Moleküler yapılardan atomistik, termodinamik ve kinetik özelliklerin doğru tahmini, malzeme inovasyonunun temelini oluşturuyor. Ancak mevcut hesaplama ve deneysel yaklaşımlar, kimyasal uzayda verimli navigasyon için gereken ölçeklenebilirlikten yoksun.
Araştırmacılar bu soruna çözüm olarak MIST (Molecular Intelligence System for Transformative discovery) adında bir moleküler temel model ailesi geliştirdi. Bu modeller, büyük etiketlenmemiş veri setleri üzerinde eğitilerek kimyasal uzayda farklı uygulama alanlarında gezinme olanağı sunuyor.
MIST'in en dikkat çeken özelliği, önceki çalışmalardan yaklaşık on kat daha fazla parametre ve veri kullanması. Model, Smirk adlı yenilikçi bir tokenizer ile eğitiliyor. Bu tokenizer, moleküllerin çekirdek, elektronik ve geometrik bilgilerini kapsamlı bir şekilde yakalayarak çeşitli moleküllerin öğrenilmesini sağlıyor.
MIST modelleri, 400'den fazla yapı-özellik ilişkisini tahmin etmek için ince ayar yapıldı. Test sonuçları, modellerin fizyolojiden elektrokimyaya kadar geniş bir benchmark yelpazesinde mevcut en gelişmiş performansla eşleştiğini veya onu aştığını gösteriyor.
Bu gelişme, kimyasal keşifleri hızlandırabilir ve malzeme biliminde yeni fırsatlar yaratabilir.