aLLoyM: מודל שפה גדול לניבוי דיאגרמות פאזה של סגסוגות

ללמד בינה מלאכותית לקרוא מפות של מתכות

כשמהנדסים מעצבים מתכות חדשות למנועי סילון, סוללות או כורים גרעיניים, הם מסתמכים על מפות מיוחדות שנקראות דיאגרמות פאזה כדי להראות אילו תערובות של יסודות יהיו מוצקות, נוזליות או משהו ביניהן בטמפרטורות שונות. יצירת מפות אלה במעבדה איטית ויקרה. המחקר הזה מציג מודל בינה מלאכותית מיוחד, aLLoyM, שלומד לקרוא ואפילו לשרטט דיאגרמות פאזה, ובכך עשוי לזרז את החיפוש אחר חומרים טובים עמידים ויעילים יותר.

מדוע מפות פאזה חשובות לטכנולוגיה יומיומית

דיאגרמות פאזה הן כמו מפות מזג אוויר למתכות. במקום לחזות גשם או שמש, הן מראות היכן תערובות של יסודות יימסו, יקפאו או ייצרו מבנים פנימיים שונים ככל שהתנאים משתנים. הפרטים האלה קובעים בדממה עד כמה גשר בטוח, כמה זמן להב טורבינה יחזיק בחום, או עד כמה סוללה תישאר יציבה לאורך זמן. אך מיפוי כל הצירופים האפשריים של יסודות וטמפרטורות כמעט בלתי אפשרי באמצעות ניסויים בלבד, כי יש אינסוף תערובות לבדיקה וכל אחת דורשת חימום, קירור וניתוח קפדני. הפער בין מה שעלינו לדעת לבין מה שאפשר למדוד בפועל הוא המקום שבו בינה מלאכותית יכולה לעשות הבדל ממשי.

הזנת נתונים למודל שפה ייעודי

במקום לבנות מודל מתמטי צר נוסף, החוקרים כיווננו מחדש מודל שפה גדול—סוג של בינה מלאכותית המשמשת בדרך כלל לטקסט—אל שפת הסגסוגות. הם השתמשו בבסיס נתונים פתוח של דיאגרמות פאזה המחושבות במחשב והמירו 837,475 נקודות נתונים לזוגות שאלה-תשובה. שאלה אופיינית עשויה להיות: "כסף 46%, אלומיניום 54% בטמפרטורה 900 קלווין: אילו פאזות מופיעות?" והתשובה תפרט את הפאזות הנוכחות. באמצעות טכניקה שנקראת התאמה בסדר נמוך (low-rank adaptation), הם כיוונו רק חלק קטן מהמנוע התחתון של מודל Mistral כדי שיוכל להתמודד עם שלושה סוגי משימות במקביל: ניבוי פרטי פאזה מלאים, קביעה אילו פאזות מופיעות, או הצעת הרכב סגסוגת וטמפרטורה שיניבו פאזה רצויה.

בדיקה האם ה-AI באמת מבין

כדי לבדוק האם aLLoyM לומד באמת את הכללים שמאחורי דיאגרמות פאזה, הצוות בחן אותו בשאלות רב-ברירתיות ובשאלות פתוחות (תשובות קצרות). במשימות רב-ברירתיות המודל נדרש לבחור את התשובה הנכונה מתוך ארבע אפשרויות. המודל הסטנדרטי לפני כיוונון הופיע בקושי טוב יותר מהגרלת מקרה. לאחר הכיוונון, הדיוק של aLLoyM זינק בצורה חדה בכל המטלות ובשני סוגי הסגסוגות—פשוטות בעלות שני יסודות ויותר מורכבות של שלושה יסודות. בסביבה התובענית יותר של תשובה חופשית, שבה המודל נאלץ להפיק טקסט בעצמו במקום לבחור מתוך רשימה, הוא עדיין הפיק שמות פאזה שהתאימו במידה רבה לאלו הנכונים, אפילו עבור מערכות סגסוגות שהוא לא ראה במהלך האימון. הביצועים היו הטובים ביותר כאשר יש היכולת להכליל ממערכות מובנות היטב, וירדו עבור תערובות שהתנהגותן מורכבת במיוחד בטווח הרכב ביניים—בדיוק האזורים שאנשי מקצוע אנושיים מוצאים כקשים.

להעלות בדמיון חומרים חדשים שמעבר לניסויים של היום

ברגע שאומן, ניתן לבקש מ-aLLoyM "לצייר" דיאגרמות פאזה עבור מתכות שקשה או בלתי אפשרי לחקור ישירות, כמו תערובות הכוללות יסודות רדיואקטיביים או בעלי חיי מדף קצרים במיוחד. לדוגמה, המודל העריך נקודות התכה וסוגי מבנה עבור תערובות של אקטיניום ואורניום, והציע דיאגרמות תלת-מרכיביות עבור מערכות שעדיין לא נמדדו. חלק מהתחזיות היו מדויקות באופן מרשים לערכים ידועים; אחרות הכילו שגיאות, כמו זיהוי לא נכון של מבנה הגביש היציב ביותר. החוקרים גם ראו שהמודל ממציא תוויות פאזה חדשות, כגון כאלה המכילות את המילה "WOLF", ופיתחו דרכים לבחון עד כמה הפתעות כאלה אמינות על ידי בדיקת ביטחונו הפנימי של המודל וכיצד תשובותיו משתנות בהגדרות דגימה שונות.

מה הדבר הזה עשוי להצביע לעתיד החומרים

ללא מומחה, המסר המרכזי הוא ש-aLLoyM מראה כיצד AI מבוסס טקסט ניתן לאימון כדי להסיק על התנהגות מתכות בדרך דומה לזו של מדען חומרים מנוסה, אך במהירות רבה בהרבה. הוא עדיין לא מהווה תחליף ישיר לניסויים קפדניים או לחישובים פיזיקליים מפורטים, והוא עדיין עלול לטעות בביטחון. אבל ככל שנתוני האימון יגדלו והערכות אי־הוודאות והפרומפטים ישתפרו, מודלים כמו aLLoyM יכולים לסייע לחוקרים לצמצם אילו מתכונים של סגסוגות שווה לבדוק במעבדה. ההכוונה הזו יכולה לקצר את הדרך הארוכה והיקרה מרעיון לחומר חדש ועד מוצר בעולם האמיתי, והשפיעה על טכנולוגיות החל מכוריות אנרגיה נקייה ועד אלקטרוניקה אוכלסת אריכות יותר.

ציטוט: Oikawa, Y., Deffrennes, G., Shimayoshi, R. et al. aLLoyM: a large language model for alloy phase diagram prediction. npj Comput Mater 12, 97 (2026). https://doi.org/10.1038/s41524-026-01966-6

מילות מפתח: דיאגרמות פאזה של סגסוגות, גילוי חומרים, מודלים שפתיים גדולים, מדעי החומרים חישוביים, מידול תרמודינמי