Cephalo: Розширення меж матеріалознавства за допомогою штучного інтелекту

Вчені з Массачусетського технологічного інституту (MIT) розробили новий інструмент для матеріалознавців — серію мультимодальних моделей мови зору (V-LLM) під назвою Cephalo. Ці моделі штучного інтелекту покликані полегшити аналіз та проєктування матеріалів, зокрема біологічно натхненних, завдяки інноваційному підходу, що інтегрує візуальні та текстові дані.

Традиційні методи матеріалознавства часто постають перед труднощами при обробці великих обсягів візуальної та текстової інформації з наукових робіт. Це обмежує можливості дослідників у виявленні нових закономірностей та генеруванні креативних рішень. Cephalo долає цю проблему, об’єднуючи візуальні та мовні дані в єдину модель, що дозволяє їй:

• Інтерпретувати складні візуальні сцени: Це може бути аналіз мікроструктур матеріалів, руйнування зразків або інших візуальних даних, які важко піддаються обробці традиційними методами.
• Генерувати точні текстові описи: Cephalo може описувати візуальні дані зрозумілою мовою, надаючи дослідникам цінну інформацію для аналізу.
• Ефективно відповідати на запити: Модель може відповідати на складні питання, що стосуються матеріалів, ґрунтуючись на своїй базі знань, що включає як візуальні, так і текстові дані.

Cephalo навчається на величезному наборі даних, що складається з наукових статей, сторінок Вікіпедії та інших джерел, що стосуються матеріалознавства. Це дозволяє їй генерувати високоякісні, контекстуально релевантні навчальні дані, які значно покращують її можливості.

Дослідники протестували Cephalo в різних сферах застосування, включаючи:

• Аналіз механіки руйнувань: Cephalo може точно описувати поширення тріщин та пропонувати методи підвищення в’язкості матеріалу.
• Білкова біофізика: Модель може генерувати детальні описи білкових структур, що має вирішальне значення для розуміння їхніх властивостей.
• Біоінспірований дизайн: Cephalo може використовуватися для розробки нових матеріалів, натхненних природою.

Результати досліджень продемонстрували значні покращення в порівнянні з традиційними методами. Cephalo може надавати більш точну та детальну інформацію, що може призвести до розробки нових інноваційних матеріалів.

Нагадаємо, модель глибокого навчання від дослідників з Токійського університету науки може виявляти квазікристалічну фазу в матеріалознавстві.