研究人员开发了一种人工智能模型，能够预测晶体结构中的原子排列，从而简化太阳能电池板和计算机芯片等技术所需新材料的发现过程。

一种名为CrystaLLM的新型人工智能模型已被开发出来，用以预测原子在晶体结构中的排列方式。这一突破可能加速发现用于电池、计算机芯片和太阳能电池等技术的新材料。

由雷丁大学和伦敦大学学院的研究人员创建的CrystaLLM，其运作方式类似于人工智能聊天机器人，通过分析数百万种现有的晶体结构来学习晶体的“语言”。

该系统将于今日（12月6日）在《自然-通讯》杂志上发表，并将向科学界开放，以支持材料发现方面的进展。

晶体结构预测取得突破

路易斯·安通斯博士在雷丁大学攻读博士学位期间领导了这项研究，他说：“预测晶体结构就像解开一个复杂的、多维度的隐藏拼图的秘密。预测晶体结构需要大量的计算能力来测试原子可能存在的无数种排列方式。

“CrystaLLM通过研究数以百万计的已知晶体结构来实现突破，从而理解模式并预测新的模式，就像一位擅长解谜的专家，能够识别出获胜的模式，而不是尝试每一种可能的走法。”

材料科学的新方法

目前确定原子如何排列成晶体的过程依赖于对原子间物理相互作用的耗时计算机模拟。而CrystaLLM的工作方式更为简单。它并不进行复杂的物理计算，而是通过读取晶体学信息文件（表示晶体结构的标准格式）中包含的数百万个晶体结构描述进行学习。

CrystaLLM 将这些晶体描述视为文本。在阅读每条描述时，它都会预测接下来的内容，并逐步学习晶体的结构模式。该系统从未学过任何物理或化学规则，而是自己摸索出来的。它只是通过阅读这些描述，就了解了原子如何排列以及原子大小如何影响晶体形状等知识。

实际应用与可用性

经过测试，CrystaLLM可以成功生成逼真的晶体结构，即使是对它从未见过的材料也能做到。

研究团队创建了一个免费网站，研究人员可使用CrystaLLM生成晶体结构。将该模型整合至晶体结构预测工作流中，可能加快新技术所需新材料的开发速度，如性能更佳的电池、效率更高的太阳能电池以及运算速度更快的计算机芯片。

参考文献：L. M. 安东内斯、K. T. 巴特勒、R. 格拉乌-克雷斯波，“基于自回归大型语言模型的晶体结构生成”，载于《自然-通讯》，2024年12月6日。DOI：10.1038/s41467-024-54639-7