标签
MIT 研究人员在《Nature Communications》上发表了一篇论文，介绍了一种多模态 AI 模型，该模型将 3D 原子结构与自然语言相结合，以更好地预测和设计晶体材料。在识别有潜力的候选材料（如固态锂离子电池电解质）方面，该模型的表现优于仅使用文本的模型。
研究人员指出，DFT 弛豫造成的结构畸变会使机器学习筛选将隐藏的交变磁体误判为反铁磁体，并提出一种容差感知的对称性流程，发现了六种新交变磁体材料，包括 Ba₂FeMoO₆ 和 Sr₂FeWO₆，其自旋劈裂为 85–405 meV，而净磁化为零。
CARAT 提出了一个匹配证据基准，用于检验材料大模型是真正对晶体结构进行推理，还是仅仅复述输入中已印出的答案，结果发现那些看似显著的性能提升很大程度上反映的是基线之间的差距，而非推理能力的提升。