韩国国内研究团队开发出利用人工智能(AI)预测多孔性材料性能、并据此寻找最优结构的方法。多孔性材料因微细孔洞众多,被广泛用于氢气运输、放射性物质去除等领域,而AI可以计算出在各应用领域中这些孔洞形成何种结构效率最高。
韩国科学技术院(KAIST)5日表示,生命化学工学系教授金智汉研究团队在全球率先开发出应用“多模态Transformer”的AI技术,用于预测多孔性材料的各种性质。多模态Transformer是为高效学习和运算文本、图像、视频等多种形态数据而设计的AI模型之一,近期也应用于对话型AI ChatGPT。研究团队将ChatGPT所用的高性能AI应用于新材料研究。
代表性多孔性材料金属有机骨架(MOF)是金属与有机物以晶格形式结合、具有大量孔洞的物质。可利用孔洞储存和运输氢气或各类资源。由于表面积大,既能像海绵一样吸附、去除放射性物质和有害物质,也可凭借高反应性在产业界充当促进材料生产化学反应的催化剂。不过,需要找到适合各应用领域的最优结构MOF,而以往基于机器学习的AI难以穷尽计算众多情形。
研究团队开发出用于多孔性材料结构预测的多模态Transformer“MOF Transformer”,让其学习100万种多孔性材料的三维(3D)结构图像及相应电学特性等多种性质数据。研究团队解释,由此成功将预测准确度比现有机器学习模型最高提升28%。
金教授表示,“新开发的技术不仅有助于新材料的设计与开发,也有助于深化既有材料研究”,“期待其能超越多孔性材料,扩展为面向各类材料的通用AI模型”。此次研究成果于上月发表在国际学术期刊《自然·机器智能》。






