Phenomenon-first problem formulation with language models in metal-organic frameworks

In de uitgestrekte wereld van materiaalkunde zoeken onderzoekers vaak naar nieuwe stoffen door een specifiek doel te stellen, zoals het vinden van een materiaal dat meer waterstof kan opslaan of koolstofdioxide efficiënter kan filteren. Ze vragen computers om een getal te optimaliseren, zoals capaciteit of snelheid, en zoeken vervolgens naar een materiaal dat dat doel bereikt. Er is echter een andere manier om ontdekking te benaderen. In plaats van te vragen "welk materiaal is het beste voor deze taak", zou men kunnen vragen: "wat voor vreemde en onverwachte dingen zouden er kunnen gebeuren als we deze twee dingen bij elkaar brengen?" Deze aanpak richt zich op het gedrag zelf in plaats van op de bruikbaarheid. Het zoekt naar kwalitatieve fenomenen—unieke fysieke verhalen die ontstaan wanneer een gastmolecuul, zoals een gas of vloeistof, interageert met een gastheermateriaal dat een specifieke vorm of chemische persoonlijkheid heeft. De gastheer-materialen in dit verhaal zijn metaal-organische raamwerken (metal-organic frameworks), die lijken op microscopische sponsjes gebouwd uit metalen punten verbonden door organische stutten. Deze sponsjes hebben kleine, ingewikkelde poriën waar moleculen in gevangen kunnen raken. De vraag die deze research aanstuurde, was of een kunstmatige intelligentie kon kijken naar de basisregels van hoe een gastmolecuul zich gedraagt en de basiscapaciteiten van een gastheermateriaal, en vervolgens een nieuw, plausibel fysiek verhaal kon verzinnen over wat er tussen hen zou kunnen gebeuren, zonder te worden verteld waarnaar het moet zoeken of welk materiaal het moet gebruiken.

Een onderzoeker aan het Korea Advanced Institute of Science and Technology zette zich af om dit idee te testen met behulp van een groot taalmodel, een type geavanceerd computerprogramma dat is getraind op enorme hoeveelheden tekst. De onderzoeker vroeg de computer niet om een betere batterij of een schoner filter te vinden. In plaats daarvan gaf de onderzoeker het model drie afzonderlijke stukken informatie: een beschrijving van de fysieke aard van een gastmolecuul, een beschrijving van wat een gastheermateriaal kan doen, en de operationele omstandigheden, zoals temperatuur of druk. Het model kreeg vervolgens de opdracht om zich een niet-voor de hand liggend, ongewoon gedrag voor te stellen dat zou kunnen voortvloeien uit de interactie van deze ingrediënten. Het moest een specifiek mechanisme voorstellen, beschrijven hoe men kan vaststellen of het gedrag echt is, en uitleggen wat het idee zou weerleggen. De onderzoeker genereerde tachtig verschillende combinaties van gasten en gastheren, variërend van eenvoudige gassen zoals waterstof tot mengsels zoals ethanol en water. De computer produceerde zevenenvijftig verschillende voorstellen voor nieuwe fysieke verschijnselen, terwijl het toegaf dat het voor de overige drieëntwintig gevallen geen uniek verhaal kon vinden. Dit proces toonde aan dat het model verder kon gaan dan het simpelweg optimaliseren van bekende eigenschappen en in plaats daarvan kon fungeren als een creatieve partner in het formuleren van nieuwe wetenschappelijke vragen.

Om te zien of deze ideeën standhielden, selecteerde de onderzoeker de meest veelbelovende voorstellen en testte deze tegen echte materialen. Er werd niet alleen gezocht naar een materiaal dat toevallig paste; er werd gezocht naar materialen die daadwerkelijk het specifieke, ongewone gedrag zouden vertonen dat de computer had voorspeld. Twee van deze voorspellingen bleken succesvolle casestudy's te zijn. De eerste betrof een mengsel van ethanol en water binnen een poreus materiaal. De computer hypotheseerde dat als een materiaal een specifiek patroon van waterstofbindingsplaatsen heeft, het toevoegen van water de reeds gevangen ethanolmoleculen zou kunnen dwingen hun oriëntatie te veranderen. In een droge staat zou de ethanol in één richting aan het materiaal plakken, maar de komst van water zou een geflipt model stabiliseren waarbij het molecuul omdraait. Wanneer de onderzoeker dit scenario simuleerde in echte metaal-organische raamwerken, werd geconstateerd dat de voorspelling correct was. In specifieke materialen zorgde de toevoeging van water er inderdaad voor dat de ethanol heroriënteerde, van een droge, verankerde staat naar een natte, geflipte staat, terwijl het in dezelfde kleine zak bleef zitten. Dit was niet alleen een verandering in hoeveelheid geabsorbeerde vloeistof; het was een fundamentele verandering in hoe de moleculen waren gerangschikt, precies zoals het model had gesuggereerd.

