在理想情况下，人工智能可以像点外卖一样帮助科学家找到合适的材料：只需向大型语言模型描述需求，它就能返回完美设计的晶体。然而，现有模型主要基于文本训练，而晶体的三维原子排列存储在专用格式中，导致效果不佳。MIT 的研究团队开发了一种多模态 AI 模型，将 3D 原子结构与自然语言描述相结合，能够从实验论文和第一性原理数据库中生成丰富的结构、成分、性质、加工和应用信息。实验表明，该模型在识别固态锂离子电池电解质等目标材料时，能够给出已被独立验证的候选材料，优于仅使用文本的模型。研究者通过对比学习让模型同时学习几何结构和文字描述，类似于大脑中视觉与语言的对齐。训练后，包含 AI 生成描述的数据集显著提升了模型将几何信息映射到文本的能力。该模型还能接受自然语言查询，快速检索具备指定属性的晶体，表现超过基线方法。团队将其比作 AlphaFold，期待它能成为材料科学的“步进式”工具，帮助研究者更直观地理解三维结构与性能之间的关系。点评