解密MatterChat賦予大模型理解、預測與設計微觀物質的多模態能力

編輯丨%

在 AI4S 的熱潮之中，大語言模型（LLMs）已經展示出了令人驚嘆的文本理解與邏輯推理能力。然而，當面對科學界最核心的戰場之一——材料科學與原子尺度模擬時，傳統的 LLM 往往會陷入集體失語。

原因顯而易見：人類的語言是線性的、一維的符號流；而原子的世界是三維空間中復雜的幾何拓撲、電子云密度以及量子力學波函數的交織。來自勞倫斯伯克利實驗室（Berkeley Lab）等機構的團隊在《Nature Machine Intelligence》發表的 MatterChat，正試圖補上這個缺口。

在文章「A multimodal large language model for materials science」中，MatterChat 把預訓練的語言模型和預訓練的材料模型用一個橋接模塊連起來，讓模型既能看懂原子結構，也能用自然語言回答材料問題。

論文鏈接：https://www.nature.com/articles/s42256-026-01214-y

讀懂三維原子世界

論文開篇點出，傳統材料 AI 要么依賴 DFT 這類高保真但昂貴的方法，要么依賴只處理文本的 LLM；問題在于，文本表示很難顯式保留原子結構的三維空間關系與局域環境，因此在性質預測上往往不如圖模型。

MatterChat 的思路是把材料結構轉成圖表示，再借助一個橋接模塊把原子嵌入對齊到語言模型可接受的表示空間，從而把「材料結構—文本提問—文本回答」放進一個統一系統里。

圖 1：MatterChat 概述：一款基于材料的多模態問答模塊化大型語言模型。

材料加工分支

該分支將材料結構編碼為捕捉原子局部環境的圖表。其中的編碼器在涵蓋多種對稱性、組成和鍵合類型的材料數據集上進行預訓練，使其能夠有效模擬復雜的原子相互作用和結構細節。

語言處理分支

該分支用于處理用戶基于文本的提示，如性質預測、化學式、空間組信息或其他物質特性的請求。

橋梁模型

該模型受 BLIP2 架構啟發，目的是為了促進原子嵌入與語言處理分支之間的集成。它包含 32 個可訓練的查詢向量，通過交替注意力機制與原子嵌入交互，可將原子嵌入細化為與文本最相關的查詢嵌入。

預測、推理

用于訓練橋梁模型的數據集涵蓋 142,899 個物質結構，對于其中的每一個結構，都有對應的 12 項任務：3 項描述性任務（化學式、空間群和晶系）和 9 項性質預測任務。訓練階段在 8 個節點、每節點 4 張 A100 上并行進行，整體訓練大約耗時48 小時。

圖 2：MatterChat 準確預測材料屬性，并優于最先進的大型語言模型。

測試中，MatterChat 能有效應對從基本材料屬性（例如化學式、空間群和晶體系統）到復雜材料屬性（如熱穩定性、帶隙、地層能量和船體上方能量）等廣泛需求，它能夠無縫整合結構和文本數據，應用于各種材料性質任務。

推理能力方面，通過多模態查詢系統，MatterChat 可以有效地將材料結構數據與文本推理結合起來。在材料分類任務上，其表現可超越 GPT-4。實驗表明，多個不同規模的 LLM（包括Mistral 7B）都能與橋接模塊成功融合，且橋接模塊可從較小模型遷移至更大模型，降低了大型模型的應用門檻。

圖 3：MatterChat 能夠解決繼承自預訓練大語言模型的更復雜任務。

在包括金屬豐度、穩定性和磁性的分類測試之中，MatterChat 始終優于所有基線。相較于 CHGNet 等專業物理模型，MatterChat 表現出更為優異的的準確性。這表明基于圖的數據與自然語言推理的整合可以更全面地呈現材料化學。

圖 4：MatterChat、開源大型語言模型和物理預訓練模型在九個材料屬性任務中的性能比較。

從屬性預測到AI材料科學家

MatterChat 驗證了「結構+文本」協同的巨大潛力。未來，基于多模態對話框架，它有望發展為真正的 AI 材料科學家——讀取原子結構、解析物理特性、推理設計邏輯，并以自然語言與人類研究者交流。

得益于其向前兼容的橋梁模型，MatterChat 非常適合利用平行創新賽道中的那些硬核科學。相關團隊正與費米實驗室合作，謀求下一代高速輻射電路的開發。其通用性亦可擴展至更廣泛的科學領域，如分子生物學或地球科學中需要處理三維空間結構的場景。

https://phys.org/news/2026-05-matterchat-ai-language-atom-scale.html