Interpretable physics-informed retrieval-augmented generation language model for end-to-end inorganic crystal synthesis planning
本文提出了 PIRAG-LM，一种可解释的、物理启发式的检索增强生成模型，该模型利用包含超过 13,000 条实验记录的结构化知识库，能够准确预测并规划端到端的无机晶体合成路径，并成功指导了五种新化合物的实验实现。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，新固体材料的发现一直是一场“两半棋”的游戏。一方面，强大的计算机可以预测无数种新晶体的存在，计算它们的原子如何排列以形成稳定的结构。另一方面，人类化学家必须弄清楚如何在实验室中实际构建它们。这第二步是极其困难的。知道一种材料“可能”存在，与知道“如何”制造它之间有着本质的区别。计算机可能会告诉你一种新晶体是稳定的，但它无法告诉你应该混合哪些粉末、要加热到什么温度，或者这个过程是否需要特殊的真空环境或巨大的压力。长期以来，这两个世界——理论预测与实际配方——一直在各自独立地演进，在“我们能想象到的”与“我们能创造出的”之间留下了巨大的鸿隙。
现在，一支研究团队利用一种新型人工智能，为这一鸿沟架起了一座桥梁。他们开发的系统不仅仅是在进行猜测，而是在通过阅读化学史来寻找前进的正确路径。该系统并没有将新材料的创造视为一个简单的“是或否”的问题，而是将其视为一个复杂的规划问题。它观察一个目标材料，并追问：“我们以前做过什么看起来像这样的东西吗？”随后，它会调取成千上万次过去实验中的具体、真实的配方。通过将这些历史记录与物理定律相结合，该系统可以为制造一种新晶体提出一份逐步实施的计划，包括所需的精确成分和实验条件。
这项工作的核心是一个名为“结构化合成知识库”（Structured Synthesis Knowledge Base）的大型、有组织的知识库。研究人员向该系统输入了关于全球实验室已成功制备的 13,820 种不同无机晶体的信息。他们不仅存储了这些材料的名称，还拆解了它们是如何被制造出来的“故事”。对于每种晶体，系统都记录了具体的制备方法、起始化学物质、温度以及压力。为了让这些数据对计算机有用，他们将复杂的晶体结构语言转化为 AI 可以理解的平实描述，将原子的形状与组装它们的方法联系起来。
当科学家想要创造一种新材料时，这个被称为 PIRAG-LM 的系统会首先寻找先例。它并不只是搜索看起来相似的词汇，而是通过三种不同的视角来寻找最佳匹配。首先，它检查化学相似性，寻找由相同类型原子构成的材料。其次，它检查结构相似性，寻找具有相同原子几何排列的材料。第三，也是最重要的一点，它检查热力学相似性，这涉及材料所持有的能量及其稳定性。通过结合这三个视角，即使这些材料是在几十年前或在完全不同的实验室制造的，系统也能找到最相关的历史案例。
一旦系统找到了这些历史先例，它就会利用大语言模型作为一个推理引擎。它获取过去的配方，并将其适配到新材料上。它会提出一系列候选路径，建议混合哪些化学物质以及应用哪些条件。至关重要的是，它不仅仅给出一个答案；它还会解释其推理过程。它可以指向一个特定的过去实验并说明：“我们建议使用这个温度，因为类似材料是在这种热度下制造的，”或者“我们推荐这种化学物质，因为它适用于具有相同原子结构的材料。”这使得整个过程变得透明，允许人类专家看到建议的具体来源并进行验证。
研究人员通过测试来验证该系统：要求它仅利用 2021 年之前可获得的知识，去预测 2021 年至 2026 年间发表在科学文献中的材料制造方法。该系统的表现非常出色。它正确预测了 87.2% 的材料合成方法，相比之下，仅使用语言模型的准确率仅为 72.1%，这是一个显著的提升。当系统进一步引入关于高压稳定性和薄膜生长技术的数据进行优化后，其准确率上升到了 91.4%。这证明了该系统并非仅仅在记忆文本，而是真正理解了材料与制造方法之间的物理关系。
为了证明这种方法在现实世界中行之有效，团队并未止步于计算机模拟。他们选取了五种从未被制造过的全新化合物，并要求系统为每种化合物设计一套合成计划。这些材料包括潜在的燃料电池组件，以及用于控制物体随热量胀缩的候选材料。系统生成了详细的计划，建议了具体的起始粉末和加热程序。随后，研究人员进入实验室并遵循这些计划，并根据专家评估和实验反馈对条件进行了微调。他们成功制造出了所有五种新化合物。生产出的晶体与理论预测相符，证实了 AI 确实提供了一条从理论到现实的可行路线图，同时也表明专家的迭代对于确定每种材料的具体适用条件是必要的。
这项成就之所以如此强大，在于该系统处理自身局限性的方式。如果系统遇到需要极高压力或特殊薄膜生长技术才能实现的材料，它可以立即进行更新。研究人员只需将关于高压实验或薄膜生长的新记录添加到数据库中，系统就能立即学会为未来的目标建议这些方法。无需重新训练整个 AI 或从头开始。这种灵活性意味着该工具可以随着科学家对物理世界的探索而不断成长和进步，从而不断缩小“我们可以计算的”与“我们可以构建的”之间的距离。
这一项目的成功为材料科学指明了一条新的道路。它使该领域从一种“材料要么可能、要么不可能”的二元观点，转向一种对“如何制造它”的更细致的理解。通过将抽象的物理定律与实验室实验中杂乱、实际的现实情况联系起来，该系统提供了一条清晰且基于证据的发现路径。它表明，当人工智能植根于物理现实和历史数据时，它所做的不仅仅是预测，它还能引导人类的双手去创造未来的材料。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。