通过跨模态知识迁移增强基于成分的材料性质预测

为什么预测材料行为很重要

设计新电池、太阳能电池或更强的合金通常从列出要混合哪些元素的简单配方开始。将该配方转化为具有已知强度、电导率或稳定性的真实材料，通常需要昂贵的量子计算或实验。本研究展示了先进的基于语言的人工智能模型，原本用于处理文本，如何从多种材料数据中学习，然后仅凭化学式直接预测重要属性，从而大幅减少探索海量潜在化合物所需的时间和成本。

引用: Rubtsov, I., Dudakov, I., Kuratov, Y. et al. Enhancing composition-based materials property prediction by cross-modal knowledge transfer. Sci Rep 16, 16434 (2026). https://doi.org/10.1038/s41598-026-53182-3

关键词: 材料信息学, 化学语言模型, 性质预测, 多模态学习, 晶体结构