研究进展：AI+材料科学-多模态大语言模型MatterChat | Nature Machine Intelligence

本文介绍了劳伦斯伯克利国家实验室和犹他大学联合开发的一种名为MatterChat的结构感知多模态大语言模型框架。研究背景在于理解和预测无机材料性质对能源、电子等领域至关重要，但将原子级结构信息融入语言模型是一大挑战。研究目的是解决这一难题，提出MatterChat框架，该模型能够统一处理材料的原子结构信息和文本输入。研究从Materials Project数据库中选取14万余种晶体结构，使用预训练模型提取原子级嵌入特征，并通过可训练的桥接模块与Mistral 7B大语言模型对齐。实验结果表明，MatterChat在材料性质预测、复杂科学推理和材料合成方案生成等方面显著优于GPT-4等通用大模型，为材料科学的智能辅助设计和发现提供了新范式。