Kjemikere ved MIT har utviklet en ny generativ AI-modell, som kan gjøre det mye enklere å bestemme strukturer av pulveriserte krystallmaterialer. Dette kan potensielt hjelpe forskere i arbeidet med applikasjoner som batterier, magneter, og en rekke andre bruksområder.
Utfordringer ved pulveriserte krystaller
Krystallografi ved bruk av røntgendiffraksjon har vært en metode forskere har benyttet i over hundre år for å bestemme strukturer hos materialer som metaller, bergarter og keramikk. Denne teknikken fungerer best når krystallen er intakt, men ofte har forskere bare tilgang til pulveriserte versjoner av materialer, noe som gjør det langt mer vanskelig å forstå deres fulle tredimensjonale struktur.
Når man arbeider med pulverbaserte krystaller mangler man den komplette strukturen av krystallsystemet på grunn av fragmenteringen. Selv om de samme byggesteinene er til stede i form av mikrokrystaller, er de fullstendig orientert på tilfeldige måter, ifølge MIT.
Ny AI-modell gjør jobben enklere
Et forskerteam ledet av kjemiprofessor Danna Freedman og informatikkprofessor Jure Leskovec ved Stanford University har utviklet en modell ved hjelp av maskinlæring kalt Crystalyze. Modellen tok utgangspunkt i data fra Materials Project—en database med over 150.000 ulike materialer. Forskerne trente modellen ved å simulere hvordan røntgendiffraksjonsmønstre ville se ut for disse materialene.
Den generative AI-modellen bryter ned prosessen i flere stadier: Først beregnes størrelsen og formen på krystallens «boks», deretter kartlegges atomoppsettet innenfor denne boksen. Modellen blir deretter testet ved å sammenligne de genererte strukturene med de virkelige røntgendiffraksjonsdataene.
Nesten 70% nøyaktighet
Når de testet modellen på over tusen datasett med simulert røntgendiffraksjon fra Materials Project, traff modellen riktig på rundt 67 prosent av gangene. Den ble også testet på eksperimentelle data fra RRUFF-databasen, som inneholder nesten 14.000 naturlige krystallinske materialer. Resultatene var svært lovende, ifølge https://mit.edu.
Nye strukturer for ukjente materialer
Forskerne gikk videre til å prøve modellen på datasett fra Powder Diffraction File, som inneholder både uløste og løste data for over 400.000 materialer. De klarte å bestemme strukturen for mer enn 100 tidligere uløste mønstre. I tillegg løste de nye strukturer for tre materialer utviklet i Freedman-laboratoriet ved MIT, hvor elementer under høytrykk ble tvunget til å danne nye forbindelser.
Dannede strukturer av disse materialene, som inneholder bismut og et annet element, kan være nyttige i utvikling av nye permanenter magneter, påpeker Freedman.
Nyttig for fremtidig materialforskning
Muligheten til å fastsette strukturen til pulveriserte krystallmaterialer kan gi store fordeler for forskere innen en rekke materialrelaterte felt, mener MIT-teamet. De har nå lansert en nettside med modellens grensesnitt på crystalyze.org.
Forskningen har fått økonomisk støtte fra U.S. Department of Energy og National Science Foundation.