AtomGPT: 前方および逆の材料設計のための原子論的生成事前学習トランスフォーマー

生成事前学習トランスフォーマー（GPT）などの大規模言語モデル（LLM）は、さまざまな商業アプリケーションの可能性を示していますが、材料設計への適用性は未だ探求されていません。本レターでは、AtomGPTがトランスフォーマーアーキテクチャに基づいて材料設計のために特別に開発されたモデルとして紹介され、原子論的特性予測と構造生成の両方の能力を示しています。この研究は、化学的および構造的なテキスト記述の組み合わせが、形成エネルギー、異なる2つの方法からの電子バンドギャップ、超伝導遷移温度など、グラフニューラルネットワークモデルに匹敵する精度で材料特性を効率的に予測できることを示しています。さらに、AtomGPTは新しい超伝導体の設計などのタスクに対して原子構造を生成でき、その予測は密度汎関数理論計算によって検証されています。この研究は、LLMを前方および逆の材料設計に活用するための道を切り開き、材料の発見および最適化の効率的なアプローチを提供します。