隨著科學文獻量的持續(xù)增長，研究人員正在轉(zhuǎn)向人工智能來篩選數(shù)百萬篇研究論文，并發(fā)現(xiàn)可以加速新材料發(fā)現(xiàn)的見解。

在美國能源部阿貢國家實驗室超級計算機的支持下，劍橋大學的Jacqueline Cole和她的團隊正在開發(fā)人工智能工具，自動挖掘科學期刊文章以構(gòu)建結(jié)構(gòu)化材料數(shù)據(jù)庫。然后，這些數(shù)據(jù)集用于訓練專門的語言模型，以簡化材料研究。

“我們的目標是給你的實驗室里配備一個類似數(shù)字助理的東西?！盋ole說，她是劍橋大學皇家工程研究院材料物理學教授，也是分子工程系主任?！耙环N通過回答問題和提供反饋來幫助指導實驗和指導研究的工具，是對科學家的補充?！?/p>

Cole在阿貢領(lǐng)導力計算設(shè)施（ALCF）的工作始于近十年前。2016年，她獲得了ALCF數(shù)據(jù)科學計劃的首批項目之一，該計劃擴大了該設(shè)施對模擬、數(shù)據(jù)科學和機器學習交叉領(lǐng)域工作負載的支持。目前已完成的項目幫助發(fā)展了使用ALCF資源進行人工智能驅(qū)動科學的研究人員社區(qū)，并擴大了員工的專業(yè)知識和能力，以支持這一新興領(lǐng)域。

“她的團隊是最早使用ALCF計算資源將機器學習與模擬和實驗結(jié)果相結(jié)合以推進數(shù)據(jù)驅(qū)動材料研究的團隊之一，”ALCF人工智能和機器學習團隊負責人Venkat Vishwanath說。“從開發(fā)ChemDataExtractor文本挖掘工具到根據(jù)研究論文構(gòu)建自動化數(shù)據(jù)庫，他們的工作為加速材料設(shè)計和發(fā)現(xiàn)開辟了新的途徑?！?/p>

為了表彰該團隊的創(chuàng)新工作，Cole和合作者最近憑借他們的論文“從設(shè)計到設(shè)備的方法提供全色共敏化太陽能電池”獲得了英國皇家化學學會2025年材料化學地平線獎。在這項研究的基礎(chǔ)上，Cole繼續(xù)使用ALCF超級計算機開發(fā)人工智能工具，旨在加快尋找用于能源應用、光基技術(shù)和機械工程的新材料。

Cole最近的工作重點是開發(fā)更小、更快、更高效的人工智能模型來支持材料研究，而不需要從頭開始訓練大型語言模型（LLM），這通常需要的大量計算成本。

LLM是設(shè)計用于處理和生成人類語言的AI模型。構(gòu)建LLM首先在大型數(shù)據(jù)集（如文本語料庫）上進行預訓練，以幫助模型學習通用語言模式。這個過程通常需要大量的計算能力。一旦模型經(jīng)過訓練，研究人員就會使用更小、更有針對性的數(shù)據(jù)集對其進行微調(diào)，以確保它提供準確和相關(guān)的答案。

為了繞過昂貴的預訓練過程，Cole及其同事開發(fā)了一種從特定領(lǐng)域的材料數(shù)據(jù)生成大型、高質(zhì)量問答（Q&A）數(shù)據(jù)集的方法。他們使用新的算法和ChemDataExtractor工具，將光伏材料數(shù)據(jù)庫轉(zhuǎn)換為數(shù)十萬個問答對。這個過程被稱為知識蒸餾，以現(xiàn)成的人工智能模型可以輕松攝取的形式捕獲詳細的材料信息。

Cole說：“重要的是，這種方法可以減輕語言模型本身的知識負擔?！?“而不是依賴模型了解一切，我們以問答的形式讓它直接獲得精心策劃、結(jié)構(gòu)化的知識。這意味著我們可以完全跳過預訓練，仍然可以實現(xiàn)特定領(lǐng)域的實用性。”

Cole的團隊使用問答對來微調(diào)較小的語言模型，這些模型繼續(xù)匹配或優(yōu)于在一般文本上訓練的更大的模型，在特定領(lǐng)域的任務(wù)中實現(xiàn)了高達20%的準確率。雖然他們的研究集中在太陽能電池材料上，但這種方法可以廣泛應用于其他研究領(lǐng)域。

除了這項工作，該團隊還進行了相關(guān)研究，以開發(fā)針對材料科學特定領(lǐng)域的語言模型。在一篇論文中，Cole的團隊為航空航天和汽車等機械工程領(lǐng)域常用的材料建立了一個龐大的應力-應變特性數(shù)據(jù)庫。研究人員還開發(fā)了MechBERT，這是一種經(jīng)過訓練的語言模型，可以回答有關(guān)應力-應變特性的問題，在預測應力下的材料行為方面優(yōu)于標準工具。

在最近的另一項研究中，該團隊展示了如何在不犧牲性能的情況下，使用比傳統(tǒng)訓練方法少80%的計算能力來適應光電子學的語言模型。

這些努力，以及Cole團隊在過去十年中在ALCF的支持下發(fā)表的許多研究，共同說明了人工智能是如何改變材料科學研究的。隨著最近對問答數(shù)據(jù)集的關(guān)注，該團隊正在使人工智能模型更容易被更廣泛的社區(qū)使用，為人工智能工具鋪平道路，這些工具可以為實驗人員提供更精確和相關(guān)的支持。

Cole說：“也許一個團隊在凌晨3點在光源設(shè)施進行了一項激烈的實驗，發(fā)生了意想不到的事情?！薄八麄冃枰粋€快速的答案，沒有時間篩選所有的科學文獻。如果他們有一個在相關(guān)材料上訓練過的特定領(lǐng)域的語言模型，他們可以提出問題來幫助解釋數(shù)據(jù)，調(diào)整設(shè)置，并使實驗保持正軌。”

最終，Cole認為這種方法可以幫助材料科學中的人工智能進一步普惠化。 “你不需要成為語言模型專家，”她說。 “你可以采用現(xiàn)成的語言模型，只需幾個GPU，甚至你自己的個人電腦，就可以針對你的特定材料領(lǐng)域?qū)ζ溥M行微調(diào)。這更像是一種即插即用的方法，使使用人工智能的過程更加高效?！?/p>

通過在ALCF強大的超級計算機上進行繁重的工作，Cole的團隊正在推進更有針對性和用戶友好的人工智能工具的開發(fā)，幫助材料科學家跟上不斷增長的文獻量，設(shè)計更好的實驗，更快地發(fā)現(xiàn)。

與Ai時代前沿合作，將大門向更多普通用戶敞開！無論你是對新技術(shù)充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。