ИИ MatAgent открывает новые материалы, рассуждая как человек

Открытие новых неорганических материалов — ключ к развитию технологий в области катализа, хранения энергии, полупроводников и многого другого. Однако поиск материала с нужными свойствами — чрезвычайно сложная задача. Что, если бы система искусственного интеллекта могла думать как эксперт-человек, автоматически исследовать это огромное пространство и самостоятельно предлагать перспективные материалы?

Исследователи из Института промышленных наук Токийского университета разработали ИИ-фреймворк для проектирования новых неорганических кристаллических материалов с рассуждениями, подобными человеческим. Автор: Institute of Industrial Science, The University of Tokyo

В исследовании, опубликованном в журнале Cell Reports Physical Science, исследователи из Института промышленных наук Токийского университета сообщили о разработке MatAgent — ИИ-фреймворка, построенного вокруг большой языковой модели (LLM). Эта LLM служит «мозгом» системы, направляя поиск новых неорганических материалов с использованием рассуждений на естественном языке.

В то время как многие другие методы ИИ могут автоматически генерировать перспективные материалы, такие модели часто действуют как «чёрные ящики», почти не объясняя, почему было сделано то или иное предложение. В отличие от них, LLM в MatAgent способна рассуждать шаг за шагом, объясняя свои решения простым языком и корректируя идеи на основе обратной связи — почти как это сделал бы человек-исследователь.

Как MatAgent имитирует человеческое мышление

«Большие языковые модели очень хорошо умеют рассуждать словами, — говорит ведущий исследователь Идзуми Такахара. — Мы поняли, что эту способность можно применить к проектированию материалов. Позволяя LLM направлять поиск и объяснять свою логику, мы можем сделать процесс проектирования более эффективным и прозрачным».

Чтобы поддержать эту способность к рассуждению, команда оснастила MatAgent инструментами, вдохновлёнными мыслительным процессом экспертов-людей. LLM может просматривать предыдущие попытки, учиться на успешных экспериментах, проверять тренды в периодической таблице и консультироваться с базой данных, наполненной экспертной информацией. Используя эти данные, модель предлагает новый материал и описывает, почему он может работать лучше предыдущих идей.

Итеративный дизайн и взаимодействие с пользователем

«Проектирование материалов по своей природе итеративно, — добавляет старший автор Тэруясу Мизогути. — Предоставление LLM возможности помнить прошлые шаги и обращаться к экспертным знаниям позволяет ей осмысленно совершенствовать свои предложения».

MatAgent повторяет простой, но мощный цикл: применяет рассуждения для предложения новой комбинации элементов, предсказывает, как может выглядеть атомная структура, а затем проверяет, обладает ли материал желаемыми свойствами. Эта информация возвращается в LLM, которая использует её для улучшения следующей идеи.

Поскольку система основана на LLM, пользователи могут давать инструкции на обычном языке — например, «избегай токсичных элементов» или «используй только распространённые элементы» — и MatAgent автоматически учтёт эти ограничения в поиске. Важно, что LLM объясняет каждый свой шаг, давая пользователям чёткое представление о мыслительном процессе, стоящем за предлагаемыми материалами.

Будущее MatAgent

Исследователи считают, что MatAgent ускорит открытие новых материалов в областях, где поиск жизнеспособных кандидатов чрезвычайно сложен, но необходим для технологического прогресса.

Сейчас они изучают, как расширить систему, чтобы она могла одновременно балансировать несколько целевых свойств, а также учитывать, насколько легко предложенный материал можно будет изготовить.

Больше информации: Accelerated Inorganic Materials Design with Generative AI Agents, Cell Reports Physical Science (2025). DOI: 10.1016/j.xcrp.2025.103019.