Research·
MIT تكشف عن نموذج ذكاء اصطناعي متعدد الوسائط يرى هياكل البلورات لاكتشاف مواد أفضل
يجمع إطار MIT الجديد البيانات الذرية ثلاثية الأبعاد مع النص اللغوي لتمكين الذكاء الاصطناعي من استدلال خصائص البلورات واقتراح مواد عالية الأداء.
قدم باحثو MIT إطارًا جديدًا للذكاء الاصطناعي يربط بيانات البلورات ثلاثية الأبعاد بالنص اللغوي الطبيعي لتزويد النماذج برؤية مباشرة للترتيبات الذرية.
كيف يعمل النموذج
يستقبل النظام ملفات البنى من قواعد البيانات التجريبية ويزودها بجمل وصفية من أوراق البحث، مكونًا تمثيلًا موحدًا يلتقط التركيب والروابط والتطبيقات المحتملة.
من خلال التدريب على هذا الإدخال المتعدد الوسائط، يتعلم الذكاء الاصطناعي ربط الشكل بالوظيفة، مما يمكّنه من اقتراح مواد مرشحة لمهام محددة مثل إلكتروليتات البطاريات الليثيوم‑صلبة الحالة.
في الاختبارات، تفوق النموذج على القواعد الأساسية التي تعتمد على النص فقط، واقترح هياكل سبق أن حددتها دراسات مستقلة كمواد واعدة لتخزين الطاقة والتحفيز.
لماذا يهم ذلك للبنية التحتية لوحدة معالجة الرسومات / الذكاء الاصطناعي: معالجة شبكات الفوكسل ثلاثية الأبعاد والبيانات القائمة على الرسوم البيانية للبلورات تتطلب معالجة متوازية عالية الإنتاجية، مما يجعل وحدات معالجة الرسومات الحديثة للذكاء الاصطناعي أساسية لتوسيع خطوط اكتشاف المواد.
- aigpu
- ai gpu
- ai gpu cloud
- aigpu dubai
- materials discovery
- crystalline ai
- multimodal model
بقلم AiGpu Editorial · إعادة صياغة تحريرية استناداً إلى تقارير عامة (MIT News AI)
→ كل المقالات