MIT 연구진은 결정 소재의 원자 3차원 배열과 자연어 설명을 함께 학습하는 멀티모달 AI 모델을 만들었다. 기존 대형언어모델은 논문과 서적의 텍스트를 주로 익혀 결정 구조를 직접 이해하는 데 제약이 있었다. 결정 구조는 일반 문장이 아니라 원자 좌표와 결합 정보 같은 특수 형식으로 저장돼 계산과학 데이터베이스의 정보가 언어 모델 학습에 충분히 반영되기 어려웠다. 여기에 문헌에 자주 등장한 소재에 학습이 쏠리는 편향도 신소재 탐색의 한계로 지적됐다.
연구진은 이런 문제를 줄이기 위해 결정의 기하학적 정보와 이를 설명하는 문장을 연결하는 학습 체계를 설계했다. 실험 논문과 제일원리 계산 데이터베이스를 바탕으로 조성, 원자 구조, 물성, 가공 시 고려 요소, 활용 가능성을 담은 설명 데이터를 만들고, 구조와 설명이 서로 가까워지도록 대조 학습을 적용했다. 그 결과 이 모델은 텍스트만 학습한 기준 모델보다 유망한 결정 소재를 더 잘 식별했다. 특히 고체 리튬이온 배터리 전해질 탐색에서 기존 연구로 유망성이 확인된 소재를 상위 후보로 제시해, 원자 구조를 직접 반영한 AI가 신소재 발굴을 앞당길 수 있음을 보여줬다.