给 AI 一副「看清晶体」的眼镜：找电池和芯片材料，少走弯路

作者：陈一帆

十月中旬，MIT 团队在《自然·通讯》发表一项研究：把晶体的三维原子结构与自然语言描述对齐，做出多模态模型 CLaC，让 AI 先看懂结构、再按一句话去库里找材料。论文中成分零样本分类达 95.4%，固态电解质查询命中独立研究认可的候选；但用一句话直接生成材料的指令式做法仍未实现。

十月中旬（10 月 18 日），MIT News 报道了麻省理工学院团队的一项研究：他们做出了一个能同时看懂晶体三维结构、又能读人话的模型，论文里叫 CLaC，发表在《自然·通讯》。变化在于，AI 不再只靠读论文里的文字去猜材料，而是先看懂原子怎么排布，再按一句描述去数据库里对号。

好材料为什么难找

固体材料九成以上是晶体，原子按固定规律堆叠 。想要续航更久的固态电池电解质、或者更合适的半导体材料，问题本质上都是：哪种原子排布能给我想要的功能。传统路径是定成分、长晶体、装器件、测性能，哪一步不行就推倒重来。

过去十年 AI 已经在参与这件事，主流做法是把晶体当成三维图来处理。但大语言模型这条路走得不太顺，卡在数据上：模型吃的是文本，晶体是三维结构；而且文献严重偏科，研究者反复围绕少数热门材料做文章，计算数据库里剩下的大量晶体几乎没人写过介绍 。结果就是模型输出也跟着往热门材料上偏。

相当于给模型配一副眼镜

团队的做法分两半：一半用保持几何性质的图神经网络读晶体结构，另一半让语言模型基于 Materials Project 等公开计算数据库，给每个晶体生成一段合成叙事：不只写成分，还写性质、制备时的注意事项、可能的用途；然后用对比学习的方法把结构表示和文字表示对齐 。论文称，这类合成文本覆盖的晶体种类约为文献的 300 倍，这也是它敢说能减轻文献偏科的原因 。

参与这项工作的有通讯作者 Ju Li，第一作者、前 MIT 博士后 Yang Jeong Park，以及 Mayank Kumaran、Chia-Wei Hsu 和 Elsa Olivetti 。

已经测出来的效果

成分判断的零样本分类准确率是 95.4%，同场的未训练模型是 13.5%，纯文本大模型 Gemma-3-1b-it 是 17.8% 。更贴近实际用法的是反向查询：直接问适合做固态锂电池电解质的材料，排在前面结果里就有独立研究认为有希望的候选 。论文还演示了固态电池、燃料电池、半导体器件、核结构部件、超级电容器、中子屏蔽六个应用方向的零样本检索 。

对实验员来说，省掉的是最耗人的前几轮排除法：以前靠经验和直觉筛成分，现在可以先拿到一份短名单，再决定哪几个值得进实验室。

边界也说清楚

晶系这类偏几何的分类，准确率只有 34.0%，和纯文本基线差不多。作者自己的解释是对比学习在小批量（batch size 16）下配合极不均衡的数据分布，负样本更容易在成分上不同、而不是在对称性上有差别，细粒度结构差异学得不够 。

另一件要分清的事：模型做的是在已知数据库里检索，不是凭空设计全新晶体。论文明确写了，用自然语言指令直接发现材料仍是尚未完成的挑战 。Ju Li 把这项工作比作材料界的 AlphaFold ，方向可以理解，但类比先当期待听，兑现要看后面几年。

我更愿意把它看成一次翻译上的进步：把结构翻译成能被语言理解的东西，让两边的知识第一次能对上话。代码、模型权重、数据是否开放，目前还没看到明确说明，这会决定它能不能真的落到别人的实验室里。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] Giving AI a “crystal clear” view of the materials world
• [S2] crystal structure synthetic narratives language model
• [S3] Scaling multimodal materials representation learning with synthetic narratives
• 配图 1：来源：MIT News | Massachusetts Institute of Technology（图片署名见原文） · 图片出处
• 配图 2：来源：MIT News | Massachusetts Institute of Technology（图片署名见原文） · 图片出处
• 配图 3：来源：MIT News | Massachusetts Institute of Technology（图片署名见原文） · 图片出处
• 配图 4：来源：MIT News | Massachusetts Institute of Technology（图片署名见原文） · 图片出处