晶体结构生成与自回归的大型语言建模
Luis M Antunes1, Keith T Butler2, Ricardo Grau-Crespo3
1Department of Chemistry, University of Reading, Whiteknights, Reading, UK. l.m.antunes@pgr.reading.ac.uk.
Nature communications
|December 6, 2024
概括
CrystaLLM使用大语言建模 (LLM) 来从文本中生成晶体结构,加速材料发现. 这种方法有效地创造了可信的结构,克服了材料科学研究中的计算瓶.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 人工智能的人工智能
背景情况:
- 从化学成分预测材料特性需要准确的晶体结构生成.
- 目前的晶体结构预测方法是计算密集型的,阻碍了快速的创新.
- 高质量的候选结构对于高效的结构预测算法至关重要.
研究的目的:
- 介绍CrystaLLM,一种用于多功能晶体结构生成的新方法.
- 为了利用大语言建模 (LLM) 来预测晶体结构.
- 加速新材料的发现和创新.
主要方法:
- 开发了基于自回归大语言建模 (LLM) 的CrystaLLM.
- 在数以百万计的晶体信息文件 (CIF) 数据集上训练模型.
- 模拟的晶体结构作为文本序列用于LLM处理.
主要成果:
- CrystaLLM成功地为各种无机化合物生成了合理的晶体结构.
- 生成的结构使用ab initio模拟进行了验证.
- 该方法证明了在训练期间没有看到的化合物的有效性.
结论:
- CrystaLLM提供了一种计算效率高的方法来生成晶体结构.
- 该研究强调了LLMs在有效学习晶体化学方面的潜力.
- 这种方法可以显著加速材料的发现和创新.
更多相关视频
09:15Growing Protein Crystals with Distinct Dimensions Using Automated Crystallization Coupled with In Situ Dynamic Light Scattering
Published on: August 14, 2018
10.4K
07:52Author Spotlight: Enhancing Cryo-Electron Microscopy by Automated Data Collection and Analysis Techniques
Published on: December 1, 2023
976
