マルチモーダルモデルが今回理解しようとしているのは、結晶の3次元原子構造です。2026年10月18日、マサチューセッツ工科大学の公式サイトMIT Newsは、同大学の研究チームが結晶材料向けの視覚言語モデルを構築し、論文がNature Communicationsに掲載されたと報じました。このモデルは結晶の3次元的な原子配列と自然言語の記述を対応づけ、論文を読むだけでなく、構造を「見る」ことができます。
材料分野を止めていたのは、データの形だった
結晶は地球上の固体材料の9割以上を占め、原子配列が性質を決めます。しかしデータの多くは専用の構造フォーマットに保存されており、言語モデルが学習してきたテキストの流れとは別物です。既存のモデルは結晶を3次元グラフとして扱うことが多く、汎用の大規模モデルは論文と書籍しか読んでいないため、原子のつながり方や結合角の配置に直感がありません。文献の偏りも問題で、実験論文は少数の人気結晶クラスに集中しており、テキストだけで学習したモデルの推薦もその偏りを引き継ぎます。
まず構造の「説明文」を書かせ、それで学習させる
チームはまず「構造の説明文」を合成しました。実験論文と第一原理計算データベースをもとに、化学組成、構造、性質、加工条件、応用可能性までを述べる言語記述を結晶ごとに生成し、対照学習で構造と記述を同じ表現空間に引き寄せました。比較結果が本質を突いています。この合成説明文で学習した版は幾何構造とテキストの対応を学びましたが、論文テキストだけで学習した版は学べませんでした。筆頭著者は元MIT博士研究員のYang Jeong Park、責任著者には材料科学工学科のJu Li教授とElsa Olivetti教授が名を連ねます。Ju Li氏の見方は、構造を理解すれば材料の性質と振る舞いの多くを推論できる、というものです。
最初の試験は、全固体電池の電解質探し
研究者は目標とする性質を自然言語で与え、条件に合う結晶を探させたところ、ベースラインを上回る結果が得られました。固体リチウムイオン電池の電解質では、上位の候補の中に、独立した別の研究ですでに有望とされた材料が含まれていました。テキストのみのモデルには学べない幾何表現を獲得したことも確認されています。意味があるのは「当てた」こと自体ではなく、順位づけが信頼できるようになり始めた点です。実験資源が限られる以上、どの候補を先に検証するかで開発期間の長さが決まります。
候補リストは、まだ実物サンプルではない
Ju Li氏はこの研究を、タンパク質構造におけるAlphaFoldになぞらえます。どちらも「構造」と「機能」を直接結ぼうとする試みです。同様の道は他の分野にも現れており、CERNとMistralは物理基盤モデルの事前学習で協力し、数十年分の模擬衝突データを使います。また気象集合予報システム「風清V1.0」は業務化審査を通過し、日常運用に入りました。ただし冷静な注文も必要です。結晶モデルが今出せるのは候補リストまでで、合成、評価、デバイス検証の工程は省けません。記述データ自体の質がモデルの上限にもなります。材料チームにとって現時点でもっとも実用的な使い方は、実験の行列の手前に置くことです。明らかに作る価値のない候補を先に落とし、実験台は勝算の高い構造のために空けておく。それがこのモデルの当面の役割です。
