Büyük dil modelleri (LLM), metin üretmek ve soru yanıtlamak için eğitilmiş sistemler olarak bilinir. Ancak yeni bir çalışma, bu modellerin çok daha farklı bir 'dil' öğrenebildiğini ortaya koyuyor: Moleküllerin uzaydaki geometrisi.
Araştırmacılar, GPT tarzı büyük dil modellerini kartezyen koordinatlar ve Z-matrisi adı verilen kimyasal yapı gösterimleriyle ince ayara tabi tuttu. Sonuçlar oldukça çarpıcı: Bu yöntemle eğitilen modeller, küçük organik moleküllerin ve ilaç geliştirme süreçlerinde sıkça kullanılan bileşiklerin denge geometrilerini ve farklı konformasyonlarını yüksek doğrulukla tahmin edebildi.
Özellikle dikkat çekici olan, bu genel amaçlı modellerin söz konusu görev için özel olarak tasarlanmış uzmanlaşmış derin öğrenme modellerini geride bırakmasıydı. Bu durum, LLM'lerin esnekliğinin ve ölçeğinin alanına özgü alternatiflere karşı ciddi bir avantaj sağlayabileceğini gösteriyor.
Çalışma aynı zamanda hangi koordinat sisteminin daha iyi sonuç verdiğini de sorguladı. Kartezyen koordinatlar, x-y-z eksenleri üzerindeki mutlak konumları tanımlarken; Z-matrisi, atomlar arasındaki bağ uzunlukları, açılar ve dihedral açılar gibi ilişkisel bilgileri kodlar. Araştırmacılar, Z-matrisinin modellere daha tutarlı bir yapısal 'dilbilgisi' sunduğunu ve bu sayede daha iyi performans elde edildiğini belirledi.
Bir diğer önemli bulgu ise ince ayar sürecinin modelin genel dil yeteneklerini koruyup korumadığıyla ilgiliydi. Eğitime az miktarda doğal dil soru-yanıt çifti eklenmesi yeterli oldu; bu sayede model hem kimyasal geometri tahmininde uzmanlaşırken hem de genel dil asistanı olarak işlevini sürdürebildi.
Bu yaklaşım, ilaç tasarımı, malzeme keşfi ve hesaplamalı kimya gibi alanlarda büyük dil modellerinin kullanım alanını köklü biçimde genişletebilir. Araştırma, özelleşmiş yapay zeka sistemleri geliştirmenin her zaman en iyi yol olmayabileceğini; doğru verilerle eğitilmiş genel modellerin de güçlü sonuçlar üretebileceğini somut biçimde kanıtlıyor.