술 발전의 핵심 단계인 결정질 물질의 거동을 예측하는 인공지능(AI) 도구를 개발했습니다.컴퓨터 시뮬레이션은 크리스탈 디자인에 일반적으로 사용되지만 새로운 방법은 ChatGPT와 같은 텍스트 생성기를 구동하는 것과 유사한 대규모 언어 모델에 의존합니다.

원자 사이의 결합 길이와 각도, 전자 및 에너지 측정과 같은 세부 정보가 포함된 텍스트 설명의 정보를 합성합니다.광학적 성질, 새로운 방법은 기존 시뮬레이션보다 더 정확하고 철저하게 새로운 재료의 특성을 예측할 수 있으며 잠재적으로 새로운 기술의 설계 및 테스트 프로세스 속도를 높일 수 있습니다.

연구원들은 재료 프로젝트의 140,000개 이상의 결정에 대한 설명으로 구성된 텍스트 벤치마크를 개발한 다음 이를 사용하여 수정된 버전의 수정을 훈련했습니다.대규모 언어 모델원래 Google Research에서 만든 T5라고 합니다.그들은 일반 식용 소금부터 실리콘 반도체까지 이전에 연구된 결정 구조의 특성을 예측하는 도구의 능력을 테스트했습니다.이제 그들은 예측력을 입증했으므로 새로운 결정 재료의 설계에 이 도구를 적용하기 위해 노력하고 있습니다.

이 방법은 11월 29일에 발표되었습니다.재료연구회 추계학술대회선임 연구 저자이자 프린스턴 컴퓨터 공학과 조교수인 Adji Bousso Dieng에 따르면 보스턴의 이 연구는 광범위한 응용 분야에서 재료 발견을 가속화하는 데 도움이 될 수 있는 새로운 벤치마크를 나타냅니다.

"LLM-Prop: 텍스트 설명에서 결정질 고체의 물리적 및 전자적 특성 예측" 방법을 설명하는 논문이 현재게시됨에arXiv사전 인쇄 서버.

결정 특성 예측을 위한 기존 AI 기반 도구는 그래프라는 방법에 의존합니다.신경망그러나 이것들은 계산 능력이 제한되어 있어 기하학의 뉘앙스와 결정 내 원자 사이의 결합 길이, 그리고 이러한 구조에서 발생하는 전자 및 광학 특성을 적절하게 포착할 수 없습니다.Dieng의 팀은 대규모 언어 모델을 사용하여 문제를 해결한 최초의 팀이라고 그녀는 말했습니다.

Dieng은 "우리는 컴퓨터 비전과 자연어 분야에서 엄청난 발전을 이루었습니다. 그러나 [AI에서] 그래프를 다루는 분야에서는 아직 그다지 발전하지 않았습니다. 그래서 그래프에서 실제로 번역하는 것으로 옮겨가고 싶었습니다."라고 말했습니다.훌륭한 도구가 이미 있는 도메인으로 이동하면 해당 텍스트에 대한 강력한 [대규모 언어 모델]을 모두 활용할 수 있습니다."

언어 모델 기반 접근 방식은 재료 설계의 "문제를 보는 완전히 새로운 방법을 제공합니다"라고 연구 공동 저자이자 프린스턴 대학교 기계 항공 우주 공학과 Susan Dod Brown 교수이자 혁신 담당 부학장인 Craig Arnold가 말했습니다."인류가 개발한 이 모든 지식에 어떻게 접근할 수 있는지, 그리고 앞으로 나아가기 위해 그 지식을 어떻게 처리해야 하는지에 관한 것입니다. 이는 현재의 접근 방식과 특징적으로 다르며, 그것이 많은 힘을 주는 것이라고 생각합니다."