Het tweede succesverhaal betrof waterstofgas bij extreem lage temperaturen. De computer stelde voor dat in een materiaal met twee verschillende soorten verbonden poriën—één diepe en nauwe, de andere ondiepe en brede—het gedrag van waterstof zou omkeren naarmate het kouder wordt. Klassiek gezien zou waterstof de voorkeur geven aan de diepere, aantrekkelijkere zak. Echter, het model suggereerde dat kwantumeffecten, die significant worden voor zeer lichte moleculen bij lage temperaturen, de diepe zak te restrictief zouden maken. De beperkingsstraf (confinement penalty) in de nauwe ruimte zou zo groot worden dat de waterstof eigenlijk de voorkeur zou geven aan de ondiepere, ruimere zak. De onderzoeker testte dit door gedetailleerde simulaties uit te voeren op een database van duizenden echte metaal-organische raamwerken. Ze ontdekten dat in bepaalde materialen de voorspelling van de computer standhield: naarmate de temperatuur daalde, verschoof de waterstofpopulatie van de diepe regio naar de ondiepe regio, wat de klassieke verwachting tartte. Deze omkering werd gedreven door de kwantumaard van de waterstofatomen, wat de subtiele fysieke relatie bevestigde die het model had geïdentificeerd voordat er een specifiek materiaal was gekozen.

De studie vergeleek deze methode—waarbij zowel gast- als gastheerinformatie aan het model wordt gegeven—ook met een eenvoudigere aanpak waarbij het model alleen de gast krijgt en zelf moet raden welk soort gastheer nodig zou zijn. Wanneer de onderzoeker de mogelijkheden van de gastheer expliciet verstrekte, genereerde het model een veel grotere variëteit aan fysieke mechanismen. Het verkende eenentwintig verschillende families van gedrag, terwijl de aanpak met alleen de gast slechts acht vond. Dit suggereert dat het de computer een duidelijk beeld geeft van de mogelijkheden van de gastheer, wat helpt om breder over de mogelijkheden na te denken, zelfs als het minder totale ideeën oplevert. De onderzoeker merkte er zorgvuldig bij op dat deze resultaten werden gevonden via computersimulaties en dat de gebruikte modellen benaderingen van de werkelijkheid waren. Er werd niet beweerd dat er een nieuwe machine was gebouwd of dat deze effecten in een fysiek laboratoriumexperiment waren waargenomen, maar de simulaties waren robuust genoeg om aan te tonen dat de verschijnselen fysiek plausibel waren en verdere investigatie waard waren.

Uiteindelijk demonstreert dit werk een verschuiving in hoe kunstmatige intelligentie de wetenschap kan ondersteunen. In plaats van slechts een hulpmiddel te zijn om een vooraf gedefinieerde taak uit te voeren, fungeerde het model als een generator van de taken zelf. Het nam basisfysische ingrediënten en weefde deze tot nieuwe, toetsbare narratieven over hoe materie zich gedraagt. De onderzoeker benadrukte dat dit proces nog steeds werd gestuurd door menswetenschappers die de vragen formuleerden, de kandidaten selecteerden en de resultaten interpreteerden. De computer verving de wetenschapper niet, maar bood een manier om stroomopwaarts te kijken en de vragen te formuleren die tot nieuwe ontdekkingen kunnen leiden. Door de ideeën van de computer te bevriezen voordat er in de bestaande literatuur werd gezocht of specifieke materialen werden gekozen, verzekerde het team zich ervan dat de suggesties werkelijk prospectief waren. Het succes van de ethanol-reoriëntatie en de waterstof-omkering laat zien dat deze "fenomeen-eerst"-aanpak verborgen fysieke relaties kan blootleggen, waardoor de zoektocht naar nieuwe materialen verandert in een zoektocht naar nieuwe verhalen over hoe de wereld werkt.