Si chiama CrystaLLM, ed è un innovativo modello di Intelligenza Artificiale capace di prevedere come gli atomi si organizzano nelle strutture cristalline dei materiali solidi. Questo risultato, recentemente descritto sulla rivista Nature Communications, è il frutto del lavoro di un team di scienziati dell’Università di Reading e dell’University College di Londra. Il gruppo, guidato dal dottor Luis Antunes, ha sviluppato un sistema avanzato che è in grado di prevedere la disposizione degli atomi nelle strutture cristalline.
Secondo gli esperti, questa innovazione potrebbe accelerare la scoperta di nuovi materiali e trovare applicazioni in numerosi settori. CrystaLLM funziona in maniera simile ai chatbot basati su IA, apprendendo il “linguaggio” dei cristalli attraverso lo studio di milioni di strutture cristalline esistenti.
“Prevedere le strutture cristalline – afferma Antunes – è come risolvere un puzzle complesso e multidimensionale in cui i pezzi sono nascosti. È necessaria un’enorme potenza di calcolo per testare innumerevoli possibili disposizioni di atomi. CrystaLLM studia milioni di strutture cristalline per comprendere i modelli e prevederne di nuovi. Invece di usare complessi calcoli fisici, impara leggendo descrizioni di strutture cristalline contenute nei Crystallographic Information Files, il formato standard per rappresentare le strutture cristalline“.
Il modello, quindi, tratta le informazioni come testo, prevedendo cosa accadrà successivamente e imparando gli schemi della struttura dei cristalli. Sebbene non abbia imparato direttamente le regole della fisica e della chimica, CrystaLLM le ha dedotte in modo autonomo dal set di addestramento.
“CrystaLLM – commentano gli scienziati – ha imparato il modo in cui gli atomi si dispongono e come le loro dimensioni influenzano la forma del cristallo, semplicemente leggendo le descrizioni iniziali. Una volta testato, è riuscito a generare strutture cristalline realistiche, anche per materiali mai visti prima“.
“Abbiamo creato un sito web gratuito in cui è possibile utilizzare CrystaLLM – conclude Antunes – l’integrazione di questo modello nei flussi di lavoro di previsione della struttura cristallina potrebbe accelerare lo sviluppo di nuovi materiali per tecnologie come batterie migliori, celle solari più efficienti e chip per computer più veloci“.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?